一种基于红外图像的变电设备缺陷智能诊断方法及系统

摘要

一种基于红外图像的变电设备缺陷智能诊断方法及系统，利用YOLO深度学习模型及数据分析方法，通过变电设备部件定位、温度特征提取、温度阈值判定等步骤实现了对红外图像中变电设备的部件自动识别、缺陷智能诊断。一方面，依赖于YOLO深度学习网络的目标检测性能，保证变电设备部件定位的准确性；在变电设备部件精确定位的基础上，提取特征参量，将红外图像数据转化为可量化分析的温度特征值，另一方面，依赖检测数据，通过提取的温度特征值，统计分析出体现海量温差数据的分布特性，从而获得可靠性较高的缺陷阈值判定方法，解决了单纯图像分析或人工设定阈值的诊断方法出现的问题，提高了变电设备红外图像缺陷诊断的可靠性和准确性。