基于K均值聚类的变电站红外图像故障区域分割方法参数研究

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (6143 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对基于K均值聚类的变电站红外图像故障区域分割方法,本文首先简述K均值聚类算法应用于图像检测的原理;其次,通过K均值聚类进行红外图像故障区域提取,结果表明K均值聚类算法可以用于故障区域的分割识别;最后,分析K均值聚类算法参数对红外图像分割的影响。研究结果表明,红外图像的故障类别和初始分类点会对分割结果造成影响。在实际应用中,可以根据红外图像的特征进行初始设置,以提升图像分割的效率和准确性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	肖懿
	李伟绮
	王韵
	何渝霜
	罗丹

关键词 ：变电站, 设备故障, 红外图像, 图像识别, K均值聚类

Abstract：This paper analyzed an fault region segmentation method for substation infrared images based on K-means clustering. Firstly, the principle of K-means clustering algorithm applied to image detection is introduced. Secondly, the fault region of infrared image is extracted by the K-means clustering algorithm, and the results show that the K-means clustering can be used for identification of fault region. Finally, the influence of K-means clustering algorithm parameters on infrared image segmentation is analyzed and discussed. The results show that the fault category and initial classification point of infrared image affect the accuracy of segmentation result. In practical application, the initial setting can be carried out according to the characteristics of infrared image to improve the efficiency and accuracy of image segmentation.

Key words： substation equipment fault infrared image image identification K-means clustering

收稿日期: 2024-06-13

基金资助:湖南省自然科学基金（2024JJ6053）

作者简介: 肖懿（1993—）,女,重庆人,硕士,工程师,主要从事电力设备运维相关的工作。

引用本文:

肖懿, 李伟绮, 王韵, 何渝霜, 罗丹. 基于K均值聚类的变电站红外图像故障区域分割方法参数研究[J]. 电气技术, 2024, 25(11): 10-14. XIAO Yi, LI Weiqi, WANG Yun, HE Yushuang, LUO Dan. Research on parameters of fault region segmentation method for infrared images of substation based on K-means clustering. Electrical Engineering, 2024, 25(11): 10-14.

链接本文:

https://dqjs.cesmedia.cn/CN/Y2024/V25/I11/10

[1] 赵勇军, 廖圣, 杨万锐, 等. 一起基于声学及红外成像检测技术的配电网架空绝缘导线缺陷案例分析[J]. 电气技术, 2022, 23(12): 95-99.
[2] 李玉齐, 朱琦文, 张健. 发电厂带电设备红外检测与故障诊断应用研究[J]. 电气技术, 2020, 21(1): 78-82, 85.
[3] 张小钒. 变电站绝缘子红外检测技术分析[J]. 电气技术, 2020, 21(11): 106-109, 113.
[4] 蒲天骄, 乔骥, 韩笑, 等. 人工智能技术在电力设备运维检修中的研究及应用[J]. 高电压技术, 2020, 46(2): 369-383.
[5] LIU Daoguang, LÜ Lixia, LIU Changliang, et al.Flame furnace in thermal power plant condition monitoring using SVM[C]//2009 Second International Conference on Intelligent Computation Technology and Automation, Changsha, China, 2009: 67-70.
[6] 李泽, 钱勇, 刘伟, 等. GIS局部放电光信号检测技术及光学图像诊断方法[J/OL]. 电工技术学报, 1-11[2024-08-27]. https://doi.org/10.19595/j.cnki.1000-6753.tces.232016.
[7] 张血琴, 周志鹏, 郭裕钧, 等. 不同材质绝缘子污秽等级高光谱检测方法研究[J]. 电工技术学报, 2023, 38(7): 1946-1955.
[8] YAN Nannan, ZHOU Taiji, GU Chunjie, et al.Bimodal-based object detection and instance seg-mentation models for substation equipments[C]// IECON 2020 the 46th Annual Conference of the IEEE Industrial Electronics Society, Singapore, 2020: 428-434.
[9] 吴合风, 王国伟, 万造君, 等. 基于改进YOLOv8s的配电设备红外目标检测模型[J]. 电气技术, 2024, 25(3): 18-23.
[10] 林丽霞, 吴悦园. 基于改进YOLOv7的电力设备红外过热缺陷检测方法[J]. 电气技术, 2024, 25(1): 42-47.
[11] 杨帆, 王梦珺, 谭天, 等. 基于目标像素宽度识别的电力设备红外成像单目测距改进算法[J]. 电工技术学报, 2023, 38(8): 2244-2254.
[12] 董懿飞, 舒胜文, 陈诚, 等. 基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法[J]. 电气技术, 2021, 22(11): 73-79.
[13] LLOYD S.Least squares quantization in PCM[J]. IEEE Transactions on Information Theory, 1982, 28(2): 129-137.
[14] 带电设备红外诊断应用规范: DL/T 664—2016[S]. 北京: 中国电力出版社, 2016.
[15] 肖懿, 罗丹, 蒋沁知, 等. 基于温度概率密度的变电站高压设备故障热红外图像识别方法[J]. 高电压技术, 2022, 48(1): 307-318.