联系人姓名:
联系人电话:
手机号:
邮箱:
QQ:
工作单位:
地址:
意向说明:
免费查询
基于深度学习的红外图像中劣化绝缘子的分割方法及装置
成果名称: | 基于深度学习的红外图像中劣化绝缘子的分割方法及装置 | 关键字: | 应用行业: | 电力、热力生产和供应业 | |
高新技术领域: | 电能与电力 | 所在地: | 河北省 | 知识产权类型: | 发明专利 |
知识产权编号: | ZL201911066307 | 成果体现形式: | 成果属性: | ||
成果所处阶段: | 成果水平: | 请选择... | 研究形式: | ||
学科分类: | 战略新兴产业: | 请选择... | 课题来源: | ||
第一完成单位名称: | 华北电力大学(保定) | 第一完成单位属性: | 技术成熟度: | ||
合作方式: | 请选择... | 交易价格(万): | 3.00 | 所属十强产业: |
本发明公开了基于深度学习的红外图像中劣化绝缘子的分割方法及装置,包括全卷积神经网络和多尺度特征融合两部分,利用全卷积神经网络模型对红外图谱中的劣化绝缘子进行自动提取以及学习劣化绝缘子的纹理、形状等特征,避免了传统分割模型对于复杂背景无法有效分离的弊端,避免了传统分割算法模型复杂的特征选择过程,通过FCN模型实现了端到端的特征提取的自主化与智能化。在减少人工电力巡检的工作量的同时,提高了巡检的效率和准确度,具有很大的实用性,十分符合复杂的现场环境。该自动分割和诊断方法,极大的减少了误检的情况,使得高压绝缘子劣化检测全自动巡检成为可能。
本发明能够获取劣化绝缘子的红外图谱;将所述红外图谱依次通过第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层和第三池化层的特征提取和取样运算,得到第一预测特征图;将所述第一预测特征图经过第四卷积层的特征提取和第四池化层的取样运算,得到第二预测特征图;将所述第二预测特征图经过第五卷积层的特征提取和第五池化层的取样运算,得到第三预测特征图;将所述第一预测特征图和所述第三预测特征图经过FCN-8s模型进行8倍上采样预测处理,将所述第二预测特征图和所述第三预测特征图经过FCN-16s模型进行16倍上采样预测处理,将所述第三预测特征图经过第一全连接层和第二全连接层后再经过FCN-32s模型进行32倍上采样预测处理,上述三种上采样预测处理时通过反卷积输出分割图像,实现对红外图谱中劣化绝缘子的分割提取。本发明包括全卷积神经网络和多尺度特征融合两部分,利用全卷积神经网络模型对红外图谱中的劣化绝缘子进行自动提取以及学习劣化绝缘子的纹理、形状等特征,避免了传统分割模型对于复杂背景无法有效分离的弊端,避免了传统分割算法模型复杂的特征选择过程,通过FCN模型实现了端到端的特征提取的自主化与智能化。在减少人工电力巡检的工作量的同时,提高了巡检的效率和准确度,具有很大的实用性,十分符合复杂的现场环境。该自动分割和诊断方法,极大的减少了误检的情况,使得高压绝缘子劣化检测全自动巡检成为可能。
目前,绝缘子是电力系统中使用范围较广、数量较大的重要电工原件,其能否正常运行直接关系到电网能否稳定运行。然而,由于绝缘子本身的工艺缺陷和长期处在复杂的环境条件中,长此以往,绝缘子很容易出现劣化,劣化后的绝缘子则更容易成为零值绝缘子,零值绝缘子容易使绝缘子串发生闪络或者掉串。一旦绝缘子串发生闪络或者掉串,电网将出现大面积停电。因此,对劣化绝缘子的检测一直是电力检修中重要的组成部分。
联系方式
张女士
13722216923
shengxunkeji2000@sina.com
河北保定
请填写以下信息
联系人姓名:
联系人电话:
手机号:
邮箱:
QQ:
工作单位:
地址:
意向说明:
专注专业
资深行业经验,专业技术运作团队
信息保密
专利或技术全方位严格保密,保证用户权益
快速转让
依托大数据,精准对接需求企业,节约成本
一站式服务
技术转让一站式服务,省心更放心