1、红外图像智能诊断技术在输电运维监督中的应用国网浙江省电力有限公司电力科学研究院2023年8月汇报人：朱怡良浙江天铂云科光电股份有限公司四、总结与展望三、应用与案例二、红外图像智能诊断技术一、背景与现状目录一、背景现状2021年12月，国家能源局“十四五”能源领域科技创新规划确定了集中攻关、示范试验和应用推广任务，部署了相关示范工程，制定了技术路线图2017年7月，国务院印发新一代人工智能发展规划发展战略目标：到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平一、背景与现状 红外检测手段越来越广泛运用于设备运维监督，海量红外数据需要耗费大量的时间进行分析和诊断。对分析人员

2、的专业知识水平要求较高，且对于一些肉眼难以辨别的情况，容易出现漏检或错检图像规格不统一，只能采用生产商专用软件进行分析，且软件相互不通用人工对每张红外图像进行处理约耗时15分钟四、总结与展望三、应用与案例二、红外图像智能诊断技术一、背景与现状目录二、红外图像智能诊断技术 红外图像智能诊断技术：采用温度矩阵智能转化算法对图像格式进行统一，应用温度矩阵智能识别定位算法进行设备类型识别和部件定位，利用温度矩阵智能诊断算法进行故障诊断，形成诊断报告。0.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.7,2.73.1,3

3、.1,3.1温度矩阵(0,0,0),(0,0,1)(0,0,254),(0,0,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255)RGB数据规则诊断设备识别部件定位专家知识库设备识别RetinaNet 提取特征FPN检测不同尺度目标CSL角度分类部件定位DeeplabV3+内接部件分割YOLO V7 外接部件检测多模型融合部件算法视觉诊断分类和边框回归Efficientnet-B6 提取特征特征融合CSP结构温度矩阵智能转化算法

4、温度矩阵智能识别定位算法温度矩阵智能诊断算法诊断报告二、红外图像智能诊断技术(0,0,0),(0,0,1)(0,0,254),(0,0,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255),(0,1,0),(0,1,1)(0,1,254),(0,1,255)RGB数据色标条0.1650,0,01,1,1,2,2,23,3,3,5,5,56,6,6,8,8,89,9,90.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.

5、7,2.73.1,3.1,3.1色标编号矩阵温度矩阵最高温度：35.0最低温度：10.3最高最低温度值色标匹配温度转换 温度矩阵智能转化算法：提取不同来源红外图像的RGB数据，转化为640*480（307200）点位的温度矩阵；采用目标检测及文字识别技术定位图片最高最低温度值，以标准铁红色标条为参考将RGB数值转化为温度数值，偏差0.16。算法将红外数据归一化，提高了数据精度和泛化能力。二、红外图像智能诊断技术 温度矩阵智能识别定位算法：采用定向检测模型对图像进行检测，确定设备类型、形态、姿态；采用语义分割模型对电压致热型部件进行定位，采用目标检测模型对电流致热型部件进行定位。利用该算法替代了

6、人工进行识别定位，并为下一步智能诊断的实现提供了基础。目标检测语义分割非定向检测定向检测二、红外图像智能诊断技术诊断结果0.1,0.1,0.10.2,0.1,0.3,0.3,0.30.4,0.4,1.6,1.6,1.61.8,1.8,1.8,2.7,2.7,2.73.1,3.1,3.1温度矩阵设备识别RetinaNet 提取特征FPN检测不同尺度目标CSL角度分类部件定位DeeplabV3+内接部件分割YOLO V7 外接部件检测多模型融合部件算法视觉诊断分类和边框回归Efficientnet-B6 提取特征特征融合CSP结构规则诊断带电设备红外诊断应用规范输变电设备状态检修试验规程专家提供判

7、据 温度矩阵智能诊断算法：开发了视觉诊断与规则诊断交叉验证的故障诊断方法。视觉诊断采用多分类检测技术进行故障识别，规则诊断基于智能识别定位的结果，调用专家知识库的诊断规则进行诊断，最终生成分析诊断报告。视觉诊断与规则诊断互相校验、互相补充，有效提高了故障诊断的准确率。二、红外图像智能诊断技术 红外图像智能诊断技术已覆盖输电10余种、变电30余种、配电10余种主要电力设备及元器件，完成上百种模型算法的搭建，识别准确率95%，诊断准确率90%，单张红外图像处理时间350ms。四、总结与展望三、应用与案例二、红外图像智能诊断技术一、背景与现状目录三、应用与案例应用层应用层手持热像仪在线热像仪智能识别

8、算法层算法层平台层平台层资源层资源层天铂云PC客户端手机APP诊断规则算法调用数据收发设备知识库输电变电配电部件定位内接部件外接部件三相检测设备分类电压等级形态分类定向检测故障诊断缺陷检测缺陷分类规则诊断红外数据库网络框架计算平台标注数据集导线检测材质分类特征点 云侧系统支持手持热像仪、在线式热像仪、云平台、PC客户端、APP等多种方式进行数据上传，一键生成报告。端侧支持轻量化部署方式，采用边端计算的方法进行离线式智能诊断。同时，提供虚拟化部署方式应用于站端部署。三、应用与案例 系统可以智能识别耐张线夹、绝缘子、接续管、金具、避雷器和电力电缆等，准确率96%。已应用于3千多条输电线路巡检，累计

9、处理超过百万张的输电设备红外图像数据。三、应用与案例 案例：某输电线路红外检测报告，包含100多个设备元器件的红外检测结果，利用红外图像智能诊断技术进行识别诊断，最终形成报告仅耗时5分钟。三、应用与案例 案例包含以下内容：三、应用与案例 当系统检测出设备处于异常状态时，报告会给出相应的异常状态信息。包含对故障的判断依据、故障的特征、缺陷等级，以及相应的处理建议，对故障诊断的准确率达到90%以上。R01:24.5 R02:21.3R03:22.2 R04:21.0R05:21.2正常温差：0.51K实际温差：3.5K故障特征：伞裙破损或芯棒受潮缺陷性质：紧急缺陷处理建议：建议运维人员记立即处理三

10、、应用与案例 2022年7月，本技术在杭州通过中国电力企业联合会的科学技术成果鉴定。鉴定意见：项目成果整体达到国际先进水平，其中在电力设备红外检测识别诊断技术方面达到国际领先水平。四、总结与展望三、应用与案例二、红外图像智能诊断技术一、背景与现状目录四、总结与展望 （1）目前，尽管国家能源局发布带电设备红外诊断应用规范对红外图像格式进行了统一规范，但数据处理仍然依赖各厂家专用软件。本技术能够对不同来源红外图像统一处理，具有非常好的推广价值和应用前景。（2）无人机巡检采集的海量数据，继续采用人工分析方式已经力不从心，导致大量宝贵数据资源丢失和缺陷漏诊，推广智能诊断技术迫在眉睫。（4）红外诊断技术可以与可见光、紫外、声波、局放等多种检测方式结合，从多维度进行智能分析与故障诊断，大幅提升设备技术监督工作的效率和水平。（3）本技术对手持热像仪数据的自动处理，从诊断准确性和处理速度上已经达到实用化要求。对无人机拍摄的智能诊断，我们已经取得较好的效果，但由于拍摄角度和数据来源等问题，智能算法有待进一步完善和提高。希望今后有机会和在座各位密切合作，尽快实现无人机采集数据智能诊断的实用化。Thanks for listening感谢聆听