[发明专利]一种基于多光谱图像处理的变电设备故障诊断方法

说明书

本发明公开了一种基于多光谱图像处理的变电设备故障诊断方法，包括收集电力设备的图像集并生成潜在特征；通过所述潜在特征，利用故障诊断模型给出潜在缺陷或故障区域的风险轮廓；利用所述风险轮廓的输出结果训练网络；利用所述训练后的风险轮廓根据故障部件进行评估判断。充分利用所有图像类型的信息，编码器提取隐藏信息进行要素融合，解码器转换潜在表示形式，并给出潜在缺陷或故障区域的风险轮廓，编码器与解码器之间的收缩路径减少了红外和紫外图像的边界损耗，卷积层的设计可以精确处理任何大小的输入图像集；本发明方法提高了像素精度的切割质量，提高了故障诊断方法检测精度。

技术领域

本发明涉及故障诊断的技术领域，尤其涉及一种基于多光谱图像处理的变电设备故障诊断方法。

背景技术

输电线路是电力系统的核心载体，长期在电磁场、极端环境和过载条件下工作会逐渐降低设备的耐久性和可靠性。为了保证电力系统的安全可靠运行，对电力设备的运行状态进行监测是十分必要的，设备监测有助于尽早发现潜在的缺陷或故障，以便及时找到解决问题的方法，防止发生严重事故。

随着图像或视频监控终端设备和无人驾驶飞机的广泛应用，大量的电力设备在数秒内被收集并更新到数据中心。为了可视化输电线路的运行状态，图像处理和状态评估在日常维护中日益突出。

对于一个工作区域，从3种不同类型的传感器(可见光传感器、红外传感器和紫外线传感器)中采集图像。简而言之，我们将这些图像分别称为二值图像(RGB图像)、灰度图像(IF图像)和彩色图像(UV图像)。本文希望解决的问题是给定一组监控图像，将网络中具有潜在缺陷或故障的组件作为图像分割。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在传统故障诊断方法检测精度低的问题，提出了本发明。

因此，本发明解决的技术问题是：解决了故障部件的分割质量较低的问题，填补了图像中的缺陷部分，解决了传统故障诊断方法检测精度低的问题。

为解决上述技术问题，本发明提供如下技术方案：收集电力设备的图像集并生成潜在特征；通过所述潜在特征，利用故障诊断模型给出潜在缺陷或故障区域的风险轮廓；利用所述风险轮廓的输出结果训练网络；利用所述训练后的风险轮廓根据故障部件进行评估判断。

作为本发明所述的基于多光谱图像处理的变电设备故障诊断方法的一种优选方案，其中：所述故障诊断模型包括，所述故障诊断模型在架构上构建，包括编码器和解码器，但在池层和上卷积层中跳过连接。

作为本发明所述的基于多光谱图像处理的变电设备故障诊断方法的一种优选方案，其中：所述编码器包括，有4个卷积块，对于每一个卷积块，卷积滤波器的大小设置为3×3，并且由整流器线性单元激活，在经过2次卷积计算后，在每个卷积块的末尾进行批次规范化，然后块输出通过最大池层进行向下采样，但要使用2×2的因子来增强通道深度；第三大池图层以输入图像集的大小以H/8×W/8的潜在特征表示；大量的通道允许模型通过反向传播提取高分辨率图层中的信息。

作为本发明所述的基于多光谱图像处理的变电设备故障诊断方法的一种优选方案，其中：所述解码器包括，由4个卷积块组成，但是其目的在于扩大窗口的大小，每个模块的输入首先通过2×2上卷积操作进行向上采样，同时将通道数减半；结果与编码器中的相应特征输出串联，串联表达式应用2次卷积，卷积滤波器配置为3×3大小，后面为一个整流器单元。