袁 刚，许志浩，康 兵，罗 吕，张文华，赵天成

基于DeepLabv3+网络的电流互感器红外图像分割方法

袁 刚1，许志浩1，康 兵1，罗 吕1，张文华1，赵天成2

（1. 南昌工程学院 电气工程学院，江西 南昌 330099；2. 国网吉林省电力有限公司电力科学研究院，吉林 长春 130021）

红外图像智能分析是变电设备故障诊断的一种有效方法，目标设备分割是其关键技术。本文针对复杂背景下电流互感器整体分割难的问题，采用基于ResNet50的DeepLabv3＋神经网络，用电流互感器的红外图像训练语义分割模型的方法，对收集到的样本采用限制对比度自适应直方图均衡化方法实现图像轮廓增强，构建样本数据集，并运用图像变换扩充样本数据集，搭建语义分割网络训练语义分割模型，实现电流互感器像素与背景像素的二分类。通过文中方法对420张电流互感器红外图像测试，结果表明，该方法的平均交并比（Mean Intersection over Union, MIoU）为87.5%，能够从测试图像中精确分割出电流互感器设备，为后续电流互感器的故障智能诊断做铺垫。

红外图像；电流互感器；ResNet50；DeepLabv3＋；语义分割

0 引言

在变电设备红外图像分析的过程中，高质量的图像能简化故障诊断算法流程。然而，真实的变电站场景复杂，背景干扰大，拍摄的红外图像成像质量低；此外，某些红外热像仪还自带标记，红外图像中的比色条、热像仪logo、温度标签等覆盖了图像中部分温度信息，造成数据污染，增加了变电设备故障诊断难度[1]。当前基于红外图像变电设备故障自动诊断主要分为3步：查找感兴趣区域（Region of Interest，ROI）、特征提取和状态分类[2]。……