System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及图像处理,具体涉及基于改进生成对抗网络的电力设备热成像重建方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术。
2、在自然界中,凡是温度大于绝对零度(-273℃)的物体都能辐射红外线,它和可见光、紫外线、x射线、伽玛线、宇宙线和无线电波一起,构成了一个完整连续的电磁波谱。但不同波段的红外线拥有不同的特性,因此也有不同的应用,如红外遥控、红外通讯、红外摄影、红外理疗、红外检测等等,其中热成像就处于特定的波长之间热成像是将不可见的红外辐射变为可见的热像图,并且能反映出目标表面的温度分布状态。
3、电力行业对于电力系统运行发展有着重大的意义,但在电力系统运行当中,因为各种因素,各类设备以及线路都会出现不同程度的热缺陷。热成像技术成为了最佳的选择,通过温度检测、图像分析、智能诊断等技术,可以让工作人员在安全距离,及时发现安全隐患和缺陷问题,减少事故的发生,保证电网安全经济运行。电力设备中,不同设备甚至同一设备不同部位辐射能力和它们对红外线的反射强弱不同。利用设备与背景环境的辐射差异以及设备本身各部分辐射的差异,探测物体的红外辐射信号,并将该信号转换成可供人类视觉分辨的图像和图形,以表征被测物体的温度分布,红外热成像图能够呈现设备各部分的辐射起伏,从而显示出设备的特征。红外监测技术能够在安全非接触的情况下高效实时地检测电力设备的大部分故障。但是大多数通过红外热成像仪拍摄的热成像存在分辨率差、清晰度较低等问题。
4、图像超分辨率重建是一种将模糊低分
技术实现思路
1、本公开为了解决上述问题,提出了基于改进生成对抗网络的电力设备热成像重建方法及系统,利用改进的wgan-gp(含有惩罚的生成对抗网络,wasserstein generativeadversarial network with gradient penalty,wgan-gp)网络,对低分辨率的红外热成像进行更多的纹理细节的处理,完成边缘注意力机制的构建,提高网络模型的学习能力与性能。
2、根据一些实施例,本公开采用如下技术方案:
3、基于改进生成对抗网络的电力设备热成像重建方法,包括:
4、获取电力设备的低分辨率红外图像,并进行预处理;
5、将预处理后的低分辨率红外图像输入至改进的wgan-gp网络中,输出电力设备的超分辨率红外模拟图像;
6、利用输出的超分辨率红外模拟图像以及3d建模,构建数字孪生的电力设备3d可视化模型;
7、通过采集实时的电力设备物理特性及其工作方式的运行数据,实现电力设备数字孪生虚拟模型与实际电力设备的精准映射;直观可视化表达数字孪生虚拟电力设备的工作方式以及参数变化,并通过颜色变化、动画模拟的方式展示电子设备运行变化状态。
8、根据一些实施例,本公开采用如下技术方案:
9、基于改进生成对抗网络的电力设备热成像重建系统,包括:
10、数据获取模块,用于获取电力设备的低分辨率红外图像,并进行预处理;
11、图像生成模块,用于将预处理后的低分辨率红外图像输入至改进的wgan-gp网络中,输出电力设备的超分辨率红外模拟图像;
12、可视化建模模块,用于利用输出的超分辨率红外模拟图像以及3d建模,构建数字孪生的电力设备3d可视化模型;
13、通过采集实时的电力设备物理特性及其工作方式的运行数据,实现电力设备数字孪生虚拟模型与实际电力设备的精准映射;直观可视化表达数字孪生虚拟电力设备的工作方式以及参数变化,并通过颜色变化、动画模拟的方式展示电子设备运行变化状态。
14、根据一些实施例,本公开采用如下技术方案:
15、一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现所述的基于改进生成对抗网络的电力设备热成像重建方法。
16、根据一些实施例,本公开采用如下技术方案:
17、一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现所述的基于改进生成对抗网络的电力设备热成像重建方法。
18、与现有技术相比,本公开的有益效果为:
19、本公开提供了一种基于改进生成对抗网络的电力设备热成像重建方法,根据在wgan-gp网络的基础上,提出边缘注意力机制的生成对抗网络,在生成器网络的残差模块中添加了边缘注意力机制,根据特征通道的边缘强度对通道占比重新分配,使得图像重建后的整体效果与边缘恢复均有巨大提高,具有较高的工程实用价值。
20、本公开提供了一种基于改进生成对抗网络的电力设备热成像重建方法,凸显了边缘感兴趣区域的特征,取得良好的视觉效果,对采集到的原始图像进行灰度变换处理;采用数学形态学方法对采集到的序列图像进行滤波处理;提出并实现梯度跟踪法对图像进行分割,消除采集到的图像中存在着背景热噪声、边缘模糊等现象的影响。
本文档来自技高网...【技术保护点】
1.基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,包括:
2.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,电力设备的低分辨率红外图像的预处理过程包括:所述电力设备采用辐射成像,对利用辐射采集的低分辨率红外图像进行灰度线性变换、图像滤波以及图像分割,所述图像分割为利用梯度跟踪法提取低分辨率红外图像的边缘,将每个低分辨率红外图像中电力设备的一个边缘起点出发,依次搜索并连接相邻边缘点,逐步提取出边缘轮廓。
3.如权利要求2所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,确定搜索边缘起点,作为中心点,从中心点开始,向右水平方向搜索最大梯度点,并将从中心点到最大梯度点间的像素置1;以中心点为中心,按顺时针/逆时针旋转图像,每次旋转角度为 1°,并检测水平方向上的最大梯度,旋转360°;搜索结束,得到最终边缘轮廓的搜索结果;所述最大梯度点为图像中灰度变化最大的位置,这个位置为电力设备的边缘。
4.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,所述改进的WGAN-GP网
5.如权利要求4所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,对生成器网络中的残差网络部分添加通道边缘注意力机制,通过通道边缘注意力机制,将边缘信息的细化程度作为目标函数,对通道占比进行新的分配,增加边缘信息的细化程度对通道的影响,同时,在生成器网络的上采样部分中,增加卷积层,利用少量的特征图参数增加网络的表征能力。
6.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,在改进的WGAN-GP网络中,再增加边缘损失函数,通过对对抗损失、内容损失、边缘损失以及正则化损失进行加权,得到最终损失函数。
7.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,构建数字孪生的电力设备3D可视化模型,包括:获取超分辨率红外模拟图像中电力设备实际的外观、材质以及边缘特征,基于3D三维可视化技术,进行引擎建模,结合3D/2D/GIS/图表的业务组件和各种标准资源库,进行数据的组装和可视展示,添加多视角,多方位全面展示三维场景,添加机位的功能,根据需求自由选择视角作为机位,并设置操作界面加入到动画与场景交互中,呈现详细与全面的三维场景。
8.基于改进生成对抗网络的电力设备热成像重建系统,其特征在于,包括:
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-7任一项所述的基于改进生成对抗网络的电力设备热成像重建方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-7任一项所述的基于改进生成对抗网络的电力设备热成像重建方法。
...【技术特征摘要】
1.基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,包括:
2.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,电力设备的低分辨率红外图像的预处理过程包括:所述电力设备采用辐射成像,对利用辐射采集的低分辨率红外图像进行灰度线性变换、图像滤波以及图像分割,所述图像分割为利用梯度跟踪法提取低分辨率红外图像的边缘,将每个低分辨率红外图像中电力设备的一个边缘起点出发,依次搜索并连接相邻边缘点,逐步提取出边缘轮廓。
3.如权利要求2所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,确定搜索边缘起点,作为中心点,从中心点开始,向右水平方向搜索最大梯度点,并将从中心点到最大梯度点间的像素置1;以中心点为中心,按顺时针/逆时针旋转图像,每次旋转角度为 1°,并检测水平方向上的最大梯度,旋转360°;搜索结束,得到最终边缘轮廓的搜索结果;所述最大梯度点为图像中灰度变化最大的位置,这个位置为电力设备的边缘。
4.如权利要求1所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,所述改进的wgan-gp网络由生成器网络和判别器网络构成,所述生成器网络将输入的预处理后的低分辨率红外图像生成为超分辨率红外模拟图像,判别器网络对真实的高分辨率图像和模拟的超分辨率图像进行真实性预测标注。
5.如权利要求4所述的基于改进生成对抗网络的电力设备热成像重建方法,其特征在于,对生成器网络中的残差网络部分添加通道边缘注意力机制,通过通道边缘注意力机制,将边缘信息的细化程度作为目标函数,对通道占比进行新的分配,...
【专利技术属性】
技术研发人员:徐文超,孔健,孔德强,张红梅,陈露,屈强,李光铁,王冉,
申请(专利权)人:国网山东省电力公司曲阜市供电公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。