【《配电变压器红外图像采集及基于深度学习的预处理分析案例》4700字】

配电变压器红外图像采集及基于深度学习的预处理分析案例目录TOC\o"1-3"\h\u18077配电变压器红外图像采集及基于深度学习的预处理分析案例 191361.1红外热成像技术 1111431.2红外测温的影响因素及提升温度值准确率的方法 2103691.1.1红外测温的影响因素 3243291.1.2提升测温准确率的方法 4128621.3配电变压器红外图像采集 5184441.4配电变压器红外图像去噪 6281441.5配电变压器红外图像增强 81.1红外热成像技术红外成像是一种用来探测目标物体的红外辐射[40]，并将目标物体因温度和发射率不同而产生的红外辐射空间分布转换成视频图像的技术，通过利用红外探测器和光学成像物镜，接受被测物体的红外辐射能量分布图像，将其反映到红外探测器的光敏元件上，从而获得与物体表面热分布相对应的红外热像图。任何一个物体只要其温度高于绝对温度，随着原子和分子的热运动，都会以电磁波的形式释放能量，红外线所占的电磁波波谱范围的波长为0.76μm~1000μm，当它在大气中传播时，大气会有选择的吸收红外辐射而使之衰减。红外成像原理如图2-1所示图2-1红外成像原理图Fig.2-1Schematicdiagramofinfraredimaging目前广泛应用的红外检测仪器有红外点温仪、红外热电视和红外热像仪，其中用来测量电力设备温度的红外热像仪选取应该符合附录A中关于红外热像仪的具体要求。图2-2Testo885和Filr630Fig.2-2Testo885andFilr630在配电变压器红外测温中，检测部位包括导线连接部分、电缆终端、套管、末屏、油枕油位、本体磁屏蔽等，尤其应该重视套管等设备。其中，配电变压器的故障主要可以分为电流致热性和电压致热性两类。1.2红外测温的影响因素及提升温度值准确率的方法由于红外测温是一种非接触式测温方式[41]，在测量电气设备表面温度时，能够快速有效的获取设备表面温度，进行分析，但是由于周围环境的影响，红外热像仪接收的热辐射并不单单是电力设备的，还来自周围的环境，从而容易对设备造成误判，了解配电变压器红外测量的影响因素也是配电变压器红外诊断的重要环节，以下主要从设备本身、周围环境、红外热像仪等方面对影响因素进行分析，并提出温度值修正的方法。1.1.1红外测温的影响因素（1）电力设备发射率的影响及对策物体会吸收、反射和投射入射辐射，且吸收率、反射率和透射率之和为1。在反射和投射部分稳定不变时，物体处于热平衡状态，被物体吸收的辐射会转化为物体向外发射的辐射热量，此时，物体的吸收率与物体在同等条件下的发射率相同。根据基尔霍夫定律，可以知道发射率与吸收率之和为1。所以在对设备进行红外检测前，需要明确设备的发射率，配电变压器的发射率一般在0.9左右（不同材料的发射率见附录B所示）。在使用红外温度传感器对配电变压器表面温度信息进行采集的时候，如果设备红外辐射功率相同，设备表面发射率不同，则获得到的温度信息也不同。当仪器接受相同辐射功率时，发射率越低，显示温度越高，主要由材料性质和表面状态决定。所以同种设备或同一设备在运行的不同时期，其测温结果也不一样，从而给检测结果和诊断判别带来影响，同一设备不同部位也很难进行比较。（2）太阳辐射的影响及对策对配电变压器红外测温和诊断时，红外测温设备接收到的红外辐射，除了配电变压器本体相应部位的辐射以外，还会包括配电变压器其他部位或者周围其它物体、背景环境的辐射等太阳辐射能量，这些不同于目标以外的辐射都将给红外温度采集带来误差。另外，由于被测设备附近存在其他的配电变压器运行时散发的热量和太阳照射建筑物辐射的热量，这些热量会对设备温度分布造成影响，甚至可以显示虚假的目标热像，造成漏检或虚惊判断。（3）气候、环境等因素对红外诊断的影响及对策如大雾、雨、雪和强风等天气，也会给配电变压器红外故障检测造成影响。雾、雨、雪等恶劣天气不仅影响巡检无人机的正常飞行，而且设备表面由于降雨蒸发和积雪融化会带走大部分热量。降低故障部位和正常部位之间温度差距。风速是影响测温过程的一个重要因素，风速越高、对流散发的热量也越多。且设备温度与大气温差越大，对流散发的热量也越多。因此，随着风速增大，不仅降低良好设备表面相对环境大气的温升，而且也降低电气设备有无故障部位或相间（如故障接头与线路导线、故障相套管与无故障相套管）温差，使得设备的识别与故障诊断分析难度增大。（4）距离因素的影响及对策空气中微粒对红外测温的影响较为严重，如果测温距离较远，则空气对红外辐射的影响就越大，则测温精度的误差越大。另外，距离越远，被测物体的相对视场面积就越小，红外辐射输出信号质量越低，测温精度就会越差。因此，在实际测温中，在安全距离下，应该尽可能离被测配电变压器近一些，距离越近，测温结果的准确性越高。1.1.2提升测温准确率的方法物体表面辐射率对测温的影响很大，通过调整热像仪发射率，对需要测量的配电变压器进行发射率修正，不同的发射率对比如图2-3所示。(a)发射率0.75(b)发射率0.9图2-3不同发射率的红外图像对比Fig.2-3Infraredimagecomparisonwithdifferentemissivity因为被测设备表面的发射的红外辐射会受到大气的影响，受到衰减，大多数情况下，红外测温的温度值较设备表面温度的真实值偏低，当检测距离较远时，需要对温度进行修正[42]。主要从两个方面进行修正。（1）系数修正，根据热源温度随距离的变化规律，在不同距离下，温度的变化规律可以利用修正系数进行修正。即：设备实际温度=测温温度×修正系数。温度修正的系数如表2-1所示。表2-1温度修正系数随距离变化情况Tab2-1Temperaturecorrectioncoefficientvarieswithdistance与被测目标距离/m510202530修正系数1.11.181.421.551.68（2）风速修正，在有风环境下，风速会影响设备表面的对流放热，从而造成远距离热量的扩散。在相同的情况下，风的存在会造成截然不同的结果，对红外测温造成影响。当风速超过0.05m/s时，需要对采集到的温度信息进行风力修正。进行风力修正时，需要将零级风时的温升标准化。 （2-1）式中：f表示风速；表示风速为f时测得的温度值；表示风速为0时标准化温度值；ω表示风速衰减系数，本文修正过程中，顺风情况下取0.9，背风情况下取1.3。1.3配电变压器红外图像采集现有的图像数据集主要有ImageNet[43]、MicrosoftCOCO[44]和PASCALVOC2007[45]等。这些数据集基本上不存在电力设备图像，尤其是通过红外热像仪采集到的配电变压器红外图像，这些数据不会被大批量的上传或者公开，所以很难通过搜索引擎或者从现有的公开数据集中收集。本研究通过德国Testo885和FilrT640红外热像仪对配电变压器进行采集，获取配电变压器红外图像。其中，配电变压器的发射率一般取0.9左右，由于太阳辐射的干扰，多选取晴朗天气的日出前和日落后3h进行采集，在安全距离以外，尽量缩短与被测配电变压器的距离，以获取更加清晰的配电变压器红外图像。图2-4中，采集时与被测距离为5m，三脚架高1.5m，红外图像分辨率为320pixel×240pixel。图2-4红外图像采集Fig.2-4Infraredimageacquisition如图2-5是采用Testo885在某地35kV变电站中获取的配电变压器红外图像。图2-535kV配电变压器红外图像Fig.2-5Infraredimageof35kVdistributiontransformer1.4配电变压器红外图像去噪由于红外热像仪本身及设备周围环境的影响，采集到的红外图像会存在一定的失真现象，出现对比度低、信噪比低、细节不清晰等问题[46]，从而加大图像有用物体的分辨难度。其中电力设备红外图像的噪音主要有热噪声、散热噪声、热辐射噪声等，这些噪声会对红外图像的识别、分析带来较大影响，为了能够获取更多的设备红外图像信息，以便对设备进行分析，电力设备红外图像去噪成为必不可少的环节。图像去噪的方法主要包括：中值滤波、自适应滤波等方法，本文通过自适应中值滤波[47]对配电变压器红外图像进行降噪处理。中值滤波原理是：中值滤波是一种统计排序滤波器，相比其它线性滤波器，它能够很好地滤除配电变压器红外图像中的脉冲噪声，同时又能够保护红外图像中的目标物体边缘信息，使用一个像素邻域中灰度级的中值替代该像素值作为输出，其定义为: （2-2）式中：f（x-k，y-l）为窗口W的像素灰度值；W为选定窗口大小。中值滤波能够较好的抑制噪声干扰，在一定程度上防止图像边缘信息变模糊。当红外图像的噪声出现的可能性小于五分之一时，常规中值滤波器滤波效果不错。但是当噪声出现的可能性较大时，常规的中值滤波降噪效果不佳。增大滤波器窗口可以在一定程度上提升中值滤波的降噪效果，但同时也可能会使图像变模糊。常规中值滤波器的窗口尺寸是设定好的，不能变化，无法在降噪的同时，对红外图像的边缘细节进行保护。而自适应中值滤波，可以根据预先设置的条件，在滤波过程中，根据具体情况对窗口大小进行动态调整，同时对当前像素进行判断，当是噪声时，通过邻域中值替代当前像素；不是则不予处理。自适应中值滤波可以有效的对椒盐噪声进行过滤，同时减少其它非脉冲噪声的干扰，尽可能的保护图像中边缘细节信息，避免图像边缘的粗化。图2-6自适应中值滤波算法流程图Fig.2-6Flowchartofadaptivemedianfilteringalgorithm从图2-7中可以看出中值滤波和自适应中值滤波可以较好的去除噪声干扰，但是使用自适应中值滤波对图像处理后的噪声，能够较好的避免图像边缘粗化。（a）原图（b）加入噪声（c）自适应中值滤波（d）中值滤波图2-7去噪对比Fig.2-7Denoisingcontrast1.5配电变压器红外图像增强红外热像具有分辨率低、对比度低、视觉模糊等特点，且由于外界环境干扰，红外图像大多数边缘模糊，目标物体难以与环境分离。红外图像的预处理除了对红外图像进行降噪以外，还需要对图像进行增强处理，调整图像的对比度、信噪比等。常见的图像增强方法主要从空间域和频域对图像增强。红外图像增强是为了满足红外检测过程中的要求，通过增强红外图像细节和对比度等信息，从而突出红外图像中的感兴趣区域，提高红外图像质量，方便进行下一步的图像处理工作。红外图像增强技术对于提高红外图像清晰度，突出图像边缘信息有重要作用。红外图像增强技术可以扩展图像的灰度级，提高红外图像清晰度；抑制背景噪声干扰，提高配电变压器红外图像信噪比和分辨率；通过对红外图像进行增强处理，以便于目标对象与背景更好的区分，有利于对目标进行识别。本文针对配电变压器红外图像分辨率低、对比度低、清晰度低等特点，通过带色彩恢复的多尺度Retinex（MSRCR）算法对红外图像细节进行增强。一幅红外图像I（x，y）可以由入射分量L（x，y）和反射分量R（x，y）乘积得到，其表达式如下所示： （2-3）同时对式2-3两边取对数可得： （2-4）当时，反射分量表示为： （2-5）式中：*表示卷积运算；G（x，y）表示高斯滤波函数。其中G（x，y）定义为： （2-6）式中：λ为满足时的归一化常数；δ为环绕参数。公式2-5被称为单尺度Retinex算法[48]（SSR）。从公式2-5和公式2-6可以看出，SSR只有单一的参数δ，不能够同时兼顾动态范围压缩和色感一致性等问题。为了解决该问题，提出了MSR[49]算法，主要是对每个尺度的SSR结果进行不同权重的加权平均，表达式为： （2-7）式中：N是环绕尺度数量；ωi是不同尺度的权重，且满足；通常情况下，取N为3，即MSR算法采用大、中、小3个尺度进行加权平均。由于SSR算法和MSR算法都是直接在RGB颜色空间上进行像素运算，当使用RGB颜色空间时，由于自身具有耦合性，没有考虑RGB三个通道之间的内部关联，所以难以确保在经过这些操作后各个通道之间像素点的比值与原始图像一致，从而可能产生色差。在此基础上增加颜色恢复和颜色均衡，提出了带色彩恢复的多尺度Retinex增强算法（MSRCR）[50]，数学表达式如公式2-8所示： （2-8）式中：G和t分别表示增益和偏移量系数，以便更好的将图像显示在屏幕中；Ci（x，y）是颜色通道的恢复因子；Fk（x，y）是在第k个尺度上的高斯滤波函数。图2-8是分别是SSR、MSR、MSRCR三种算法对配电变压器红外图像