[发明专利]引流板过热识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种引流板过热识别方法、装置、计算机设备和存储介质。本申请能够无需依赖阈值和参数的设置即可自动实现红外图像中引流板是否发热以及发热程度的识别，进一步提高了电力设备巡检运维的效率。该方法包括：获取待检测红外图像；将待检测红外图像输入预先构建的引流板定位神经网络进行定位识别，得到包含引流板的检测框；将待检测红外图像输入红外数据解码器中进行解码，得到原始热辐射矩阵；根据普朗克辐射定律对原始热辐射矩阵进行计算，得到检测框的温度矩阵；在检测框的温度矩阵中取温度最大值作为引流板的温度；根据引流板的温度与周边部件正常温度之间的相对关系，判断引流板的发热等级。

技术领域

本申请涉及电气设备检测技术领域，特别是涉及一种引流板过热识别方法、装置、计算机设备和存储介质。

背景技术

随着国家经济的快速发展，电网负荷逐年增大，越来越多的电网设备满载运行，设备老化速度加快，尤其是输电线路耐张线夹引流板过热，不仅自身消耗大量电能，而且有可能导致引流板烧毁，造成断线事故，直接威胁电网的安全运行。因此，电网日常例行检查需要对耐张线夹引流板温度进行检测，红外检测方式可在不停电的状态下发现故障类型，广泛应用于电网线路检测。

目前，针对红外图像的电力设备状态识别方法主要有两种，一种是通过在可见光图像上对红外设备进行定位，然后通过匹配的方法将映射到相应的红外图像上，最后通过读取红外图像上待检测位置区域内的最高温度，判断是否有设备告警；另一种是采用深度学习的方式，直接使用带标注的红外图像作为训练集，训练得到一个电力设备状态检测模型，使用该模型在待检测图像上识别电力设备的类别和位置。

然而，上述基于可见光图像匹配的方法更依赖阈值和参数的设定，定位的效果和算法的运行时间受参数的影响较大，精度和鲁棒性都不高；上述基于深度学习的方法缺少对电力设备发热程度的进一步分析，仍然无法准确判断设备的发热等级。

发明内容

基于此，有必要针对上述技术问题，提供一种引流板过热识别方法、装置、计算机设备和存储介质。

一种引流板过热识别方法，所述方法包括：

获取待检测红外图像；

将所述待检测红外图像输入预先构建的引流板定位神经网络进行定位识别，得到包含引流板的检测框；

将所述待检测红外图像输入红外数据解码器中进行解码，得到原始热辐射矩阵；

根据普朗克辐射定律对所述原始热辐射矩阵进行计算，得到所述检测框的温度矩阵；在所述检测框的温度矩阵中取温度最大值作为所述引流板的温度；

根据所述引流板的温度与周边部件正常温度之间的相对关系，判断所述引流板的发热等级。

在其中一个实施例中，所述根据普朗克辐射定律对所述原始热辐射矩阵进行计算，得到所述检测框的温度矩阵，包括：

基于所述检测框的坐标，在所述原始热辐射矩阵中截取得到相应的检测框热量矩阵；

根据普朗克辐射定律对所述检测框热辐射矩阵和所述原始热辐射矩阵进行计算，得到所述检测框的温度矩阵。

在其中一个实施例中，所述检测框位于所述待检测红外图像中；所述根据所述引流板的温度与周边部件正常温度之间的相对关系，判断所述引流板的发热等级之前，所述方法还包括：

在所述待检测红外图像中，以所述检测框为参照物，在所述检测框左右两侧各取一个参考框，得到两个参考框；

根据所述两个参考框的坐标，在所述原始热辐射矩阵中截取得到相应的两个参考框热量矩阵；

根据普朗克辐射定律对所述两个参考框热量矩阵和所述原始热辐射矩阵进行计算，得到相应的参考框温度矩阵；

在所述参考框温度矩阵中选取温度最大值作为所述周边部件正常温度。