文献类型：期刊文章

作　　者：徐小冰[1] 袁婧[1] 廖雁群[2] 韦亦龙[2] 周承科[1] 周文俊[1]

XU Xiaobing;YUAN Jing;LIAO Yanqun;WEI Yilong;ZHOU Chengke;ZHOU Wenjun(School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;Zhuhai Power Supply Bureau,Guangdong Power Grid Limited Liability Company,Zhuhai 519000,China)

机构地区：[1]武汉大学电气与自动化学院,武汉430072 [2]广东电网有限责任公司珠海供电局,珠海519000

出　　处：《高电压技术》

基　　金：广东电网有限责任公司科技项目(GDKJXM20172794)。

年　　份：2020

卷　　号：46

期　　号：9

起止页码：3070-3079

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：红外热成像测温是及时发现电缆附件异常发热缺陷的重要方法,但面对海量巡检图像,传统的人工诊断方式费时费力,且过分依赖人工经验。已有研究中为了实现电气设备红外图像的智能诊断,大多提取特定特征量作为所搭建神经网络模型的输入,而所提取的特征量也依赖于人工选择。为此,提出了一种基于Faster RCNN(faster regions with convolutional neural networks features)与Mean-Shift的电缆附件缺陷红外图像自动诊断方法。该方法首先基于Faster RCNN网络实现诊断对象的识别定位;之后利用Mean-Shift聚类算法提取过热区域;最后计算温度参数,并根据相应诊断标准得到诊断结果。利用实际巡检图像进行测试,结果表明:所提方法能够在不同拍摄角度、不同背景下准确定位诊断目标与过热区域,继而实现过热缺陷的自动诊断。研究对于实际工程中电缆附件的缺陷诊断具有一定的参考价值。

关 键 词：电缆附件 红外图像处理 Faster RCNN  均值漂移算法 智能状态诊断  过热

分 类 号：TP391.41] TM75[计算机类]