基于谱残差变换的电力设备热缺陷识别技术

本文提出一种基于谱残差变换的电力设备热缺陷识别技术。首先,根据电力设备红外图像中自然背景的冗余特性和热缺陷目标的显著性特征来构建谱残差变换模型,对电力设备红外图像进行谱残差变换,生成具有显著性信息的热缺陷初始识别结图。然后,采用引导滤波技术对初始识别结果进行处理,联合利用红外图像中的温差信息和空间结构信息,提升热缺陷的识别率,生成最终识别结果图。实验结果表明:与其他传统热缺陷识别方法相比,本文所提出的方法在识别精度与识别效率上有显著优势,满足电力设备热缺陷带电检测的应用需求。

变电设备红外图像致热型缺陷超分辨率识别方法

变电设备的致热型缺陷是影响变电设备安全、稳定运行的主要因素,会影响整个的温度控制工作。致热型缺陷识别过程中,受感光元件精度的影响,导致采集的红外图像存在空间分辨率低、清晰度差等问题。为解决这一问题,提出变电设备红外图像致热型缺陷超分辨率识别方法。构建图像降质模型,采用近似稀疏函数正则化方法,重建红外图像的超分辨率,提高其整体质量。通过中值直方图非均匀算法,消除红外图像中存在的“鬼影”,完成图像校正处理。并将处理后的图像输入到改进的残差网络中,获取变电设备过热区域的温度,以此实现变电设备致热型缺陷的识别。实验结果表明,所提方法的图像采集质量高、缺陷识别率在95%以上、缺陷误报率保持在20%以内。