摘要：本文研究了红外图谱采集技术在变电设备中的应用。红外图谱识别与分析术和故障诊断技术可以对重要设备的运行参数进行实时监测和故障分析，从而提高变电站工作人员的工作效率，取得更高的经济效益，因此红外图谱技术在变电设备中具有较大的实用价值和应用前景。
关键字：红外图谱识别与分析技术、变电设备、红外图谱故障诊断技术
1 引言
随着我国经济的快速发展，特高压、交直流混合、新能源大量接入等成为电网必然的发展趋势,且现阶段我国的电网覆盖范围广、变电设备数量大，因此对变电设备的统一管理监控和运行管理提出了新的要求。目前的视频监控系统，可实现对现场设备监视、远程控制摄像机运动、数字视频录像等功能，但无法实现图像识别功能，所以开发图像识别功能成为首要问题，而红外图谱技术恰好可以弥补这种不足，因此对该技术的研究势在必行。
2 正文
2.1 红外图谱识别与分析技术
由于设备红外图谱主要体现温度的分布规律，对于设备特征细节呈现的不明显。因此，电力设备红外图谱的识别，需通过可见光对设备进行识别标注，建立双向设备种类标注模型。
其中，在可见光针对设备表面标注文字和标牌：设计并研究适合多数机器视觉领域的光学字符识别系统所需的核心算法，利用识别结果对图像进行标注。光学字符识别系统所需的核心算法包含以下几个方面：
（1）图像预处理步骤：电力设备图像进行必要的预处理，包括增强输入图像的质量图像去噪、边缘增强、边缘检测等，数字图像通过图像处理算法定位并截出感兴趣区域，在感兴趣区域基础上，根据具体任务要求，继续分割提取出相关结构，要对采集到的以保证电力设备及其运行状态识别和分析的准确性；
（2）特征提取步骤：将离散化的字符数字图像进行特征向量提取，关键是提取出字符间区别度高的特征向量；
（3）模式识别步骤：输入提取到的特征向量，通过模式匹配算法识别与描述，正确区分出字符，完成图像处理任务；
（4）将识别结果对图像进行标注。
针对此类设备图像的自动标注方法，首先利用图像处理技术提取设备图像的底层视觉特征，包括颜色、纹理、形状和空间信息等，作为图像的元数据。对一幅电力设备图像标注时，将标注问题视为图像分类问题，主要分为两个阶段：
（i）标注模型训练阶段（用大量的已分类图像训练分类器）：提交代表项目具体视觉要求的图像，利用己标注的图像集，构建从图像底层视觉特征到高级语义特征逐层进行迭代、逐层抽象的深度网络映射模型；
（ii）图像标注阶段：计算与训练库中所有图像的相似度，将与之最相似的图像返回，根据测试图像的视觉信息把它分类到预先定义的类别中，每个关键词视为一个独立的类别名称，并对应一个分类器。
2.2 研究红外图谱的预处理
红外热图谱具有以下的特点：
a.由于景物热平衡、光波波长、等原因，造成红外图像空间相关性强、视觉效果模糊；
b.红外热图像表征景物的温度分布，是灰度图像，没有彩色或阴影，故对人眼而言，分辨率低；
c.热成像系统的探测能力和空间分辨率低于可见光CCD阵列，使得红外图像的清晰度低于可见光图像；
d.外界环境的随机干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，比如热噪声、散粒噪声等等。这些分布复杂的噪声使得红外图像的信噪比比普通电视图像低；
e.由于红外探测器各探测单元的响应特性不一致、光机扫描系统缺陷等原因，造成红外图像的非均匀性，体现为图像的固定图案噪声、畸变等。
根据红外图谱的这些特征，首先需要采取均值滤波和中值滤波算法达到平滑去除噪声的红外图谱预处理目的。
期刊文章分类查询,尽在期刊图书馆
（1）均值滤波
均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素点和其本身像素点。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其邻近的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度值g（x，y），即g（x，y）=1/m ∑f（x，y）， m为该模板中包含当前像素在内的像素总个数。
（2）中值滤波
中值滤波是一种常用的非线性平滑滤波器，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值来替换，其主要功能是让周围像素灰度值差别比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。
2.3 研究基于图谱等温线的温度场分割技术
红外图像特征是指红外图像中温度场的梯度、等温线的形状、温度等级等参数，它们与电力设备热故障的类型和故障位置有着非常密切的关系，研究通过图像处理的方法找出温度场的形状参数以及提取标识区域。
红外图谱都具有按规律渐变的丰富色彩，而渐变色的区域就是划分等温线的主要标识，为了进行等温线的识别进而完成温度场的分割，需要对红外图像首先进行灰度化处理，将温度场的形态特征更明确的表示出来。然后进行形态学的闭运算，根据需要凸显等温线。最后进行连通域计算，对相近的温度场进行分割标识。过程中用到的算法原理可简述如下：
a.图像灰度化处理
由于照片都是彩色图像，都是采用RGB颜色模式，处理图像的时候，要分别对RGB三种分量进行处理。
彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。
b.形态学闭运算
形态学闭运算用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。
c.连通域计算
所谓连通域是指由若干像素组成的集合，该集合中的像素具有以下特性：
①所有像素的灰度级别均小于或等于连通域的级别；
②同一个连通域中的像素两两相通，即在任意两个像素之间存在一条完全由这个集合的元素构成的通路。
2.4研究利用设备标识对比进行红外图谱故障诊断技术
过算法的处理，可以很轻松地找出温度最高的区域点的坐标,然后再在原图上标定出来并作提取特征处理，从而得到红外图谱故障中心点的标识。再通过和可见光图谱对设备的标识，明确设备种类以及设备异常区域的相关部件，通过与红外图谱温度异常区域特征进行比对，判断设备那个部件存在温度异常。再根据红外故障样本库进行判断，从而实现对设备红外异常的识别。
总结
利用红外图谱进行设备故障诊断，首先要对红外图谱进行预处理，再进行基于等温线的温度场分割，确定红外图谱的缺陷中心位置。然后于可见光图像进行标识匹配，从而进行故障诊断。
参考文献:
[1]陈衡.我国红外诊断技术的现状与发展[J].激光与红外，1998（5）.
[2]威飞虎.模式识别与图像处理.上海：上海交通大学出版社，1990.
[3]胡红光.电力红外诊断技术作业与管理[M].北京：中国电力出版社，2006.
[4]程玉兰.红外诊断现场实用技术[M].北京：机械工业出版社，2002.
论文作者:王天正,李永祥,杨罡,王大伟
论文发表刊物:《电力设备》2017年第31期
论文发表时间:2018/4/13
标签：图像论文; 图谱论文; 像素论文; 设备论文; 灰度论文; 等温线论文; 特征论文; 《电力设备》2017年第31期论文;