【精彩论文】电力设备红外图像缺陷检测

观点凝练

摘要：机器人在巡检过程中采集到的红外图像很难反映设备目标的纹理信息。人工方法或传统机器学习方法不能精准识别和分类电力设备缺陷，同时其他环境因素容易导致误判。采用CenterNet结合结构化定位的算法模型，通过对现场红外图像数据样本收集、训练及验证算法模型的计算，实现从复杂的红外图像中以较高的准确率将不同变电站设备及其部件识别定位出来。根据设备部件表面温度范围值和识别定位出的变电站设备类型，结合相关温度规范实现电力设备红外图像缺陷检测。实验结果表明，该方法提高了电力设备红外图像缺陷检测的检测精度，为电力设备红外图像智能检测提供了新的思路。
结论：传统的变电站巡检机器人使用模板匹配法对电力设备进行状态监测，通过模板图像和匹配滑动窗口的目标差异度进行设备状态评估。这种算法需要固定距离和角度、焦距，并搭配固定点监控系统，每换一个变电站场景都需要重新固定角度。久而久之， 结果易出现角度和尺度上的偏差，无疑增大了巡检机器人工作难度。

本文在CenterNet模型的基础上，结合结构化定位方法给出一种新的电力设备缺陷检测方法，通过收集现场电力设备红外热图像数据样本，训练及验证算法模型，实现了红外图像中电力设备分类及其缺陷检测，提高了一次设备和关键点位的检测精准度。与前期电力变电站已开展的检测工作相比， 该方法实现起来更加便捷， 精度更高，推理速度更快。

实验结果表明，该方法可以从复杂的红外图像中以较高的准确率将其中的电力设备缺陷检测出来，具备较好的检测效果，为电力设备红外检测提供了更加高效精准的检测思路。

引文信息

黄锐勇, 戴美胜, 郑跃斌, 等. 电力设备红外图像缺陷检测[J]. 中国电力, 2021, 54(2): 147-155.HUANG Ruiyong, DAI Meisheng, ZHENG Yuebin, et al. Defect detection of power equipment by infrared image[J]. Electric Power, 2021, 54(2): 147-155.

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。