[发明专利]一种基于人工智能的电力设备检测系统及方法

说明书

本申请公开了一种基于人工智能的电力设备检测系统及方法，主要涉及设备检测技术领域，用以解决现有的红外图像检测运行障碍存在较大误差的技术问题。包括：红外预警模块，用于获得红外图像对应的频谱数据；确定红外图像对应的电力设备是否出现运行故障；图像匹配模块，用于将可见光图像以及红外图像导入SIFT算法，完成电力设备、可见光图像以及红外图像的匹配；图像融合模块，用于确定主频权重赋值，进而获取融合图像的融合主频数据；获得融合图像的融合次频数据，以获得融合图像，发送融合图像至人员监控端。本申请通过上述方法实现了实现快速检测是否出现设备事故，避免了过度依赖红外成像导致故障点定位不准确的技术问题。

技术领域

本申请涉及设备检测技术领域，尤其涉及一种基于人工智能的电力设备检测系统及方法。

背景技术

电力设备（power system）主要包括发电设备和供电设备两大类，发电设备主要是电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等等，供电设备主要是各种电压等级的输电线路、互感器、接触器等等。

现有的检测电力设备是否正常运行的方法主要为：通过检测电力设备在运行时的热量温度分布特征图，判断该电力设备是否出现设备运行故障。例如，利用红外检测设备生成红外热成像图分析设备的状态以及故障产生的位置。

但是，单一的通过红外检测设备检测故障点的方法获得的故障点定位并不是十分准确，该位置仅仅是对温度的特殊反应，且通过温度检测位置的检测方式过于单一忽略了环境等外部因素带来的附加干扰。

发明内容

针对现有技术的上述不足，本发明提供一种基于人工智能的电力设备检测系统及方法，以解决上述技术问题。

第一方面，本申请提供了一种基于人工智能的电力设备检测系统。系统包括：红外预警模块，用于获取红外采集设备上传的红外图像，对红外图像进行变换域处理，以获得红外图像对应的频谱数据；基于频谱数据的波动峰值，确定红外图像对应的电力设备是否出现运行故障，以生成故障指令发送至维护终端，或生成图片融合指令；图像匹配模块，用于基于图片融合指令，获取图像采集设备上传的可见光图像；将可见光图像以及红外图像导入SIFT算法，提取区域图像特征；通过区域图像特征匹配，完成电力设备、可见光图像以及红外图像的匹配；图像融合模块，用于将可见光图像及其对应的红外图像进行二维DCT转变，基于转换后的DCT变换矩阵，确定可见光图像与红外图像对应的主频权重赋值，进而获取融合图像的融合主频数据；通过取绝对值最大值的方式，获得融合图像的融合次频数据，进而对融合主频数据以及融合次频数据进行逆DCT转变，以获得融合图像，发送融合图像至人员监控端。

进一步地，红外预警模块包含频域变换单元、频域对比单元；频域变换单元，用于将红外图像进行傅里叶变换，以获得对应的频谱数据；频域对比单元，用于基于频谱数据中的连续信号值，生成数据曲线；将数据曲线与上一时间点生成的数据曲线进行拟合，当拟合度低于预设阈值时，确定对应的电力设备出现运行故障；否则，确定对应的电力设备运行正常。

进一步地，图像融合模块包括主频融合单元；主频融合单元，用于将可见光图像及其对应的红外图像进行二维DCT转变，获得第一DCT变换矩阵和第二DCT变换矩阵；进而获得次频数据和主频数据；基于可见光图像以及红外图像各自的主频数据，计算可见光次频能量以及红外次频能量；基于第一次频能量与第二次频能量的比值，确定可见光图像与红外图像对应的主频权重赋值，进而获取融合图像的融合主频数据。

进一步地，系统还包括匹配校验模块；匹配校验模块，用于获取可见光图像对应的第一预设抠取图像，获取红外图像对应的第二预设抠取图像；进而获取第一频域数据以及第二频域数据，确定第一频域数据与电力数据预存的第一标准数据是否符合，以及确定第二频域数据与电力设备预存的第二标准数据是否符合；当都符合时，确定校验成功；当任一不符合时，生成匹配报错信息发送至人员监控端。