1.本发明属于电力设备状态评估领域，尤其涉及电力设备红外测温局部结构辐射率参数校准领域。
背景技术：2.红外诊断技术是一种非接触的测量技术，它是根据被诊断目标的红外检测图像，根据图像中检测目标的红外辐射信息，经分析处理后去判断设备状态是否出现异常，对检测目标的运行状态进行科学的判断，如有故障可以为制定检修计划提供强有力的技术支持。在电力系统中应用红外技术可以通过分析变电站设备的红外图像发现设备的内部、外部缺陷，许多常规停电试验方法无法检测的故障或者不方便检测的故障，都可以在设备运行状态下通过红外热成像技术将发现设备的安全隐患。电气设备的辐射率受制造材料的性能，设备表面状态，金属电阻率等因素的影响。在实际检测时，为了得到更为精确的检测结果，事先明确被检测设备的辐射率很有必要。但对电力设备进行一般性红外诊断时，红外热像仪的辐射率一般设置为0.91便不再改变，导致测温结果不准确，并且同一设备的不同结构因为材质不同会导致其辐射率也不相同，有必要根据设备的不同结构对红外图像的辐射率参数进行校正。
3.经过检索，申请公开号cn113483896a，一种电力设备测温方法、装置、计算机设备及存储介质，电力设备测温方法包括：获取对目标设备直接测量的数字化红外图像，数字化红外图像中每一个像素点对应一个ad值；对直接测量得到的数字化红外图像进行预处理；根据ad值与温度之间的映射关系确定预处理后的数字化红外图像中各像素点ad值对应的温度；根据预设参数修正预处理后的数字化红外图像中各像素点ad值对应的温度，确定目标设备修正温度。本方案通过对图像预处理可以减弱图像中坏点对温度测量的影响，预设参数可以包括环境温度、辐射率等参数，通过预设参数对温度进行修正可弱化环境因素对设备温度的影响，从而有效提高最终测得温度的精度。该发明通过图像中像素点ad值与温度之间的映射关系对目标温度进行修正，但未考虑设备结构表面的辐射率因素，本发明通过改进的ssd算法及图像局部结构区域分割对设备对应图像区域的辐射率参数进行修正，实现辐射率参数校准。
技术实现要素：4.本发明旨在解决以上现有技术的问题。提出了一种电力设备红外测温局部结构辐射率参数校准方法。本发明的技术方案如下：
5.一种电力设备红外测温局部结构辐射率参数校准方法，其包括以下步骤：
6.1)对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理；
7.2)用labelimg软件对步骤1)中预处理后的红外图像中电力设备的局部结构进行标注；
8.3)用改进的ssd算法对步骤2)中标注好的图像进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别，其中改进的ssd算法与现有的ssd算法主要差异包括：
9.输入图像为灰度图像；主干cnn采用项目设计的轻量级网络，而ssd采用vgg-16作为主干；选取主干网的三层作为特征层用于进行目标检测，而现有的ssd只采用一层；卷积过程的超参数设计均与现有的ssd不同，即图中的 6个特征层；由于特征层尺寸不同，故候选框数量和尺寸等参数均进行了调整。
10.4)自动查找步骤3)中识别出的结构名称对应的辐射率，得到该结构的实际辐射率；
11.5)最后对局部结构进行区域分割，并重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准。
12.进一步的，所述步骤1)对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理，具体包括：
13.去掉原始红外热图谱边缘四周的水印，颜色表，目标点，线、框及对应的温度信息的冗余信息。
14.进一步的，所述步骤2)用labelimg软件对步骤1)中预处理后的红外图像中电力设备的局部结构进行标注，具体包括：
15.1)点击“open dir”打开需标注图片的文件夹，然后点击“change save dir”选择需存储的文件夹；
16.2)点击“open file”打开一张图片，“create rectbox”画标注框，“输入类别名称”，“save”保存图像；
17.3)点击“next image”进行下一张图片的标注。
18.进一步的，所述步骤3)用改进的ssd算法对步骤2)中标注好的图像进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别，具体包括：
19.将待识别红外图像送入训练好的ssd模型中进行识别，输出识别到的红外图像，识别框名称及坐标。
20.进一步的，所述步骤4)自动查找步骤3)中识别出的结构名称对应的辐射率，得到该结构的实际辐射率，具体包括：
21.设备局部结构对应的材料辐射率参数是固定的，识别出对应的设备局部结构后，通过查辐射率参数表可得该结构的辐射率参数。
22.进一步的，所述步骤5)最后对局部结构进行区域分割，并重新修正该局部结构对应图像区域的辐射率参数，实现辐射率参数校准，具体包括：
23.1)通过改进的ssd算法对原始图像进行识别，标注出设备的局部结构；
24.2)去除识别框之外的图像，只保留对应的设备局部结构；
25.3)通过大津法对设备局部结构图像进行区域分割；
26.4)通过开运算对分割后的图像进行去除噪声处理，完成设备局部结构图像区域分割；
27.5)将所述局部结构辐射率参数重新赋给分割完的局部结构图像区域，完成辐射率参数的修正。
28.本发明的优点及有益效果如下：
29.本发明的创新主要是权利要求步骤4和6，通过改进的ssd算法对红外图像进行识别，本方法由于采用灰度图与轻量级主干cnn，本方法计算速度更快，有利于实现实时化，采用更多的主干cnn特征层，设计更少的抽象特征提取层，可以使用更多的模型分类预训练参数进行初始化，有利于模型的训练和再训练，对于电力设备局部结构需要进行小目标识别，因此本模型使用的特征层具有更小的感受野；并通过设备图像区域分割，获得了不同局部结构的辐射率参数。
附图说明
30.图1是本发明flir tool红外图像处理软件示意图；
31.图2是原始红外热图谱及其冗余信息图；
32.图3是去掉冗余信息后的红外热图谱；
33.图4是labelimg软件标注软件界面；
34.图5是电力设备典型结构在红外图像中的尺寸比例；
35.图6是改进后的ssd模型结构及其参数；
36.图7是设备区域分割流程；
37.图8所示为本发明提供优选实施例的简要流程图。
具体实施方式
38.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
39.本发明解决上述技术问题的技术方案是：
40.图8所示，一种电力设备红外测温局部结构辐射率参数校准方法，其包括步骤：
41.1)对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理；
42.2)用labelimg软件对步骤1)中预处理后的红外图像中电力设备的局部结构进行标注；
43.3)用改进的ssd算法对步骤2)中标注好的图像进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别；
44.4)自动查找步骤3)中识别出的结构名称对应的辐射率，得到该结构的实际辐射率；
45.5)最后对局部结构进行区域分割，并重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准。
46.步骤1)所述对进行红外图像预处理，其结合了flir公司的flir tool软件并自己编写批处理程序对去掉了上述所有冗余信息，该软件的界面及程序处理后的图像如图1-3所示：
47.如图4所示，步骤2)所述利用labelimg软件对预处理后的红外图像中电力设备的局部结构进行标注，其在labelimg软件目录下使用终端执行，界面及操作如图4所示。
48.如图5所示，步骤3)所述基于改进的ssd算法进行局部结构的自动识别，其特征在于，首先将得到的标注数据集的不同结构区域进行分割，并分别计算这些结构区域占总体
图像面积的百分比，其结果如图5所示，由图可看出，结构占比在整体上分布比较均匀，主要存在三个峰值点：(1)0.1％附近，主要对应线夹、将军帽、瓷瓶间的连接处等小型金属结构；(2)10％附近，主要对应瓷瓶、支柱绝缘子等外绝缘结构；(3)80％附近，主要对应变压器本体、gis等大型的整体结构。
49.所述目标尺寸，重新设计了ssd的主干cnn和特征提取方法，使提取的6 个特征层的感受野尺寸更加接近上述三个范围，改进后总体识别map提高5％，达到了72％。特别地，对于小结构(图像占比小于1％的结构样本数据)提升21％，达到了80％，改进后的ssd模型结构及参数如图6所示。
50.所述步骤4)所述通过识别出的结构名称自动查找对应的辐射率，得到该结构的实际辐射率，其辐射率与设备外壳材质有关，并且一般会给设备的金属外壳加涂层，如果设备结构有涂层则使用涂层材料的辐射率，否则直接使用外壳材质的辐射率。通过权利要求5中所述的ssd算法识别到结构后进行自动查表进而识别到设备局部结构的辐射率。
51.如图7所示，步骤5)所述对局部结构进行区域分割，并重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准，在对辐射率参数校准时，因为设备的不同结构辐射率可能不同，需针对不同结构进行校准，所以需用大津法与开运算对局部结构图进行分割处理。设备区域分割流程如图7所示，分割后重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准。
52.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
53.以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
技术特征：1.一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，包括以下步骤：1)对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理；2)用labelimg软件对步骤1)中预处理后的红外图像中电力设备的局部结构进行标注；3)用改进的ssd算法对步骤2)中标注好的图像进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别，其中改进的ssd算法与现有的ssd算法主要差异包括：输入图像为灰度图像；主干cnn采用项目设计的轻量级网络，而ssd采用vgg-16作为主干；选取主干网的三层作为特征层用于进行目标检测，而现有的ssd只采用一层；卷积过程的超参数设计均与现有的ssd不同，即采用了6个特征层；由于特征层尺寸不同，故候选框数量和尺寸等参数均进行了调整；4)自动查找步骤3)中识别出的结构名称对应的辐射率，得到该结构的实际辐射率；5)最后对局部结构进行区域分割，并重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准。2.根据权利要求1所述的一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，所述步骤1)对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理，具体包括：去掉原始红外热图谱边缘四周的水印，颜色表，目标点，线、框及对应的温度信息的冗余信息。3.根据权利要求2所述的一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，所述步骤2)用labelimg软件对步骤1)中预处理后的红外图像中电力设备的局部结构进行标注，具体包括：1)点击“open dir”打开需标注图片的文件夹，然后点击“change save dir”选择需存储的文件夹；2)点击“open file”打开一张图片，“create rectbox”画标注框，“输入类别名称”，“save”保存图像；3)点击“next image”进行下一张图片的标注。4.根据权利要求3所述的一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，所述步骤3)用改进的ssd算法对步骤2)中标注好的图像进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别，具体包括：将待识别红外图像送入训练好的ssd模型中进行识别，输出识别到的红外图像，识别框名称及坐标。5.根据权利要求4所述的一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，所述步骤4)自动查找步骤3)中识别出的结构名称对应的辐射率，得到该结构的实际辐射率，具体包括：设备局部结构对应的材料辐射率参数是固定的，识别出对应的设备局部结构后，通过查辐射率参数表可得该结构的辐射率参数。6.根据权利要求5所述的一种电力设备红外测温局部结构辐射率参数校准方法，其特征在于，所述步骤5)最后对局部结构进行区域分割，并重新修正该局部结构对应图像区域的辐射率参数，实现辐射率参数校准，具体包括：
1)通过改进的ssd算法对原始图像进行识别，标注出设备的局部结构；2)去除识别框之外的图像，只保留对应的设备局部结构；3)通过大津法对设备局部结构图像进行区域分割；4)通过开运算对分割后的图像进行去除噪声处理，完成设备局部结构图像区域分割；5)将所述局部结构辐射率参数重新赋给分割完的局部结构图像区域，完成辐射率参数的修正。
技术总结本发明请求保护一种电力设备红外测温局部结构辐射率参数校准方法，属于电力设备状态评估领域，能够准确识别并校准红外图像中电力设备不同局部结构的辐射率，包括以下步骤：结合了FLIR公司的FLIR TOOL软件并自己编写批处理程序对包含水印、颜色表、目标点、线、框及其对应的温度信息的原始热像图进行红外图像预处理；再用labelImg软件对预处理后的红外图像中电力设备的局部结构进行标注；然后采用改进的SSD算法进行局部结构的自动识别，用于实现不同尺寸的结构的有效识别；之后通过识别出的结构名称自动查找对应的辐射率，得到该结构的实际辐射率，最后对局部结构进行区域分割，并重新赋值该局部结构对应图像区域的辐射率参数，实现辐射率参数校准。实现辐射率参数校准。实现辐射率参数校准。
技术研发人员：王强 杨罡 张娜 王大伟 胡帆 上官明霞 王慧刚 刘志翔 李艳鹏 刘宏
受保护的技术使用者：国网山西省电力公司电力科学研究院
技术研发日：2022.04.08
技术公布日：2022/7/5
