基于深度学习和边缘计算的外绝缘设备放电故障诊断方法

摘要

本发明公开了一种基于深度学习和边缘计算的外绝缘设备放电故障诊断方法，包括：S1，构建紫外放电图谱样本库；S2，将紫外放电图谱作为二维图像输入量，进行图像预处理；S3，利用图像预处理后的紫外放电图谱的二维图像输入量训练卷积神经网络，对卷积特征进行提取，得到诊断模型；S4，将诊断模型部署在边缘计算平台JetsonXavierNX上；S5，将紫外成像仪拍摄的待测图像输入到边缘计算平台JetsonXavierNX中进行快速诊断，得到外绝缘设备放电故障信息。本发明提供的方法，利用深度学习和边缘计算技术，对外绝缘设备的紫外图谱进行本地端的快速诊断，最大限度地减少人工工作量，并提高电力巡检作业的实时性。