電氣設備智能檢測系統的應用分析

陳曌 丁一 陳慧

【關鍵詞】電氣設備;智能檢測系統;應用

電氣設備的穩定運行直接決定著電網系統的安全性，所以對電氣設備進行全方面檢測以及故障測試是非常關鍵的。傳統的電氣設備檢測主要采取的是人工手持設備來進行，檢測效率較低、準確性不高。近些年智能技術不斷發展，以紅外熱成像技術為代表的新技術有了快速發展，通過神經網絡技術的加持可以推動電氣設備檢測向著自動化和智能化方向發展，能夠實現多方面檢測，例如漏磁、漏油、設備銹蝕、部件松動等問題，對于確保電氣系統的安全運行具有重要作用。

（一）紅外熱成像及溫度提取技術

物體在空間中會不斷向外進行熱輻射（發射紅外線）。隨著溫度的差異。物體所輻射的能量密度也有所差異。通過傳感器就可以接收到不同輻射信號，從而判定物體所處狀態（原理如圖1所示）。在實際應用時主要采取兩種方式進行實現，一是比色條提取信息，按照比色條像素值以及溫度值所呈現的關聯性來設定溫度的圖像，同時利用熱力學公式對溫度進行計算分析;二是通過傳感器所得數據來判定溫度情況，此種方式具有較高的數據精度，能夠更加準確地對設備進行檢測。

（二）圖像預處理

在實施時先要對圖像實施灰度化處理（針對RGB圖像模型進行灰度處理），通過此種方式能夠降低圖像元素，能夠降低存儲空間，從而提升計算速度。在此基礎上進行圖像去噪處理。可以將干擾元素去除掉，一般通過以值濾波、中值濾波、高斯濾波的方式進行處理。通過這些方式對圖像處理之后僅僅保留圖像的中心區域，其他區域都被處理掉。完成圖像去噪之后會造成圖像邊緣產生模糊問題，同時也會造成邊緣的識別以及提取較為困難，需要通過不同方法（例如微分、高低帽變換等）進行處理，這樣能夠將暗處目標凸顯出來，從而增強圖像屬性。

（三）圖像分割技術

主要是按照圖像所具有的紋理屬性，借助域內相似性以及域間差異性來獲取圖像內容的關鍵點，例如電氣設備中某些部位的溫度是均衡的，其體現出同樣的顏色，但是其他位置由于溫度不同會展現出不同的顏色。此種情況下就可以將同樣顏色的部分排除，降低干擾。最為常用的提取方法主要包括：基于區域的提取算法、基于閾值的提取算法、基于邊緣的提取算法等等。除了以上方法外，也可采取非經典方法，就是指以K-means聚類算法為基礎的電氣設備紅外圖像提取法，在實際應用時要通過大量實驗來最終確定K值。

（四）圖像識別技術

主要是通過模板匹配的方式實施測試計算，通過較為相似的函數對其實施匹配。另外，通過卷積神經網絡的方式建立起數學模型（以統計學、信息學作為基礎），在此過程中引入由卷積核PH形成的卷積層，通過有效的模擬來增強其精準性。利用權值共享、局部感知以及池化等方式來減小參數的數量。

（一）系統的具體需求分析

要確保系統可以滿足最為基本的電氣設備檢測需求，可以利用現代新技術（例如無人機、巡檢機器人等）進行設備狀態監控，減少人員投入，進一步增強智能化水平。同時。利用圖像灰化處理的方式來減小空間的存儲量，轉變傳統定時巡檢的方式，進一步提升工作效率，不斷完善設備紅外信息數據庫。總的來說，系統功能方面的需求包括如下幾方面，分別為：紅外診斷功能描述、紅外圖像數據管理功能描述、紅外數據統計分析功能描述、紅外任務安排功能描述、用戶權限管理功能描述等等。

為了實現以上功能，系統需要設置多個崗位（包括：系統巡檢、系統維護、管理員模塊管理、普通用戶圖像上傳等等）進行支撐，同時要確保其能夠匹配多種軟件系統（包括：Windows、麥金塔、Linux等等），并且具有深度學習框架，可以通過多種數據庫實施數據存儲。對于系統硬件來說，要確保硬盤的空間在10T之上，并且采取Web服務器，而對于客戶端則采取常規設置即可。

（二）系統的設計

整個系統的設計要遵照“智能化”、“經濟性”、“易維護”的基本原則來進行，特別是要控制系統的安全性，要避免受到外部病毒以及黑客的攻擊。同時，系統要可以兼容主流市場多種操作系統，能夠形成較好的拓展性，保證系統維護的靈活性和便捷性。針對上述標準，可以設置系統主要模塊為：預處理模塊、溫度提取模塊、圖像分割模塊、設備識別模塊等等。在進行系統設計時要充分考量電氣設備所具有的屬性，要按照電氣設備隨溫度變化的屬性進行特殊設計，從而增強整個系統的功能性。

（三）電氣設備智能檢測系統的應用分析

第一，進行溫度的提取。因為系統主要是通過FLIR設備進行紅外圖像的提取，為了能夠準確分析紅外圖像內隱含的元數據信息，需要對exlflool依賴項進行安裝，從而能夠更加準確的獲取傳感器參數數據。之后通過相應公式（以溫度的方式）將數據信息展現出來，這樣能夠有效提升準確性、降低誤差。

第二，圖像預處理。充分利用OpenCV的視覺庫來進行圖像的降噪處理，或者實際操作時通過濾波的方式對噪聲進行過濾，保證圖像具有足夠的清晰度。圖像在進行降噪處理時容易產生某些信息丟失的問題，此種情況下就可以利用高通濾波、高低帽變換等方式對圖像實施增強。

第三。設備類型的識別。通過模板匹配算法對模板圖片和原圖實施對比，若是匹配結果符合閾值設定標準就表明此區域內包含模板內的物體。但是一旦原圖內物體發生改變（包括：大小變化、轉動等等）就會加大匹配的難度，所以在實際應用時要充分考慮到圖像旋轉和放縮等問題，可以通過標準平方差、相關系統等進行匹配來提升設備識別的質量。

現代電氣設備智能化檢測時要充分體現智能化水平，以紅外線溫感作為基本原理，不斷融入全新圖像分析和傳感器技術，提升電氣設備檢測的智能化水平，推動整個行業的發展。