[发明专利]一种面积区域相对温差的电力设备自动诊断方法

权利要求书

1.一种面积区域相对温差的电力设备自动诊断方法，其特征在于，包括以下步骤：

构建电力设备红外图像数据集，搭建YOLOv4的网络模型结构，训练检测同种类型设备识别的YOLOv4模型；通过提取同种类型设备的特征，开展基于YOLO的红外图像中同种类型设备识别；

从设备识别结果中挑选出异常设备；采用基于图像处理方法对异常设备的发热区域进行温度矩阵提取；

根据提取的温度矩阵，采用基于同类型设备面积区域比较的诊断方法进行自动诊断。

2.根据权利要求1所述的一种面积区域相对温差的电力设备自动诊断方法，其特征在于，所述搭建YOLOv4的网络模型结构具体包括输入结构、主干网络结构、特征融合结构、预测网络结构，各层的作用主要分为以下几种：

1、输入层：数据训练时对图像的输入，包括随机缩放、随机裁剪方法；

2、主干网络：提取图像的高维度特征，包括卷积、池化方法；

3、特征融合结构：融合不同尺寸、维度的图像特征，包括全连接方法；

4、预测网络结构：对整体特征进行结果预测，包括概率求解方法。

3.根据权利要求2所述的一种面积区域相对温差的电力设备自动诊断方法，其特征在于，所述通过提取同种类型设备的特征，开展基于YOLO的红外图像中同种类型设备识别，具体包括：

针对同种类型设备的识别如互感器，电流互感器和电压互感器在结构上具有相似性，但在局部结构上存在差异，在训练中为了能有效识别同种类型设备，在数据标注时加强了局部结构的描述，通过上述方法进行训练提升同种类型设备的识别能力。

4.根据权利要求2所述的一种面积区域相对温差的电力设备自动诊断方法，其特征在于，所述从设备识别结果中挑选出异常设备；采用基于图像处理方法对异常设备的发热区域进行温度矩阵提取，具体包括：

通过OpenCV对YOLO模型识别的结果进行图像分割，利用红外图像对应的原始温度矩阵，对图像融合方法中区域尺寸大小进行优化，利用OpenCV实现了异常设备发热区域温度矩阵提取。

通过OpenCV对YOLO模型识别的结果进行图像分割，同时利用红外图像获取原始温度矩阵，通过与或非判断方法进行图像融合从而进行优化，根据原始温度矩阵以及模式识别的结果，通过图像对比的方法，获取模式识别区域对应的温度，从而实现异常设备发热区域温度矩阵提取。

5.根据权利要求4所述的一种面积区域相对温差的电力设备自动诊断方法，其特征在于，所述根据提取的温度矩阵，采用基于同类型设备面积区域比较的诊断方法进行自动诊断，具体包括：

在未分析的发热区域温度中选择一个温度作为中心，取尺寸为n×n的发热区域温度矩阵，通过区域内相较于选择点的温度计算温升，判断温差是否正常，若是则分析结果输出。

6.根据权利要求5所述的一种面积区域相对温差的电力设备自动诊断方法，其特征在于，所述面积区域温度差计算公式为：

其中n为选取的发热区域矩阵的长和宽，n′为发热区域对应的中心点温度。