《表1 设备与异常区域类别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进SSD的电力设备红外图像异常自动检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

收集的部分红外图像源于不同时期多种图像处理模块不完善的旧式红外热像仪，其红外图像不清晰、噪点多，不利于建立较好质量的统一典型故障电力设备红外图像数据集，有必要对原始数据进一步统一预处理。对原始数据集使用C++编程调用OpenCV库，批量做去噪、图像增强预处理。将预处理后的图像统一裁剪为480×480px大小，并标注图像中发热异常区域的坐标与类别标签。异常区域为红外图像上可见明显黄白色高热区域，这些区域为温度较高的点、团、条、圆盘状等不规则形状，难分类为一类异常。考虑设备发热异常且不同时期异常区域大小不一，并受ImageNet比赛中计算分类网络top5准确率的评估方法启发，将这些黄白色高热红外图像异常区域分为七类，分别标注，若检测到top6类中的一类异常都算对故障异常区域分类正确，检测到第7类则为待观察难例类，大大降低了算法对异常区域的分类难度，也解决了普通单一异常检测算法无法检测这些复杂形态发热区域的难点，同时兼顾难例。再对六类异常区域分类，1～3类为一类故障，发热区域多为点、短条、小盘状；4～6类故障为二类故障。在实际机器人巡检应用中将与设温度报警阈值的检测方法配合使用，更具稳定性、直观性。其中数据标注过程如图2所示，设备与异常区域类别见表1。