基于改进YOLOv3的电力设备红外诊断方法

陈同凡，刘云鹏，裴少通

(华北电力大学 电力工程系，河北 保定 071003)

在电气、机械和化学等因素的综合作用下，运行过程中的电力设备会出现包括机械损伤、温度升高及局部电场改变等问题[1-2]。为了准确测量和分析电气设备在日常工作中存在的缺陷问题，国内外专家研究制造很多检测仪器(包括红外测温仪、紫外成像仪等)应用于电气设备的缺陷检测，对于巡检人员在巡检过程中排查设备的缺陷及诊断故障工作具有重大意义[3-4]。电压分布法、电晕检测法、红外成像法等检测手段往往被用于研究电气设备存在的发热故障，其中红外成像法是通过观察红外波段下待测物体的热特性来判断设备是否存在缺陷，该方法已经成为目前变电站设备缺陷检测的主要方式[5]。

随着我国电网的不断发展与建设，电网规模也随之增大，依靠巡检机器人自带的红外热成像仪采集的红外图谱数据量以几何倍数增长，如何及时处理海量红外图像数据从而对电力设备进行迅速有效的红外诊断成为运检工作人员面对的难题：仅仅依靠传统人工对比分析红外图谱显然不现实；若使用Adaboost分类器[6]或边缘检测算子[7-8]结合梯度、纹理等表层特征，往往存在识别准确率不高、模型的泛化水平较低等缺陷。类似的方法还包括采用梯度法进行边缘检测从而识别输电线路的发热点[9]，以及用传统的图像处理法生成关于线路的像素-温度分布曲线[10]，文献[11]提出一种基于支持向量机提取待测目标方向梯度直方图特征的模型，用于绝缘子单一目标的红外图像故障诊断，但对于多目标的识别效果还没有明确结论。……