电力变压器过热区域的智能红外图像定位方法

摘要

电力变压器的红外图像通常包含了复杂的组件和接线形式，这些元素在图像中呈现出不同的温度分布。传统方法依赖固定温度阈值识别过热区域，虽快速但精度不高，对于遮挡部分的过热区域难以区分，导致定位结果不够精确。为此，本文提出一种基于全局协方差矩阵的智能红外图像定位方法，精确识别电力变压器的过热区域。该方法利用可扩展矢量图形(scalable vector graphics, SVG)定义过热区域特征，并通过卷积神经网络(convolutional neural networks, CNN)学习这些特征以识别过热候选区域。设计标定窗口与CNN识别的候选区域匹配，初步确定过热区域位置。为进一步提高定位精度，使用全局协方差矩阵来分析红外图像中温度分布的统计特性，推导出包括遮挡部分在内的过热区域精确边界，从而实现过热区域的精确定位。实验结果显示，本文方法通过SVG技术精确标定过热区域，克服了同类型变压器地物标签重叠问题，显著提高了定位精度。全局协方差矩阵的应用确保了全面捕捉温度分布信息，减少误判，为电力变压器故障预警提供了有力支持。

关键词

可扩展矢量图形 / 过热区域特征 / 卷积神经网络 / 全局协方差矩阵 / 过热区域边界