郭志剛，朱林林，吳俊敏，陽薇

（國網(wǎng)黑龍江省電力有限公司檢修公司，黑龍江哈爾濱 150036）

電力設(shè)備是電力系統(tǒng)的基礎(chǔ)，利用紅外探測(cè)技術(shù)對(duì)電網(wǎng)進(jìn)行高頻率的巡視和實(shí)時(shí)監(jiān)控能夠?yàn)殡娋W(wǎng)的預(yù)防性維修和提高電網(wǎng)運(yùn)行的穩(wěn)定可靠運(yùn)行提供依據(jù)。但是，目前的紅外探測(cè)裝置在特定的探測(cè)環(huán)境中，其成像質(zhì)量較低；而人為設(shè)置的溫度閾值、人眼觀察、圖像處理等智能判定方法也不夠智能化，難以適應(yīng)未來智能監(jiān)測(cè)系統(tǒng)對(duì)紅外數(shù)據(jù)的需求。針對(duì)目前電力設(shè)備紅外檢測(cè)存在的問題，文獻(xiàn)[1]提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)方法，為了解決電力設(shè)備在紅外檢測(cè)過程中可能會(huì)碰到的各種復(fù)雜情況，設(shè)置了多種復(fù)雜檢測(cè)環(huán)境。在電力設(shè)備的運(yùn)行狀態(tài)異常檢測(cè)等方面，采用深度學(xué)習(xí)的方法對(duì)電網(wǎng)設(shè)備異常區(qū)域進(jìn)行訓(xùn)練。然而，該方法雖然具有較高的準(zhǔn)確率，但是檢測(cè)速度較慢，不能實(shí)現(xiàn)實(shí)時(shí)檢測(cè)；文獻(xiàn)[2]采用反射鏡法進(jìn)行紅外檢測(cè)，紅外光的反射擴(kuò)寬了紅外線的探測(cè)范圍，探測(cè)距離也得到了極大提高。與此同時(shí)，使用了一種新的電力設(shè)備紅外探測(cè)輔助系統(tǒng)來提高檢測(cè)效率。但是背景的復(fù)雜性使得檢測(cè)精度不高。

為解決上述傳統(tǒng)方法存在的應(yīng)用問題，提出了基于改進(jìn)機(jī)器視覺算法的電力設(shè)備紅外檢測(cè)方法。

1 電力設(shè)備的紅外檢測(cè)

1.1 基于改進(jìn)機(jī)器視覺法的紅外檢測(cè)框架設(shè)計(jì)

使用改進(jìn)機(jī)器視覺法構(gòu)建電力設(shè)備紅外檢測(cè)框架，其結(jié)構(gòu)如圖1 所示。

圖1 改進(jìn)機(jī)器視覺法的檢測(cè)框架

由圖1 可知，依據(jù)該框架可確定檢測(cè)目標(biāo)，通過正向和反向傳播進(jìn)行端對(duì)端訓(xùn)練，獲取最終檢測(cè)結(jié)果。

1.2 卷積處理

卷積操作是一種稀疏、參數(shù)共享、等變操作，在卷積操作中，使用濾波器對(duì)二維圖像進(jìn)行整體掃描（過濾）[3]。圖2 中顯示了輸入（4×4）、（3×3）濾波、順序操作和卷積運(yùn)算的示意圖。

圖2 卷積計(jì)算示意圖

由圖2 可知，向量圖中的每一像素都會(huì)在相同的卷積核上進(jìn)行掃描，所以它的卷積核就是權(quán)重[4-5]。權(quán)值分配使深度卷積網(wǎng)絡(luò)僅需對(duì)某一組參數(shù)進(jìn)行學(xué)習(xí)，從而大大減少了參數(shù)的數(shù)量。

1.3 紅外圖像分割

從區(qū)域的一致性和相似度角度出發(fā)，可以有效地防止由于圖像的灰度改變而影響區(qū)域抽取的完整性；其次，從閾值分割的角度可以縮短該方法所需的時(shí)間[6]。使用Mean shift 聚類算法能夠?qū)颖军c(diǎn)收斂到概率密度最大值的位置，由此獲取灰度相似的區(qū)域[7-9]。相似區(qū)域的概率密度值計(jì)算公式為：

式中，x表示采樣點(diǎn)；sL表示固定帶寬為L的區(qū)域；h(·)表示對(duì)稱核函數(shù)；n表示計(jì)算次數(shù)[10]。在確定初始點(diǎn)后，使用Mean shift 聚類算法根據(jù)如下步驟進(jìn)行迭代處理：

步驟1：更新當(dāng)前中心位置，公式為：

式中，γL(x)表示均值漂移向量[11-12]。

步驟2：窗口平移，重新計(jì)算概率密度。

步驟3：不斷進(jìn)行迭代處理，設(shè)置收斂閾值μ。收斂值的約束條件可表示為：

當(dāng)滿足式（3）的計(jì)算結(jié)果時(shí)，說明收斂密度達(dá)到最大值。通過這種聚類處理方式能夠避免區(qū)域分割錯(cuò)誤問題的出現(xiàn)[13]。

根據(jù)紅外圖像分割結(jié)果，確定最佳圖像尺寸進(jìn)行檢測(cè)結(jié)果分析[14]。在確定第n次中心位置后，使用濾波器估計(jì)圖像尺寸大小，確定尺度數(shù)量參數(shù)k，由此得到的最佳目標(biāo)尺度為：

式中，x×y表示圖像f(x,y)的紅外目標(biāo)；τk表示尺度因子。由此分析檢測(cè)結(jié)果如下：

1）電阻損耗增大

電氣設(shè)備導(dǎo)線的接合部之間接合不佳，會(huì)增大電氣設(shè)備的電阻；由于斷股、松股、導(dǎo)體氧化等因素，使得導(dǎo)體自身的電阻增大；隨著局部電阻和電阻損失的增加，由式（5）表示的加熱功率將導(dǎo)致局部溫度上升，并產(chǎn)生不正常的熱量[15]。

式中，λ表示電阻損耗功率；I表示電流；R表示電阻。

在現(xiàn)場(chǎng)，線路設(shè)計(jì)不合理、機(jī)械疲勞、溫差變化等原因會(huì)造成接頭松動(dòng)、接頭氧化，導(dǎo)致焊接接頭失效。

2）介質(zhì)損耗增大

設(shè)備的導(dǎo)線或設(shè)備內(nèi)的絕緣材料，由于交流轉(zhuǎn)換電壓造成的介質(zhì)損失增加而產(chǎn)生熱量[16]。在設(shè)備固體、液體絕緣性能下降的情況下，其介質(zhì)損失系數(shù)增加，導(dǎo)致介質(zhì)損失功率增加，進(jìn)而導(dǎo)致局部溫度上升，其基本原理如下：

式中，U表示介質(zhì)施加電壓；C表示等效電容；tanα表示介質(zhì)損耗因數(shù)。

由于介電損失的增加與電壓熱異常相關(guān)，因此也被稱作電壓影響的熱異常。在實(shí)際應(yīng)用中，這種情況主要是絕緣介質(zhì)老化、材質(zhì)不良、絕緣介質(zhì)受潮、氧化、熱變化等。

2 基于小波變換的紅外圖像增強(qiáng)

輸變電裝置的紅外線資料收集困難，需要相關(guān)技術(shù)人員的幫助，以確保資料的品質(zhì)。因此，要對(duì)高品質(zhì)的數(shù)據(jù)進(jìn)行擴(kuò)充是非常困難的。為了擴(kuò)充訓(xùn)練資料集和避免網(wǎng)絡(luò)的過度擬合，需要增強(qiáng)紅外圖像。

2.1 多尺度快速小波變換

多尺度快速小波變換濾波處理過程如下所示：

步驟1：對(duì)原始圖像進(jìn)行初始化處理，采用二進(jìn)制方法分解采樣圖像，獲取近似值；

步驟2：通過二次插值和濾波可以獲得與輸入圖像相同的預(yù)測(cè)結(jié)果；

步驟3：當(dāng)輸入圖像和預(yù)測(cè)圖像之間存在差異時(shí)，生成了一種預(yù)測(cè)殘差金字塔；

步驟4：根據(jù)二維小波將圖像分解成4 張1/4 大小的圖像，對(duì)該圖像進(jìn)行濾波處理，設(shè)小波變換系數(shù)為ε0，第一次迭代輸入值為ε0(j+1)，在后續(xù)小波變換處理過程中，使用一種包括時(shí)域反轉(zhuǎn)尺度和小波矢量的迭代方法；

步驟5：分別使用低通濾波器和高通濾波器，能夠獲取兩個(gè)分量，即低高頻分量。將這些分量代入步驟4 中，經(jīng)過濾波處理后，輸出值即為濾波處理后的結(jié)果。

2.2 變換后去噪處理

采用置零的方法，利用橫縱梯度的倒數(shù)加權(quán)濾波方法對(duì)4 張1/4 大小的圖像進(jìn)行濾波處理，由此能夠獲取清晰圖像邊緣的細(xì)節(jié)信息。

使用梯度倒數(shù)加權(quán)方法構(gòu)建權(quán)重矩陣E，該矩陣是一種3×3 窗口組成模式，公式為：

式中，ω(h,g) 表示圖像像素灰度的權(quán)重值，經(jīng)過變換后進(jìn)行去噪處理能夠保留圖像大部分邊緣信息。

3 實(shí)驗(yàn)

按照熱輻射的理論，任何超過絕對(duì)零點(diǎn)的物體，都會(huì)散發(fā)出熱量，把它自己所產(chǎn)生的內(nèi)部能量轉(zhuǎn)換成輻射能量，然后發(fā)射出紅外線或者可見光。紅外熱像儀中的紅外線檢測(cè)器將所發(fā)射的紅外線反射至紅外熱像機(jī)的感光元件及影像感應(yīng)器，產(chǎn)生一種熱象，該熱象用于反映受檢者的特定溫度，由此可判定受檢者是否有不正常的發(fā)熱。

對(duì)電源裝置進(jìn)行實(shí)驗(yàn)時(shí)，若無缺陷，則熱量將在裝置的表面均勻地散布；當(dāng)儀器內(nèi)部或外部接插件發(fā)生故障、熱量不均勻或不正常的溫度、局部溫度異常、溫度過高等現(xiàn)象都會(huì)在紅外成像設(shè)備上得到反映，紅外成像設(shè)備可以根據(jù)實(shí)際情況自動(dòng)調(diào)節(jié)成像像素。

實(shí)驗(yàn)選取了包含避雷器和絕緣子的電力設(shè)備紅外數(shù)據(jù)集，其紅外圖像如圖3 所示。

圖3 避雷器和絕緣子紅外圖像

該實(shí)驗(yàn)數(shù)據(jù)集來自某電網(wǎng)公司在其管轄范圍內(nèi)設(shè)備的帶電檢測(cè)結(jié)果。數(shù)據(jù)集的訓(xùn)練是通過DarkNet框架實(shí)現(xiàn)的，單張圖像檢測(cè)是通過可視化工具庫實(shí)現(xiàn)的。

為了驗(yàn)證基于改進(jìn)機(jī)器視覺算法的電力設(shè)備紅外檢測(cè)方法有效可行，分別使用文獻(xiàn)[1]提出的深度卷積網(wǎng)絡(luò)法、文獻(xiàn)[2]提出的反射鏡像法、改進(jìn)機(jī)器視覺算法，對(duì)比分析紅外圖像檢測(cè)的完整度，結(jié)果如圖4 所示。

圖4 三種方法紅外圖像完整度對(duì)比分析

由圖4 可知，使用深度卷積網(wǎng)絡(luò)法和反射鏡像法紅外圖像檢測(cè)結(jié)果不完整，而使用改進(jìn)機(jī)器視覺算法紅外圖像檢測(cè)結(jié)果完整。

為了進(jìn)一步驗(yàn)證方法研究的有效性，再次對(duì)比分析三種方法的收斂性，以三種方法訓(xùn)練開始后損失值的變化情況為指標(biāo)，對(duì)比結(jié)果如表1 所示。

表1 三種方法訓(xùn)練損失值對(duì)比分析

由表1 可知，三種方法的訓(xùn)練損失值都隨著訓(xùn)練次數(shù)的增加而逐漸減小，說明收斂速度快，但是只有改進(jìn)機(jī)器視覺算法的損失值降到最低，且具有穩(wěn)定性，說明使用該算法具有良好收斂效果。

4 結(jié)束語

該文提出了一種基于改進(jìn)機(jī)器視覺算法的電力設(shè)備紅外檢測(cè)方法，該方法采用自適應(yīng)收斂方式，對(duì)具有相似灰度的像素點(diǎn)進(jìn)行快速聚類，并對(duì)其進(jìn)行分析。使用小波變換方法增強(qiáng)紅外圖像，同時(shí)經(jīng)過梯度倒數(shù)進(jìn)行加權(quán)去噪處理，獲取的圖像邊緣性更強(qiáng)。通過實(shí)驗(yàn)驗(yàn)證了該方法研究的可行性，也證實(shí)了其具有良好的收斂效果。在未來的研究工作中，它可以成為一個(gè)關(guān)鍵的環(huán)節(jié)。為電力設(shè)備在線檢測(cè)、分析與數(shù)據(jù)監(jiān)測(cè)等方面提供技術(shù)支持，也為以后電力設(shè)備故障位置的精準(zhǔn)定位奠定堅(jiān)實(shí)基礎(chǔ)。