[发明专利]基于深度学习与红外检测的配电房温度预警方法、系统及介质

说明书

本发明公开了一种基于深度学习与红外检测的配电房温度预警方法、系统及介质，该方法包括根据热成像设备获取热成像图片；对热成像图片进行图片预处理；将预处理后的热成像图片输入至红外测温识别模型进行检测；对红外测温结果进行修正；根据识别图片的颜色深度，判断温度区间；输出报警信息。本发明具有实时检测、准确报警、报警信息自动推送等优点，通过视频监控，实现24ⅹ7全天候、无遗漏的电房内变压器表面温度实时检测，与正常标准进和对比，进行可见热分布图像进行分析，根据红外热像图变化情况进行红外热成像识别，进行在线监测和安全预警，有助于提升配电房内设备安全运行应急保障能力。

技术领域

本发明属于热成像测温的技术领域，具体涉及一种基于深度学习与红外检测的配电房温度预警方法、系统及介质。

背景技术

随着人们对由力资源的需求量在不断增加，电力设备的负荷承载力也在不断增加，变压器设备作为电力系统中重要的设备，在其运行中，会受到电力作用，进而导致温度上升。虽然变压器的故障类型有很多种，但都会引起变压器表面温度上升，当出现金属绕组锈蚀导致短路时，变压器的表面温度会急剧上升。本文研究采用红外测温技术对温度进行检测根据变压器表面的温度以及变化情况，与正常标准进和对比，进行可见热分布图像进行分析，根据红外热像图变化情况进行红外热成像识别，对配电房内变压器进行在线监测和安全预警，有助于提升配电房内设备安全运行应急保障能力。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于深度学习与红外检测的配电房温度预警方法、系统及介质，主要利用图像识别技术，针对红外热成像设备拍摄的实时热成像图，与原有正常状态的热成像图进行特征比对，找出其中的温度异常点，实现智能识别和报警，能够及时捕获过热、停机、温度分布不均等与温度相关的异常状况，实时将告警信息推送至运检平台，实现自动化全天监控告警。

为了达到上述目的，本发明采用以下技术方案：

本发明的一个方面，提供了基于深度学习与红外检测的配电房温度预警方法，包括下述步骤：

根据热成像设备获取热成像图片；

对热成像图片进行图片预处理；

将预处理后的热成像图片输入至红外测温识别模型进行检测；

对红外测温结果进行修正；

根据识别图片的颜色深度，判断温度区间；

输出报警信息。

作为优选的技术方案，，所述根据热成像设备获取热成像图片具体为：

设定视频选帧间隔，并将截取的单帧热成像图片转化为模型能够处理的格式。

作为优选的技术方案，，所述对热成像图片进行图片预处理具体为：

去除图片中的部分噪声干扰并令训练图片与待预测图片的数据预处理操作一致。

作为优选的技术方案，，所述红外测温识别模型为改进SSD检测框架，具体为：

采用卷积神经网络MobileNet替代传统SSD检测框架中的VGG-16网络；

所述MobileNet采用深度可分离卷积替代常规的卷积层，将标准卷积分解成为深度卷积和逐点卷积。

作为优选的技术方案，，所述红外测温识别模型将进行训练时采用BatchNormalization层，所述Batch Normalization层在网络模型的部署阶段合并到卷积层中。

作为优选的技术方案，，所述Batch Normalization层进行归一化及缩放操作；

所述归一化具体如下式：