紅外圖像智能診斷技術在輸電運維監督中的應用.pdf

《紅外圖像智能診斷技術在輸電運維監督中的應用.pdf》由會員分享，可在線閱讀，更多相關《紅外圖像智能診斷技術在輸電運維監督中的應用.pdf（20頁珍藏版）》請在三個皮匠報告上搜索。

1、紅外圖像智能診斷技術在輸電運維監督中的應用國網浙江省電力有限公司電力科學研究院2023年8月匯報人：朱怡良浙江天鉑云科光電股份有限公司四、總結與展望三、應用與案例二、紅外圖像智能診斷技術一、背景與現狀目錄一、背景現狀2021年12月，國家能源局“十四五”能源領域科技創新規劃確定了集中攻關、示范試驗和應用推廣任務，部署了相關示范工程，制定了技術路線圖2017年7月，國務院印發新一代人工智能發展規劃發展戰略目標：到2025年，人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平一、背景與現狀 紅外檢測手段越來越廣泛運用于設備運維監督，海量紅外數據需要耗費大量的時間進行分析和診斷。對分析人員

2、的專業知識水平要求較高，且對于一些肉眼難以辨別的情況，容易出現漏檢或錯檢圖像規格不統一，只能采用生產商專用軟件進行分析，且軟件相互不通用人工對每張紅外圖像進行處理約耗時15分鐘四、總結與展望三、應用與案例二、紅外圖像智能診斷技術一、背景與現狀目錄二、紅外圖像智能診斷技術 紅外圖像智能診斷技術：采用溫度矩陣智能轉化算法對圖像格式進行統一，應用溫度矩陣智能識別定位算法進行設備類型識別和部件定位，利用溫度矩陣智能診斷算法進行故障診斷，形成診斷報告。0.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.7,2.73.1,3

3、.1,3.1溫度矩陣(0,0,0),(0,0,1)(0,0,254),(0,0,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255)RGB數據規則診斷設備識別部件定位專家知識庫設備識別RetinaNet 提取特征FPN檢測不同尺度目標CSL角度分類部件定位DeeplabV3+內接部件分割YOLO V7 外接部件檢測多模型融合部件算法視覺診斷分類和邊框回歸Efficientnet-B6 提取特征特征融合CSP結構溫度矩陣智能轉化算法

4、溫度矩陣智能識別定位算法溫度矩陣智能診斷算法診斷報告二、紅外圖像智能診斷技術(0,0,0),(0,0,1)(0,0,254),(0,0,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255)RGB數據色標條0.1650,0,01,1,1,2,2,23,3,3,5,5,56,6,6,8,8,89,9,90.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.

5、7,2.73.1,3.1,3.1色標編號矩陣溫度矩陣最高溫度：35.0最低溫度：10.3最高最低溫度值色標匹配溫度轉換 溫度矩陣智能轉化算法：提取不同來源紅外圖像的RGB數據，轉化為640*480（307200）點位的溫度矩陣；采用目標檢測及文字識別技術定位圖片最高最低溫度值，以標準鐵紅色標條為參考將RGB數值轉化為溫度數值，偏差0.16。算法將紅外數據歸一化，提高了數據精度和泛化能力。二、紅外圖像智能診斷技術 溫度矩陣智能識別定位算法：采用定向檢測模型對圖像進行檢測，確定設備類型、形態、姿態；采用語義分割模型對電壓致熱型部件進行定位，采用目標檢測模型對電流致熱型部件進行定位。利用該算法替代了

6、人工進行識別定位，并為下一步智能診斷的實現提供了基礎。目標檢測語義分割非定向檢測定向檢測二、紅外圖像智能診斷技術診斷結果0.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.7,2.73.1,3.1,3.1溫度矩陣設備識別RetinaNet 提取特征FPN檢測不同尺度目標CSL角度分類部件定位DeeplabV3+內接部件分割YOLO V7 外接部件檢測多模型融合部件算法視覺診斷分類和邊框回歸Efficientnet-B6 提取特征特征融合CSP結構規則診斷帶電設備紅外診斷應用規范輸變電設備狀態檢修試驗規程專家提供判

7、據 溫度矩陣智能診斷算法：開發了視覺診斷與規則診斷交叉驗證的故障診斷方法。視覺診斷采用多分類檢測技術進行故障識別，規則診斷基于智能識別定位的結果，調用專家知識庫的診斷規則進行診斷，最終生成分析診斷報告。視覺診斷與規則診斷互相校驗、互相補充，有效提高了故障診斷的準確率。二、紅外圖像智能診斷技術 紅外圖像智能診斷技術已覆蓋輸電10余種、變電30余種、配電10余種主要電力設備及元器件，完成上百種模型算法的搭建，識別準確率95%，診斷準確率90%，單張紅外圖像處理時間350ms。四、總結與展望三、應用與案例二、紅外圖像智能診斷技術一、背景與現狀目錄三、應用與案例應用層應用層手持熱像儀在線熱像儀智能識別

8、算法層算法層平臺層平臺層資源層資源層天鉑云PC客戶端手機APP診斷規則算法調用數據收發設備知識庫輸電變電配電部件定位內接部件外接部件三相檢測設備分類電壓等級形態分類定向檢測故障診斷缺陷檢測缺陷分類規則診斷紅外數據庫網絡框架計算平臺標注數據集導線檢測材質分類特征點 云側系統支持手持熱像儀、在線式熱像儀、云平臺、PC客戶端、APP等多種方式進行數據上傳，一鍵生成報告。端側支持輕量化部署方式，采用邊端計算的方法進行離線式智能診斷。同時，提供虛擬化部署方式應用于站端部署。三、應用與案例 系統可以智能識別耐張線夾、絕緣子、接續管、金具、避雷器和電力電纜等，準確率96%。已應用于3千多條輸電線路巡檢，累計

9、處理超過百萬張的輸電設備紅外圖像數據。三、應用與案例 案例：某輸電線路紅外檢測報告，包含100多個設備元器件的紅外檢測結果，利用紅外圖像智能診斷技術進行識別診斷，最終形成報告僅耗時5分鐘。三、應用與案例 案例包含以下內容：三、應用與案例 當系統檢測出設備處于異常狀態時，報告會給出相應的異常狀態信息。包含對故障的判斷依據、故障的特征、缺陷等級，以及相應的處理建議，對故障診斷的準確率達到90%以上。R01:24.5 R02:21.3R03:22.2 R04:21.0R05:21.2正常溫差：0.51K實際溫差：3.5K故障特征：傘裙破損或芯棒受潮缺陷性質：緊急缺陷處理建議：建議運維人員記立即處理三

10、、應用與案例 2022年7月，本技術在杭州通過中國電力企業聯合會的科學技術成果鑒定。鑒定意見：項目成果整體達到國際先進水平，其中在電力設備紅外檢測識別診斷技術方面達到國際領先水平。四、總結與展望三、應用與案例二、紅外圖像智能診斷技術一、背景與現狀目錄四、總結與展望 （1）目前，盡管國家能源局發布帶電設備紅外診斷應用規范對紅外圖像格式進行了統一規范，但數據處理仍然依賴各廠家專用軟件。本技術能夠對不同來源紅外圖像統一處理，具有非常好的推廣價值和應用前景。（2）無人機巡檢采集的海量數據，繼續采用人工分析方式已經力不從心，導致大量寶貴數據資源丟失和缺陷漏診，推廣智能診斷技術迫在眉睫。（4）紅外診斷技術可以與可見光、紫外、聲波、局放等多種檢測方式結合，從多維度進行智能分析與故障診斷，大幅提升設備技術監督工作的效率和水平。（3）本技術對手持熱像儀數據的自動處理，從診斷準確性和處理速度上已經達到實用化要求。對無人機拍攝的智能診斷，我們已經取得較好的效果，但由于拍攝角度和數據來源等問題，智能算法有待進一步完善和提高。希望今后有機會和在座各位密切合作，盡快實現無人機采集數據智能診斷的實用化。Thanks for listening感謝聆聽