[发明专利]一种氧化锌避雷器故障智能识别方法

权利要求书

1.一种氧化锌避雷器故障智能识别方法，其特征在于：包括如下步骤：

步骤1、通过红外热像仪在线拍摄输入图像，获得避雷器红外热像图；

步骤2、避雷器红外热像图经过转灰度图、图像去噪、图像增强、图像分割、二值化步骤对图像进行预处理，获得处理图像信息；

步骤3、根据处理图像信息，自动截取处理图像信息中的目标特征区域，获得目标图像信息，并且提取典型温度特征，获得温度特征数据；

步骤4、根据温度特征数据，通过与避雷器串纵向数据、历史数据进行比较分析，获得对比数据；

步骤5、根据避雷器健康状况评判大数据算法，获得避雷器的健康和故障数据，通过对避雷器的健康和故障数据和对比数据进行比较，判定避雷器的健康和故障状况；

步骤6、根据GPS定位模块，判断避雷器的故障位置；

步骤7、显示输出检测结果，在软件界面图像区用带颜色的方框框出避雷器的故障类型，在检测结果区用文字显示此次检测的结果及细节，在温度曲线区显示避雷器的温度分布曲线，点击生成报告后，会将本次检测的结果生成excel表格。

2.根据权利要求1所述的一种氧化锌避雷器故障智能识别方法，其特征在于：包括电源模块、图像输入模块、图像预处理模块、特征提取模块、特征筛选模块、故障识别模块、GPS定位模块和显示输出模块，所述图像输入模块、图像预处理模块、特征提取模块、特征筛选模块、故障识别模块、GPS定位模块和显示输出模块依次相互连接，所述电源模块通过导线分别与图像输入模块、图像预处理模块、特征提取模块、特征筛选模块、故障识别模块、GPS定位模块和显示输出模块相连。

3.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述图像输入模块支持在线拍摄图像、离线导入图像和红外热像成图。

4.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述图像预处理模块包括转灰度图、图像去燥、图像增强、图像分割、二值图，图像输入模输入的图像依次经过转灰度图、图像去燥、图像增强、图像分割、二值图进行处理。

5.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述特征提取模块包括自动提取目标特征区域和温度特征提取区域。

6.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述故障识别模块具体为故障避雷器识别模型。

7.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述显示输出模块包括检测结果显示和检测结果输出，所述检测结果显示包括形成图像区、温度显示区和检测结果区，所述检测结果输出包括数据报表和检测报告。

8.根据权利要求2所述的一种氧化锌避雷器故障智能识别方法的系统，其特征在于：所述电源模块包括蓄电池和太阳能电池板，所述太阳能电池板通过太阳能控制器与蓄电池相连，且蓄电池通过导线与图像输入模块、图像预处理模块、特征提取模块、特征筛选模块、故障识别模块、GPS定位模块和显示输出模块中各个供电电路相连。

9.根据权利要求1至8所述的一种氧化锌避雷器故障智能识别方法，其特征在于：所述氧化锌避雷器故障智能识别方法存储于计算机构架的APP内部，通过烧录的程序进行驱动运行，包括总线架构、处理器、存储器和总线接口，总线架构可以包括任意数量的互联的总线和桥，总线架构将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起，总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，总线接口在总线架构和接收器和发送器之间提供接口，接收器和发送器可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。