電氣設備智能檢測系統的設計與實現探討

任 麗

(常州科技經貿技工學校，江蘇 常州 213000)

電氣設備系統的全面檢測和故障測試日益重要，能夠針對異常發熱等現象，具體檢測故障點。因此本文的設計采用紅外熱成像技術，檢測系統是否存在漏磁、漏油、接觸電阻過大、設備銹蝕、部件松動和斷裂等現象。在傳統電氣設備中，技術人員手持紅外設備進行檢測，檢測過程依賴經驗，效率降低，容易存在誤區，加之紅外圖像數據的逐漸增多，必須要帶智能設備代替傳統人工設備，結合神經網絡技術，基于圖像分類技術，建立紅外圖譜庫，實現電氣設備故障檢測的自動化和智能化。

1 電氣設備智能檢測系統的技術基礎

1.1 紅外熱成像技術及溫度提取

紅外線是物體向外熱輻射而產生的，不同的物體由于溫度不同，所以向外輻射的能量密度也不相同。這樣傳感器就能接收到不同的信號，在具體測試中有2種方式，一種是比色條提取信息，另一種是傳感器數據計算溫度。前者根據比色條像素值和溫度值之間的關系確定溫度圖像，熱力學公式進行計算得到溫度。從精確度上來看，傳感器數據的精確程度要遠遠高于比色條的溫度。

1.2 圖像預處理

首先是圖像灰度化處理，對傳統RGB圖像模型進行灰度處理，這樣圖像僅包含亮度信息，存儲空間大大減少，運算速度相應增加。其次是圖像去噪，去除干擾因子，以值濾波、中值濾波和高斯濾波等方式進行處理。再次是圖像增強，采用微分方法、Butterworth高通濾波、高低帽變換的方法進行處理。

1.3 圖像分割

利用域內相似性和域間差異性，根據圖像的紋理特征提取內容中的重點目標，比如某設備的某個部位因為溫度一致而具有相同顏色，而另一個部位因為溫度差異顯示出不同的顏色。此時可以將一致的部分分割出去，減少干擾，一般的提取方法有基于閾值的提取算法、基于邊緣的提取算法、基于區域的提取算法。除此之外，還可以利用非經典方法，即基于K-means聚類算法的電氣設備紅外圖像提取方法，該方法需要大量實驗確定統計的K值。

1.4 圖像識別

采用模板匹配算法進行測試，設計一個相似性函數，進行匹配。其次，采用卷積神經網絡方法，建立基于統計學和信息學的數學模型，引進由卷積核構成的卷積層，在模擬的過程中不斷提升其精確性。通過局部感知、權值共享、池化等方式降低參數數目。

2 系統的設計與實現

2.1 系統需求

滿足電網等電氣設備的檢測需要，采集巡檢機器人、無人機等先進設備拍攝的照片，降低人力查看的消耗量，提升智能化水平。同時通過圖像灰化處理降低存儲空間，改變過去定時巡檢任務工作效率較低以及沒有完善的設備紅外信息數據庫的局面。系統的功能性需要主要包括以下幾個方面：紅外診斷功能描述、紅外圖像數據管理功能描述、紅外數據統計分析功能描述、紅外任務安排功能描述、用戶權限管理功能描述等。系統涉及的崗位主要包括巡檢、維修、管理員模塊管理、普通用戶圖像上傳等。軟件方面能夠適用于Windows、麥金塔、Linux系統，采用PHP開發環境，使用TensorFlow和keras深度學習框架，使用MySQL數據庫進行存儲。系統硬件采用web服務器，內存64g，cpu采用因特志強系列，硬盤空間至少10T以上，客戶端的配置要求較低，一般機器皆可以滿足。

2.2 系統設計

以先進性、智能化、實用性、經濟性、易維護為原則，重點考慮系統的安全性，杜絕黑客攻擊和病毒侵入，系統能夠兼容市面上主流操作系統，具有可維護性和可拓展性。系統模塊包括圖像預處理、溫度提取、圖像分割、設備識別四個方面。在系統設計中，要充分考慮電氣設備的特性，根據電氣設備不同的溫度差異進行特定設計，提升系統的功能性。

2.3 系統實現

比較不同濾波器的濾波效果，提升傳感器的性能，抑制噪聲，提升其清晰度。在設備出現異常時，系統不僅要能夠向工作人員發出警告，及時提醒維修，而且要具有繼電保護功能，在發生故障時，切換到備用工作的線路和設備。同時系統要能夠識別多種故障模式，實施對電氣設備的故障進行診斷。

3 結語

電氣設備智能檢測系統要本著智能化的原則，充分使用紅外線溫感原理，不斷深化設計，創新圖像識別、模型分析和傳感器技術。