(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210436257.6 (22)申请日 2022.04.25 (65)同一申请的已公布的文献号 申请公布号 CN 114548446 A (43)申请公布日 2022.05.27 (73)专利权人 国网山东省电力公司潍 坊市寒亭 区供电公司 地址 261100 山东省潍坊市寒亭区民主街 4635号 专利权人 国网山东省电力公司潍 坊供电公 司 (72)发明人 宋德平　张永峰　徐子华　孟令虎　 马慧　齐幸坤　孙晓飞　(74)专利代理 机构 济南舜源专利事务所有限公 司 37205 专利代理师 徐胭脂 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 50/06(2012.01) G06V 20/00(2022.01) G06V 10/143(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) (56)对比文件 任重等.基 于离散平稳小 波变换的图像融合 方法. 《传感器与微系统》 .2020,(第08 期), 审查员 欧晓丹 (54)发明名称 一种基于人工智能的电力设备检测系统及 方法 (57)摘要 本申请公开了一种基于人工智能的电力设 备检测系统及方法， 主要涉及设备检测技术领 域， 用以解决现有的红外图像检测运行障碍存在 较大误差的技术问题。 包括： 红外预警模块， 用于 获得红外图像对应的频谱数据； 确定红外图像对 应的电力设备是否出现运行故障； 图像匹配模 块， 用于将可见光图像以及红外图像导入SIFT 算 法， 完成电力设备、 可见光图像以及红外图像的 匹配； 图像融合模块， 用于确定主频权重赋值， 进 而获取融合图像的融合主 频数据； 获得融合图像 的融合次频数据， 以获得融合图像， 发送融合图 像至人员监控端。 本申请通过上述方法实现了实 现快速检测是否出现设备事故， 避免了过度依赖 红外成像导 致故障点定位 不准确的技 术问题。 权利要求书2页 说明书5页 附图1页 CN 114548446 B 2022.08.02 CN 114548446 B 1.一种基于人工智能的电力设备检测系统， 其特 征在于， 所述系统包括： 红外预警模块， 用于获取红外采集设备上传的红外 图像， 对所述红外 图像进行变换域 处理， 以获得 红外图像对应的频谱数据； 基于所述频谱数据的波动峰值， 确定红外图像对应 的电力设备 是否出现运行故障， 以生成故障指令发送至维护终端， 或生成图片融合指令； 图像匹配模块， 用于基于所述图片融合指令， 获取图像采集设备上传的可见光图像； 将 可见光图像以及红外图像导入SIFT算法， 提取区域图像特征； 通过区域图像特征匹配， 完成 电力设备、 可 见光图像以及红外图像的匹配； 图像融合模块， 用于将可见光图像及其对应的红外图像进行二维DCT转变， 基于转换后 的DCT变换矩阵， 确定可见光图像与红外图像对应的主频权重赋值， 进而获取融合图像的融 合主频数据； 获取可见光图像对应的D CT变换矩阵中第一次频数据以及红外图像对应的D CT 变换矩阵中第二次频数据； 确定第一次频数据与第二次频数据中绝对值最大的数据为融合 图像的融合次频数据， 进而对 所述融合主频数据以及所述融合次频数据进 行逆DCT转变， 以 获得融合图像， 发送所述融合图像至人员监控端。 2.根据权利要求1所述的基于人工智能的电力设备检测系统， 其特征在于， 所述红外预 警模块包 含频域变换 单元、 频域对比单 元； 所述频域变换 单元， 用于将红外图像进行傅里叶变换， 以获得对应的频谱数据； 所述频域对比单元， 用于基于频谱数据中的连续信号值， 生成数据曲线； 将所述数据曲 线与上一时间点生成的数据曲线进行拟合， 当拟合度低于预设阈值时， 确定对应的电力 设 备出现运行故障； 否则， 确定对应的电力设备运行正常。 3.根据权利要求1所述的基于人工智能的电力设备检测系统， 其特征在于， 所述图像融 合模块包括主频融合单 元； 所述主频融合单元， 用于将可见光图像及其对应的红外图像进行二维DCT转变， 获得第 一DCT变换矩阵和第二DCT变换矩阵； 进而获得次频数据和主频数据； 基于可见光图像以及 红外图像各自的主频数据， 计算可见光次频能量以及红外次频能量； 基于第一次频能量与 第二次频能量的比值， 确定可见光图像与红外图像对应的主频权重赋值， 进而获取融合图 像的融合主频 数据。 4.根据权利要求1所述的基于人工智能的电力设备检测系统， 其特征在于， 所述系统还 包括匹配校验 模块； 所述匹配校验模块， 用于获取可见光图像对应的第一预设抠取图像， 获取红外 图像对 应的第二预设抠取图像； 进而获取第一频域数据以及第二频域数据， 确定第一频域数据与 电力数据预存的第一标准数据是否符合， 以及确定第二频域数据与电力设备预存的第二标 准数据是否符合； 当都符合时， 确定校验成功； 当任一不符合时， 生成匹配报错信息发送至 人员监控端。 5.一种基于人工智能的电力设备检测方法， 其特 征在于， 所述方法包括： 获取红外采集设备上传的红外 图像， 对所述红外 图像进行变换域处理， 以获得红外 图 像对应的频谱数据； 基于所述频谱数据的波动峰值， 确定红外图像对应的电力 设备是否出 现运行故障， 以生成故障指令发送至维护终端， 或生成图片融合指令； 基于所述图片融合指令， 获取图像采集设备上传的可见光图像； 将可见光图像以及红 外图像导入SIFT算法， 提取区域图像特征； 通过区域图像特征匹配， 完成电力设备、 可见光权　利　要　求　书 1/2 页 2 CN 114548446 B 2图像以及红外图像的匹配； 将可见光 图像及其对应的红外图像进行二维DCT转变， 基于转换后的DCT变换矩阵， 确 定可见光图像与红外图像对应的主频权重赋值， 进而获取融合图像的融合主频数据； 获取 可见光图像对应的DCT变换矩阵中第一次频数据以及红外图像对应的DCT变换矩阵中第二 次频数据； 确定第一次频数据与第二次频数据中绝对值最大的数据为融合图像的融合次频 数据， 而对所述融合主频数据以及所述融合次频数据进行逆DCT转变， 以获得融合图像， 发 送所述融合图像至人员监控端。 6.根据权利要求5所述的基于人工智能的电力设备检测方法， 其特征在于， 基于所述频 谱数据的波动峰值， 确定红外图像对应的电力设备 是否出现运行故障， 具体包括： 基于频谱数据中的连续信号值， 生成数据曲线； 将所述数据曲线与上一时间点生成的 数据曲线进行拟合， 当拟合度低于预设阈值时， 确定对应的电力设备出现运行故障； 否则， 确定对应的电力设备运行正常。 7.根据权利要求5所述的基于人工智能的电力设备检测方法， 其特征在于， 用于将可见 光图像及其对应的红外图像进行二维DCT转变， 基于转换后的DCT变换矩阵， 确定可见光图 像与红外图像对应的主频权 重赋值， 进 而获取融合图像的融合主频 数据， 具体包括： 将可见光图像及其对应的红外图像进行二维DCT转变， 获得第一DCT变换矩阵和第二 DCT变换矩阵； 进而获得次频数据和主 频数据； 基于可见光图像以及红外图像各自的主 频数 据， 计算可见光次频能量以及红外次频能量； 基于第一次频能量与第二次频能量的比值， 确 定可见光图像与红外图像对应的主频权 重赋值， 进 而获取融合图像的融合主频 数据。 8.根据权利要求5所述的基于人工智能的电力设备检测方法， 其特征在于， 在通过区域 图像特征匹配， 完成电力设备、 可 见光图像以及红外图像的匹配之后， 所述方法还 包括： 获取可见光图像对应的第一预设抠取图像， 获取红外 图像对应的第二预设抠取图像； 进而获取第一频域数据以及第二频域数据， 确定第一频域数据与电力数据预存的第一标准 数据是否符合， 以及确定第二频域数据与电力 设备预存的第二标准数据是否符合； 当都符 合时， 确定校验成功； 当任一 不符合时， 生成匹配报错信息发送至人员监控端。权　利　要　求　书 2/2 页 3 CN 114548446 B 3