基于红外图像实例分割的敞开式开关设备发热缺陷智能诊断方法

摘要

红外热成像是监测和诊断高压开关设备发热缺陷的方法之一,具有非接触、无损伤等优点。海量红外图像数据的处理对信息挖掘、目标识别和智能诊断提出了更高的要求,而现有方法在故障区域识别、关键特征提取和缺陷分类等方面仍存在不足。因此,文中提出了一种基于红外图像实例分割的敞开式开关设备发热缺陷智能诊断方法,利用Mask R-CNN进行感兴趣区域的自动提取与分割,构建轻量级卷积神经网络并引入到Mask R-CNN的最后一步,利用迁移学习进行模型训练,实现发热缺陷的自动识别。测试结果表明,文中方法对感兴趣区域识别的平均精确度为0.813,每秒帧数为5.196,在精度和计算速度上均高于目前的主流目标检测方法,同时在Mask R-CNN中引入的轻量级卷积神经网络使分类精度达到96.66%,特别适用于电力物联网下的智能终端设备。