首页 | 杂志简介 | 征稿简则 | 投稿指南 | 常见问题 | 名词解释 | 刊物订阅 | 联系我们 | English
基于红外图像的避雷器故障检测方法
投稿时间:2017-11-14  修订日期:2017-11-25  点此下载全文
引用本文:卢彬,朱海峰,谷振富,高冠群,李甲骏,李世昌,姚强.基于红外图像的避雷器故障检测方法[J].红外,2018,39(1):19~23
摘要点击次数: 87
全文下载次数: 111
作者单位E-mail
卢彬 河北张河湾蓄能发电有限责任公司 286218096@qq.com 
朱海峰 河北张河湾蓄能发电有限责任公司  
谷振富 河北张河湾蓄能发电有限责任公司  
高冠群 河北张河湾蓄能发电有限责任公司  
李甲骏 河北张河湾蓄能发电有限责任公司  
李世昌 河北张河湾蓄能发电有限责任公司  
姚强 安徽大学电子信息工程学院 343633557@qq.com 
基金项目:国家自然科学基金项目(61501003);国家电网公司科技项目(5212D01502DB);偏振光成像探测技术安徽省重点实验室开放课题(2016-KFJJ-002)
中文摘要:在电力系统中,利用计算机视觉和图像处理技术对避雷器进行故障检测,在保障电力系统的安全运行方面具有非常重要的作用。提出了一种基于红外图像的避雷器故障检测方法。该方法首先对输入图像进行预处理,利用尺度不变特征变换(Scale-invariant feature transform,SIFT)描述子和K-means++算法训练视觉字典精确定位避雷器,然后利用线性谱聚类对选择出的区域进行分割,最后通过分析避雷器热像的特征,实现避雷器故障的检测。实验结果说明所提出的算法可以有效地检测避雷器故障。
中文关键词:红外图像  避雷器  SIFT  K-means++聚类
 
Detection Method of Arrester Fault Based on Infrared Images
Abstract:In power systems, to use computer vision and image processing technologies to detect the faults in arresters plays an important role in their safe operation. An arrester fault detection method based on infrared images is proposed. The algorithm firstly preprocesses the input images and uses Scale-Invariant Feature Transform (SIFT) descriptors and K-means++ algorithm to train a vision dictionary to precisely position the arrester. Then, it uses Linear Spectral Clustering (LSC) to segment the area selected. Finally, it implements the detection of arrester fault by analyzing the characteristics in the thermal image of the arrester. The experimental results show that the proposed algorithm can detect the faults in arresters effectively.
keywords:infrared image  arrester  SIFT  the K-means++ clustering
查看全文  查看/发表评论  下载PDF阅读器

版权所有:《红外》编辑部

北京勤云科技发展有限公司