基于AI前置技术的电力设备双光智能视觉测温方法、系统、设备及存储介质与流程

本发明涉及智能视觉测温技术，尤其涉及一种基于ai前置技术的电力设备双光智能视觉测温方法、系统、设备及存储介质。

背景技术：

1、随着新能源场站(如风电、光伏发电等)的快速发展，新能源场站中的设备日益复杂，且运行环境通常包括狭小的监测空间和有限的视野。常见的图像采集技术有可见光成像和红外热成像，但二者各有优缺点：可见光成像在细节表现上具有优势，但难以穿透遮挡物；红外热成像则能够穿透遮挡物，但图像的细节表现较差。此外，传统的后端处理方案对计算资源的要求较高，处理速度较慢，影响了系统的实时性和精度。

技术实现思路

1、针对现有技术存在的问题，本发明的目的是提供一种结合双光成像技术和ai前置技术，能够提高图像质量和数据处理效率的基于ai前置技术的电力设备双光智能视觉测温方法、系统、设备及存储介质。

2、为了实现上述发明目的，本发明提供了如下技术方案：

3、一种基于ai前置技术的电力设备双光智能视觉测温方法，包括：

4、获取目标范围的彩色照片和红外图像；

5、对彩色照片和红外图像进行空间坐标对齐；

6、对彩色照片进行直方图均衡化处理，得到均衡彩色照片；

7、将红外图像中各像素点上的温度转换到彩色空间，得到彩色温度图像；

8、将均衡彩色照片和彩色温度图像融合为增强图像；

9、采用ai模型对增强图像进行目标检测，其中，所述ai模型用于识别增强图像中每个目标；

10、对于识别出的每个目标，按照目标在增强图像中显示的色彩，进行温度异常分析和状态识别。

11、进一步的，所述对彩色照片进行直方图均衡化处理，得到均衡彩色照片，具体包括：

12、按照下式对彩色照片进行直方图均衡化处理，得到均衡彩色照片：

13、

14、式中，igs,vis(x,y)表示均衡化处理前彩色照片上坐标(x,y)的像素点，iegs,vis(x,y)表示均衡彩色照片上坐标(x,y)的像素点，cdf()表示累计分布函数，cdfmin表示最低累计分布值，l表示灰度级数，h和w代表彩色照片水平方向的长度和垂直方向的长度。

15、进一步的，所述将红外图像中各像素点上的温度转换到彩色空间，得到彩色温度图像，具体包括：

16、将红外图像中各像素点上的温度按照下式转换到彩色空间，得到彩色温度图像：

17、

18、式中，imgs,ir(x,y)表示彩色温度图像中坐标(x,y)的像素点，tgs,vir(x,y)表示映射前的红外图像igs,ir中坐标(x,y)的像素点的温度，tmax、tmin分别表示映射前的红外图像中所有像素点的最高、最低温度，colormap()表示彩色空间映射函数。

19、进一步的，所述将均衡彩色照片和彩色温度图像融合为增强图像，具体包括：

20、按照下式提取将均衡彩色照片的图像特征和彩色温度图像的图像特征：

21、fegs,vis＝sf(iegs,vis)

22、fmgs,ir＝sf(imgs,ir)

23、式中，fegs,vis表示均衡彩色照片iegs,vis的图像特征，fmgs,ir表示彩色温度图像imgs,ir的图像特征，sf()表示图像特征提取算法；

24、按照下式估计转换矩阵r：

25、

26、式中，fegs,vis(i)、fmgs,ir(i)分别表示fegs,vis、fmgs,ir中第i个特征点；

27、根据转换矩阵r对彩色温度图像进行图像配准：

28、ihmgs,ir＝r·imgs,ir

29、式中，ihmgs,ir表示图像配准后的彩色温度图像；

30、对均衡彩色照片和图像配准后的彩色温度图像进行图像融合，得到增强图像：

31、ifused＝α·iegs,vis+(1-α)ihmgs,ir

32、式中，ifused表示增强图像，α是权重参数。

33、进一步的，所述ai模型包括：

34、图像输入与预处理模块，用于将输入的增强图像归一化到预设范围内；

35、特征提取模块，用于使用卷积神经网络提取增强图像的高维特征，并生成高维特征图；

36、网格划分模块，用于将高维特征图划分为若干网格；

37、边界框预测模块，用于预测每个网格的边界框及其置信度：

38、类别预测模块，根据置信度对每个边界框预测目标所属的类别，所述类别为预先划分好的温度范围类别。

39、进一步的，所述对于识别出的每个目标，按照目标在增强图像中显示的色彩，进行温度异常分析和状态识别，具体包括：

40、对于识别出的每个目标，查看其在增强图像中显示的色彩，从而获取该目标的温度，并标记处该目标超出温度阈值的区域：

41、ak＝{(x,y)|tk(x,y)>tth}

42、式中，tth表示温度阈值，ak表示目标k超出温度阈值的区域，tk(x,y)表示目标k坐标(x,y)的像素点的温度；

43、获取目标的状态，输出状态标签s；

44、综合温度和状态信息，生成预警信号：

45、e＝f(ak,s)

46、式中，e表示预警信号，f是预警判别逻辑。

47、一种基于ai前置技术的电力设备双光智能视觉测温系统，包括：

48、同步对比模块，用于对彩色照片和红外图像进行空间坐标对齐；

49、均衡处理模块，用于对彩色照片进行直方图均衡化处理，得到均衡彩色照片；

50、温度映射模块，用于将红外图像中各像素点上的温度转换到彩色空间，得到彩色温度图像；

51、图像融合模块，用于将均衡彩色照片和彩色温度图像融合为增强图像；

52、目标检测模块，用于采用ai模型对增强图像进行目标检测，其中，所述ai模型用于识别增强图像中每个目标；

53、温度分析模块，用于对于识别出的每个目标，按照目标在增强图像中显示的色彩，进行温度异常分析和状态识别。

54、进一步的，所述均衡处理模块具体用于按照下式对彩色照片进行直方图均衡化处理，得到均衡彩色照片：

55、

56、式中，igs,vis(x,y)表示均衡化处理前彩色照片上坐标(x,y)的像素点，iegs,vis(x,y)表示均衡彩色照片上坐标(x,y)的像素点，cdf()表示累计分布函数，cdfmin表示最低累计分布值，l表示灰度级数，h和w代表彩色照片水平方向的长度和垂直方向的长度。

57、进一步的，所述温度映射模块具体用于将红外图像中各像素点上的温度按照下式转换到彩色空间，得到彩色温度图像：

58、

59、式中，imgs,ir(x,y)表示彩色温度图像中坐标(x,y)的像素点，tgs,vir(x,y)表示映射前的红外图像igs,ir中坐标(x,y)的像素点的温度，tmax、tmin分别表示映射前的红外图像中所有像素点的最高、最低温度，colormap()表示彩色空间映射函数。

60、进一步的，所述图像融合模块具体包括：

61、特征提取单元，用于按照下式提取将均衡彩色照片的图像特征和彩色温度图像的图像特征：

62、fegs,vis＝sf(iegs,vis)

63、fmgs,ir＝sf(imgs,ir)

64、式中，fegs,vis表示均衡彩色照片iegs,vis的图像特征，fmgs,ir表示彩色温度图像imgs,ir的图像特征，sf()表示图像特征提取算法；

65、转换矩阵计算单元，用于按照下式估计转换矩阵r：

66、

67、式中，fegs,vis(i)、fmgs,ir(i)分别表示fegs,vis、fmgs,ir中第i个特征点；

68、图像配准单元，用于根据转换矩阵r对彩色温度图像进行图像配准：

69、ihmgs,ir＝r·imgs,ir

70、式中，ihmgs,ir表示图像配准后的彩色温度图像；

71、对均衡彩色照片和图像配准后的彩色温度图像进行图像融合，得到增强图像：

72、ifused＝α·iegs,vis+(1-α)ihmgs,ir

73、式中，ifused表示增强图像，α是权重参数。

74、进一步的，所述温度分析模块具体包括：

75、异常检测单元，用于对于识别出的每个目标，查看其在增强图像中显示的色彩，从而获取该目标的温度，并标记处该目标超出温度阈值的区域：

76、ak＝{(x,y)|tk(x,y)>tth}

77、式中，tth表示温度阈值，ak表示目标k超出温度阈值的区域，tk(x,y)表示目标k坐标(x,y)的像素点的温度；

78、状态获取单元，用于获取目标的状态，输出状态标签s；

79、预警单元，用于综合温度和状态信息，生成预警信号：

80、e＝f(ak,s)

81、式中，e表示预警信号，f是预警判别逻辑。

82、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述方法。

83、一种计算机可读存储介质，其上存储有计算机程序/指令，所述计算机程序/指令在由处理器执行时实现上述方法。

84、本发明与现有技术相比，其有益效果是：本发明在图像融合前，对彩色照片和红外图像分别进行了处理，使得融合后的增强图像更能体现图像特征，增加检测结果准确性，提高了可视化后的图像质量，采用ai模型识别增强图像中的目标，提高了数据处理效率。