[发明专利]一种基于RGB-T多尺度特征融合的电气设备故障检测方法

说明书

本发明公开了一种基于RGB‑T多尺度特征融合的电气设备故障检测方法，包括：将RGB图像和对应的T图像构成RGB‑T图像；对多通道RGB‑T图像中的RGB图像和T图像分别进行不同尺度特征提取，并将不同尺度特征进行交叉融合，构建图像目标分割模型；根据损失函数，通过标签样本对图像目标分割模型的输出进行深度监督训练；将待检测RGB‑T图像输入训练后的图像目标分割模型中，分割识别出待检测电气设备；根据T图像的温度值和不同电气设备过热检测标准，检测电气设备是否存在过热现象。本发明通过构建的图像目标分割模型，充分挖掘RGB图像的颜色、纹理和红外热图像中的温度信息分割和识别出红外热图像中的电气设备，为在红外热图像中检测电气设备提供准确的数据源。

技术领域

本发明涉及机器视觉缺陷检测领域，特别涉及一种基于RGB-T图像多尺度特征融合的复杂背景下输配电线路电气设备故障检测方法。

背景技术

由于输配电线路电气设备在工作时电流效应，伴随着发热现象，特别是在出现异常时，热损耗在异常部位会发生局部温度升高，通过红外热像仪能够有效获取其表面温度分布情况，进而来诊断其故障情况。

目前，许多学者对红外热图像处理展开了研究，在电力系统中使用红外检测技术诊断故障的方法主要包括两类：一类是直接基于红外热图像图像，对红外热图像目标区域检测，根据检测出来的不同对象利用不同标准进行判断；另一类是在基于可见光图像处理，在高分辨率的可见光图像中检测目标区域，再利用配准算法将可见光图像中的目标区域配准到红外热图像中，从而检测出目标区域。然而，这些检测方法还存在以下问题：

(1)红外热图像没有丰富的颜色及纹理信息，因此，当电气设备处于复杂的环境下，红外热图像中一些小的电气元部件因缺乏颜色及纹理特征无法分割及识别，导致细小的电气设备无法分割及识别，从而导致该类电气设备漏检。

(2)红外热图像通常分辨率比较低，需要检测的电气设备若比较小，当在红外热图像中待检测的电气设备因缺乏颜色及纹理信息时，容易淹没在复杂背景中。

(3)目前，基于红外热成像电气设备故障检测方法每张图像中一般只检测一类电气设备，不能同时检测图像中包含的各类电气设备，对不同电气设备的检测需要进行多次独立检测，因此，检测效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种基于RGB-T多尺度特征融合的电气设备故障检测方法。

本发明实施例提供一种基于RGB-T多尺度特征融合的电气设备故障检测方法，包括：

获取电气设备的可见光RGB图像、和与可见光RGB图像对应的红外热T图像，并将RGB图像和对应的T图像构成RGB-T图像；

基于深度卷积神经网络，构建图像目标分割模型；

对RGB图像和T图像制作待检测电气设备的标签样本，定义损失函数；根据损失函数，通过标签样本对图像目标分割模型进行深度监督训练；

将待检测RGB-T图像输入训练后的图像目标分割模型中，分割识别出待检测电气设备；

根据T图像的温度值和不同电气设备过热检测标准，检测电气设备是否存在过热现象；

其中，所述构建图像目标分割模型，包括：

将RGB-T图像构成了6通道图像，其中，RGB图像和T图像分别为3通道图像；

设T图像进行5次卷积及4次下采样表示为i表示第i次卷积；对RGB图像进行4次卷积和3次下采样表示为j表示第j次卷积，当i＝j时，与所包含特征图数量和大小相同；

对经过一次上采样和一次卷积后得到将经过特征拼接及一次卷积后得到

都一次上采样和一次卷积后分别得到将经过特征拼接及一次卷积后得到经过特征拼接及一次卷积后得到