電氣部件紅外熱成像檢測圖像自動比對技術研究

俞 躍沈功田葉 超李永清

(1. 中國特種設備檢測研究院 北京 100029)

(2. 國家質檢總局無損檢測重點實驗室 北京 100029)

電氣部件紅外熱成像檢測圖像自動比對技術研究

俞 躍1,2沈功田1,2葉 超1李永清1

(1. 中國特種設備檢測研究院 北京 100029)

(2. 國家質檢總局無損檢測重點實驗室 北京 100029)

電氣部件是電力傳輸與控制的關鍵部件，其運行狀態直接影響到整個系統的安全狀態和運行效率。老化、短路、斷路和非正常運行等是電氣部件事故的原因或表現形式。紅外熱成像檢測能夠有效判斷電氣部件的運行狀態，但通常的人工比對方法存在效率低、錯誤率高等問題。基于圖像特征提取和比對技術，本文提出一種半自動的圖像比對分析方法，能夠有效提高紅外熱成像檢測的效率。

圖像處理 紅外熱成像 電氣部件

1 背景

電氣部件是機電一體化設備、電力設備、電子系統等的核心,起到電力能量傳輸、電信號傳導和電力控制的功能,其運行狀態將對整個系統影響重大。設計不合理、器件老化或磨損、連接不良、意外損傷等都可能會造成電氣部件的損毀。電氣造成的故障、事故和火災時有發生。目前常用的檢測方式是以定期檢修為主,只能確定當前時刻部件的功能是否正常,不能準確判斷出電氣部件的實際狀況。在維護方面,僅僅按照運行時長、開關次數和線路的負荷來判斷是否對部件進行更換。同時,電氣系統由大量的端子、連接線、接觸器等電氣部件組成,數量眾多,傳統的檢測方法需要對各個部件逐個檢測,工作量大且判斷不準確。

電氣部件在導電和工作過程中會不斷發熱,同時大多數的電氣故障都會在其溫度狀態上有所表現。紅外熱像儀通過接受物體表面紅外波段的輻射強度,獲取其表面溫度分布情況,可以有效判斷電氣部件表面溫度變化情況,有效診斷電氣部件工作的正常或故障狀態,甄別潛在故障。電力系統和電器設備的紅外熱像診斷開發研究較早[1]。紅外熱成像檢測具有實時、效高率、低費用、帶電檢測、良好的安全性等優點,在電力行業開展的大量的研究和工程應用[2-3]。電氣部件的連接故障(短路、斷路等)、絕緣故障、器件使用異常等都會引起溫度過高或者過低,表現出溫度值或溫度分布的異常[4]。此外,魯偉明[5]等人利用不同電壓下的電致發光和紅外熱成像技術檢測太陽能電池的缺陷。徐晗[6]等人采用紅外熱成像檢測電主軸的軸心溫度進行,通過獲取的溫度值、電主軸轉速、運行時間等參數建立溫度預測模型,對電主軸溫升進行預測并提前警報可能出現的故障。鄭祥盤[7]等人認為紅外診斷技術對于及時發現電梯電氣設備的外部缺陷和部分內部缺陷非常直觀有效。吳迎昌[8]提出了一種基于紅外熱像與神經網絡的電接觸熱故障檢測方法。孫思慶[9]基于紅外熱成像建立了航空機載電子板卡元器件量化故障診斷方法。沈功田等人[10]提出了游樂設施中電機、電控柜、變壓器等的熱成像檢測方法。

總體來說,紅外熱成像檢測在多種電氣部件的檢測中已開展研究和應用。

2 常見問題和檢測原理介紹

2.1 紅外電氣檢測常見方法和存在的問題

目前電氣部件紅外熱成像檢測主要判別方法有以下幾種:

●2.1.1 表面溫度判斷法

該方法是通過遵守已有的標準中對設備表面溫度的要求,檢測設備表面溫度判斷其工作狀態。

●2.1.2 相對溫差判斷法

兩臺狀態相同或類似的設備(類似主要指:設備型號、安裝地點、環境溫度、表面狀況和負荷大小均比較接近)中相同部件或兩個對應測量點之間的溫差是絕對溫差。絕對溫差與其中較熱的測量點溫升的比值就是相對溫差,其數字表達式為:

式中:

T0——環境參考物溫度;

T1——較熱的發熱點溫度;

T2——較低的發熱點溫度。

●2.1.3 熱譜圖分析法

該方法是根據比較同一設備在正常狀態和異常狀態下的熱譜圖,通過不同狀態的圖譜差異來判斷設備是否正常。

●2.1.4 檔案分析法

該方法是通過建立該設備在不同時期的紅外檢測結果(包括:溫度、溫升和溫度場的分布等有無變化)檔案,掌握設備溫度變化規律,將檢測結果同已有檔案進行比較,分析設備狀態的方法。

目前采用紅外熱成像對電氣部件狀態進行評價的方法,都是在多次獲取的電氣系統紅外熱成像狀態信息的基礎上進行比對分析,得出運行狀態的。當針對大量不同類型的電氣系統或電氣部件時,紅外熱像圖需要既結合自身歷史數據比對,又要在同類對象之間互相比較。通常需要進行多次拍攝,對多次拍攝的結果進行人工分析,存在判別速度慢、錯誤率高和對細節變化情況判別不準等問題。

2.2 紅外熱像圖疊減法

紅外熱像圖疊減法是將同一對象不同階段或者相同結構不同對象的紅外熱像圖進行疊減比對,分析總體溫度值和溫度分布的變化情況來判斷電氣部件的運行狀態,并給出更直觀的結果。但是紅外熱像圖疊減法需要通過圖像的拉伸和旋轉實現感興趣區域的重疊,在重疊區進行差分,計算出熱像變化情況。本文將基于特征比對,提出一種圖像旋轉拉伸算法,實現感興趣區域的自動重合。

3 算法說明

共有2張熱像圖需要處理,其中:新的熱像圖是當前時刻對所檢測的電氣部件的檢測結果;標準熱像圖是該設備早前獲取熱像圖或者從其他同類設備上獲取的熱像圖,作為比對和參考的熱像圖,該比對結果可以判斷設備的目前的運行狀態。為獲取感興趣區域(ROI)的比對和診斷,需要開展7個步驟。圖1是照片的比對和故障判斷的流程,其中:

1)基于溫度信息的圖像增強:熱像儀獲取的原始灰度圖像灰度范圍通常過低,不利于圖像特征提取,為此,將新拍攝的圖像和標準圖像一起進行灰度線性調整,調整后,保證新拍攝的圖像和標準圖像的灰度能夠完整覆蓋0～255,并且兩幅圖像相同的灰度對應實際顏色也相同;

2)提取圖像特征:針對灰度調整后的新拍攝的圖像和標準圖像提取SURF特征,該算子具有尺度不變性和旋轉不變性,能夠有效應對前后兩次拍照時距離、角度的差異;

3)特征比對及圖像配準:使用FLANN算法對兩幅圖像的特征點進行匹配,利用能夠最優匹配的前20%特征點計算投影映射矩陣,將新拍攝照片映射到和標準圖像最優匹配的位置;

4)ROI覆蓋度判斷:事先人為在標準圖像上劃定感興趣區域(ROI),考察感興趣區域有多大面積被配準后的新拍攝圖像覆蓋,如果覆蓋面積小于80%,認為拍攝圖像不符合要求,報警要求重拍;

5)ROI區域圖像差分、去噪聲:將標準圖像和新拍攝圖像在ROI限定的區域內進行圖像差分,在差分圖像中保留溫差大于設定閾值的點,并將灰度值設為255,其余點灰度值設為0,形成差分標記圖像,通過一定次數的圖像閉運算、開運算配合去除孤立雜點;

6)故障判斷:如果去噪后的差分標記圖像中灰度為255的面積占ROI面積超過一定閾值,則認為新拍攝圖像對應的儀器狀況存在異常;

7)以圖像形式顯示判斷結果:如果判定當前儀器狀況異常,則用灰度圖顯示新拍攝圖像,用紅色標識其中溫度超標的部分;如果判定當前儀器狀況正常,則用灰度圖顯示新拍攝圖像,將其中屬于ROI的區域用淺綠色標識。

圖1 ROI區域熱像圖比對和診斷流程

4 實驗結果及分析

對兩個同一型號的不同電梯機柜相同部分進行拍照。原始圖像如圖2所示,其中圖2(a)是1#電梯的熱像圖,圖2(b)是2#電梯的熱像圖。1#電梯的熱像圖將作為標準熱像圖用于比對。

圖3顯示了使用SURF算法提取兩張圖片特征的結果,并給出使用FLANN算法的比對算法結果,用于發現最佳匹配點。

基于最優匹配點計算出A到B的仿射矩陣。配準的方法為:

第一步:生成一個尺寸和A完全一致的空白圖像B′;

圖2 原始熱像圖

圖3 圖像特征提取和匹配度比對結果

第二步:遍歷B′的每個像素,每到一個像素,使用仿射矩陣把該點坐標映射到B圖對應的坐標,如果該坐標在B圖范圍之外,則B′上該像素灰度為0;如果映射坐標在B圖范圍內,則取在B圖中距離最近的4個像素灰度進行雙線性差值得到B′上該像素的灰度;

如此形成的B′即為B圖對A的配準。配準后A和B′同一個像素的位置應該對應了同樣的實物位置,兩圖配準后效果如圖4所示。

將配準后的兩圖灰度直接差分,同時考慮到僅關心ROI的溫度差別,因此僅對該區域的溫差進行計算顯示,其余區域置0。A和B′的ROI如圖5所示。

圖4 配準后的效果圖

圖5 ROI區域選取

ROI區域差分結果如圖6所示。從圖中ROI區域的比對可發現,最大的灰度差為10,所對應的溫度差為0.5 ℃;同時,大多數區域的溫度差低于0.3 ℃;因此兩個電梯的電氣部件溫度差總體來說基本一致。溫度差高于0.3 ℃的區域是自身溫升較高的區域,進一步可采用相對溫差計算來分析結果。相對溫差的計算見式(2)。圖7是兩臺設備的相對溫差圖,可以發現該圖具有更高的一致性,更能反映兩臺設備的運行狀態很接近。

圖6 兩臺設備ROI區域溫差圖

圖7 兩臺設備ROI區域相對溫差圖

5 總結

本文針對電氣部件的紅外熱成像檢測的實際應用,基于圖像的自動比對和拉伸提出紅外熱像圖疊減法,可有效提高檢測效率和準確度。其中圖像的自動比對和拉伸是該方法的關鍵;實驗證明,通過圖像預處理、特征提取比對、重合度判別和矩陣變換,能夠有效地實現圖像的自重合。但受到熱像儀像素的限制,圖像的分辨率和清晰度都不是很高,目前采用的圖像特征提取主要是基于可見光圖像的成熟算法,不能完全滿足當前的需求,針對紅外熱像圖的特征提取比對算法還有待進一步發展。

[1] 李火昌，童金鳳．紅外檢測技術在設備狀態維修中的應用[J]．中國設備工程，2006，（S1）：107．

[2] 王蕾．電網仿真系統動態仿真算法研究[D]．宜昌：三峽大學，2005．

[3] 虞文斌．紅外檢測技術在電力設備方面的應用[J]．機電信息，2010，（12）：127-129．

[4] 程玉蘭．紅外診斷技術與應用(一)[J]．設備管理與維修，2003，（9）：41-43．

[5] 魯偉明，李省，張付特，等．基于不同電壓下的電致發光和紅外成像的太陽能電池缺陷檢測[J]．發光學報，2014，35（12）：1511-1519．

[6] 徐晗，羅良玲，王超厚．基于紅外的電主軸溫升在線檢測系統[J]．南昌大學學報(工科版)，2008，（01）：79-82．

[7] 鄭祥盤．基于紅外熱成像技術的電梯電氣系統檢測技術研究[J]．中國特種設備安全，2016，32（02）：16-19．[8] 吳迎昌．基于紅外熱像技術的電接觸故障檢測方法研究[D]．長沙：湖南大學，2015．

[9] 孫思慶．機載電子板卡故障檢測元器件紅外溫度模型研究[D]．天津：中國民航大學，2015．

[10] Ye Chao， Shen Gongtian， Zhang Wanling， et al． A Preliminary Study on Infrared Thermal Imaging Characteristics of Recreation Facility[J]． Nondestructive Testing， 2012， 34(03)： 12-14．

Research on Image Comparison Processing Technology in Electrical Equipment Infrared Thermograph Detection

Yu Yue1,2Shen Gongtian1,2Ye Chao1Li Yongqing1
(1. China Special Equipment Inspection and Research Institute (CSEI) Beijing 100029)
(2. AQSIQ Key Laboratory on Non-destructive Evaluation (AKLNDE) Beijing 100029)

Electrical equipment is key component for power transmission and control, its running situation could do harm to the safety and effciency of the whole system. Aging, short circuit, breaker contact and undesirable running state will affect the electrical equipment. Infrared thermograph monitoring can effectively fnd the running status of electric equipment, but with slow speed and high error rate while comparing the image results artifcially. This paper proposes a semi-automatic image comparison analysis method, based on image feature extraction technology, which effectively improves the effciency of the infrared thermograph monitoring.

Image processing Infrared thermograph Electrical components

X924

B

1673-257X(2017)08-0001-04

10.3969/j.issn.1673-257X.2017.08.001

俞躍（1988～)，男，碩士，高級工程師，從事無損檢測技術研究工作。

俞躍，E-mail： yuyue-218@126．com。

國家重點研發計劃項目“非金屬材料紅外與太赫茲檢測關鍵技術研究及儀器研制”（編號：2017YFF0209704)

2017-04-17）