基于可見光與紅外熱成像的異常溫度檢測(cè)算法在超高 壓變電站智能巡檢中的應(yīng)用

［關(guān)鍵詞］超高壓變電站；巡檢；紅外熱成像；溫度異常

［中圖分類號(hào)］TM63 ［文獻(xiàn)標(biāo)志碼］A ［文章編號(hào)］2095–6487（2024）10–0131–03

1背景

超高壓變電站是電力系統(tǒng)的關(guān)鍵組成部分，其安全穩(wěn)定運(yùn)行是電力系統(tǒng)穩(wěn)定運(yùn)行中的重要一環(huán)。但變電站的運(yùn)行存在著潛在的溫度異常安全隱患。傳統(tǒng)的變電站巡檢方法依賴于人工目視和周期性巡檢，所以效率低、覆蓋面窄、容易漏檢。近年來，隨著可見光和紅外熱成像技術(shù)的不斷發(fā)展，基于計(jì)算機(jī)視覺的異常溫度檢測(cè)成為了一種有效的解決方案。計(jì)算機(jī)視覺系統(tǒng)依靠可見光圖像提供位置結(jié)構(gòu)信息，紅外熱成像技術(shù)提供了物體表面的溫度分布信息，兩種檢測(cè)技術(shù)的結(jié)合能夠提高異常溫度檢測(cè)的準(zhǔn)確性和可靠性。

2可見光與紅外熱成像技術(shù)

可見光與紅外熱成像技術(shù)通過捕捉不同波長的光信號(hào)，將其轉(zhuǎn)化為可視化的圖像。這兩種技術(shù)在異常溫度檢測(cè)中具有互補(bǔ)性，可見光成像技術(shù)能夠提供目標(biāo)物體的外觀特征，而紅外熱成像技術(shù)則能夠進(jìn)一步捕捉目標(biāo)物體的熱量分布情況。

2.1可見光成像技術(shù)

可見光成像技術(shù)是利用可見光波段的電磁輻射采集目標(biāo)物體反射的光信號(hào)形成圖像。其原理是利用光學(xué)鏡頭將光線聚焦在圖像傳感器上，將光信號(hào)轉(zhuǎn)化為電信號(hào)，經(jīng)過處理形成可視化的圖像。可見光成像技術(shù)原理如圖1所示。

可見光成像技術(shù)適用于室外和室內(nèi)的各種環(huán)境條件，圖像優(yōu)勢(shì)在于其具有高分辨率、色彩豐富、成本低廉的特點(diǎn)。對(duì)于一些表面溫度正常但外觀異常的情況，可見光圖像能夠提供目標(biāo)物體的外觀特征和結(jié)構(gòu)信息，適用于各種變電站工作環(huán)境條件，在有光照的情況下對(duì)目標(biāo)物體的識(shí)別。然而，可見光受光線和天氣等因素的影響，在夜間或惡劣天氣條件下的成像效果較差。此外，可見光圖像無法直接反映目標(biāo)物體的溫度信息，對(duì)于溫度異常的情況無法直接識(shí)別。

2.2紅外熱成像技術(shù)

紅外熱成像技術(shù)是利用物體自身輻射的紅外光波段的能量來捕捉目標(biāo)物體的熱量分布情況。其原理是利用紅外感應(yīng)器對(duì)目標(biāo)物體輻射的紅外光信號(hào)進(jìn)行探測(cè)，然后轉(zhuǎn)化為對(duì)應(yīng)的熱圖像。紅外成像技術(shù)原理如圖2所示，物體的輻射線通過特殊的鏡頭之后經(jīng)過光柵和探測(cè)器，最終形成熱量分布圖。

相比可見光成像技術(shù)，紅外熱成像技術(shù)能夠直觀地顯示目標(biāo)物體的溫度分布情況，具有溫度測(cè)量精度高、無需光源、不受環(huán)境光影響的特點(diǎn)，特別對(duì)于夜間和惡劣環(huán)境下的溫度監(jiān)測(cè)具有獨(dú)特的優(yōu)勢(shì)。然而，在局限性方面，紅外熱成像受制于傳感器的靈敏度和分辨率，紅外圖像的分辨率一般較低，無法提供與可見光圖像相媲美的細(xì)節(jié)信息。此外，由于目標(biāo)物體表面的材料和反射率因素，紅外熱成像受到物體表面狀態(tài)的影響成像效果會(huì)存在一些誤差。

3基于可見光與紅外熱成像的異常溫度檢測(cè)算法

3.1可見光疑似高溫目標(biāo)識(shí)別

可見光疑似高溫目標(biāo)識(shí)別是異常溫度檢測(cè)算法的第一步，該步驟以可見光成像技術(shù)為基礎(chǔ)，分析可見光圖像識(shí)別的具有高溫特征的目標(biāo)物體，圖像中的煙霧、火焰和烈陽目標(biāo)，都是潛在的高溫信息，可以補(bǔ)充紅外熱成像中的信息，優(yōu)化溫度異常檢測(cè)的可靠性。在可見光疑似高溫目標(biāo)識(shí)別任務(wù)中，會(huì)提前收集大量包含疑似高溫目標(biāo)的可見光圖像數(shù)據(jù)集。為了保障可見光圖像的質(zhì)量，圖像采集之后還會(huì)經(jīng)歷圖像增強(qiáng)去噪步驟，圖像中有無高溫信息就是要訓(xùn)練的標(biāo)簽。采用卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的技術(shù)對(duì)預(yù)處理后的圖像數(shù)據(jù)進(jìn)行訓(xùn)練，將煙霧、火焰和烈陽作為高溫目標(biāo)，通過訓(xùn)練讓網(wǎng)絡(luò)具備識(shí)別該目標(biāo)的能力。

3.2紅外熱成像異常溫度檢測(cè)

紅外熱成像異常溫度檢測(cè)是在可見光疑似高溫目標(biāo)識(shí)別之后對(duì)目標(biāo)進(jìn)行的準(zhǔn)確溫度測(cè)量?；诩t外熱成像技術(shù)分析紅外熱成像數(shù)據(jù)，識(shí)別并定位變電站中可能存在的溫度異常區(qū)域，檢測(cè)出高溫異常區(qū)域，及時(shí)發(fā)現(xiàn)潛在的故障。紅外熱成像異常溫度檢測(cè)需要收集變電站內(nèi)部和周圍的紅外熱成像數(shù)據(jù)，用數(shù)據(jù)反映不同區(qū)域的溫度分布情況，然后對(duì)這些紅外數(shù)據(jù)需要進(jìn)行類似的圖像預(yù)處理步驟，提高物體溫度分析的準(zhǔn)確性。

在紅外熱成像異常溫度檢測(cè)系統(tǒng)中采用了自適應(yīng)二值法將紅外熱成像數(shù)據(jù)轉(zhuǎn)化為二值圖像，并提取出代表著電力設(shè)備過熱、局部短路或其他故障情況的高溫異常區(qū)域。自適應(yīng)二值法表示為對(duì)于每個(gè)像素（x，y），定義其局部鄰域?yàn)镹（x，y），包括該像素周圍的一個(gè)小區(qū)域。計(jì)算局部鄰域的灰度均值μ（x，y）：

基于可見光與紅外的變電站檢測(cè)結(jié)果如圖3所示，通過圖像結(jié)果可直觀地觀察變電站的溫度分布情況。

在可見光疑似高溫目標(biāo)識(shí)別方面，從可見光圖像中識(shí)別出了可能存在的煙霧、火焰等高溫目標(biāo)并記錄了識(shí)別結(jié)果。而在紅外熱成像異常溫度檢測(cè)方面，紅外熱成像數(shù)據(jù)檢測(cè)出了高溫異常區(qū)域并記錄了檢測(cè)結(jié)果。此外，計(jì)算了每個(gè)樣本的識(shí)別準(zhǔn)確率，識(shí)別準(zhǔn)確率是根據(jù)數(shù)據(jù)集中提供的目標(biāo)標(biāo)注信息計(jì)算得出。不同算法下變電站溫度檢測(cè)結(jié)果見表1。

5結(jié)束語

文章提出的基于可見光與紅外熱成像的異常溫度檢測(cè)算法可對(duì)溫度異常進(jìn)行全面監(jiān)測(cè)和及時(shí)預(yù)警，為變電站的安全運(yùn)行提供了重要保障。試驗(yàn)結(jié)果表明，該算法在異常溫度檢測(cè)任務(wù)中表現(xiàn)出良好的性能和準(zhǔn)確性，能夠有效地識(shí)別出潛在的溫度異常，并提供及時(shí)的預(yù)警和處理建議。