刘卫红，何勇，张贻飞，王梦宇，刘洋

（ 1.国网江西省电力有限公司吉安供电分公司，江西 吉安 343000；2.江西省南昌大学 信息工程学院，江西 南昌 310012 ）

0 引言

红外测温技术具有准确、高效、远距离、非接触等特点，在电力巡检中被广泛使用[1-2]。目前，电网无人值守变电站设备测温以手持红外测温仪为主，该种测温仪存在分辨率不足、测温灵敏度低、易漏检以及精度欠缺等问题。由于站点较多，网架复杂，巡检人员长时间手持设备体力耗费大，效率偏低。同时，手持测温仪无法记忆已检测的异常高温数据，不能实现智能诊断，易造成复查疏漏等问题。随着电力工业飞速发展，电力系统日趋复杂，供电设备可靠性越显重要，保障供电可靠性的轻型红外巡检设备的市场需求也越来越迫切。本文提出了一种基于红外测温的智能诊断头盔设计方案，具备红外测温系统的监测及判别预警功能。

1 概述

一些国内外文献对运用于电力巡检的红外测温技术进行了相关研究。文献[3]研究了红外测温诊断技术的检测故障类型，列举了其在高压电力设备状态检修中的应用，但没有具体介绍红外测温诊断的细节。文献[4]设计了一种非接触矩阵式红外测温仪，将测温装置与无线传输技术组合在一起，有效扩大了测温范围，同时降低成本。文献[5]研究了一种基于深度学习的红外图像故障诊断方法，经实验证明显著提高了电力设备故障诊断速度和准确率，为变电站智能巡检提供了新途经和方法。文献[6]研究了一种对海量红外故障图像进行自动处理的可行方法，但没有考虑故障数据的存储和调用。文献[7]研究了一种基于改进YOLOv3的红外目标检测模型用于电力设备的监测与诊断，改进后的YOLOv3模型尽管在检测速度上相比原模型有所牺牲，但检测精度远高于其他模型。文献[8]构建了基于红外特征分析的在线故障诊断系统，利用改进的区域全卷积网络（R-FCN）实现故障区域的定位和运行状态的识别，使用OpenCV对定位故障区域进行二次诊断，较大程度提高了诊断精度。本文研究的红外测温智能诊断头盔目前已成功运用于变电站电力巡检中，能够实现头戴式自动测温和智能诊断，提高故障判别效率。

2 红外图像处理算法

2.1 产生机理及缺陷

红外热成像技术是将被测物体的红外辐射转换为可见光图像的一种技术，通过红外探测器接收被测物体的不同部分温度差及发射率差，经过信号转换、信号放大、图像处理优化和图像显示等一系列环节后形成并展现在显示屏上的红外图像。

红外图像具有如下特点：

1）对比度低，视觉效果模糊

与可见光图像不同，红外热像仪成像不随周围光照条件变化而发生明暗改变，其原理是利用被测目标和周围环境的温差或热辐射差成像。一般情况下被测目标与环境温差较小，通过一系列转换路径后图像变得模糊，不利于人眼观察。

2）噪声较多，来源复杂

红外图像噪声组成复杂，包括来自环境的随机噪声和探测器材料的固定噪声。噪声使红外探测器的分辨能力降低，红外探测器主要噪声源包括光子噪声、1/f噪声、热噪声、放大器噪声等。随机噪声除随机颗粒噪声外，还包括带状噪声。

3）具有非均匀性，图像出现畸变或亮斑

红外图像的非均匀性也是红外焦平面阵列的非均匀性，一般体现为图像上的不规则条纹。由于工艺水平的限制，焦平面阵列上每个探测器的响应率不可能完全一致，这将导致红外成像系统即使在均匀背景辐射下输出的图像亮度也会分布不均，可能出现许多条纹或亮斑，严重时可导致目标图像畸变。

2.2 算法研究及改进

由于红外探测器工艺水平限制和环境干扰，未经处理的红外图像普遍存在噪声多、对比度低、具有非均匀性等缺点，因此对红外图像的实时处理关键应着重于图像去噪、图像增强和非均匀性校正等算法的研究。当前大多红外图像处理算法计算量较大，实现成本较高，不适用于工程应用。本文在改善图像质量的前提下，对现有算法进行优化改进，使之更易在头盔硬件模块上实现。红外图像处理流程如图1所示。

图1 红外图像处理流程图

从图1可以看出，检测对象被红外探测器捕捉至图像显示经过一系列过程：光学信号经红外焦平面转化为电信号，经数模转换为模拟信号，现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）中进行图像的后续处理（图像去噪、图像增强、灰度变换等），最后再转化为标准视频信号显示在小型数据可视终端上。由于图像增强和灰度变换不是本文的重点，在此不多讨论。

1）图像去噪

常见的图像去噪方法有均值滤波、中值滤波、小波去噪等，综合考虑去噪效果和算法复杂程度后，本文在原有的中值滤波算法上进行简化改进，以提升处理速度。改进的中值滤波算法原理如图2所示。具体步骤如下：

图2 改进的中值滤波算法原理

（1）从3×4的目标图像中取3×3模板作为窗，通过平移可得两个窗内对角线上的像素值分别为M1、P1、N2、M3、P3和N1、Q1、

P2、N3、Q3。

（2）比较（1）中两条对角线像素值的大小，分别得出统计中值:X_o1和X_o2。

（3）将（2）中得到的统计中值X_o1和X_o2分别与剩下的两个像素M2和Q2进行比较，得出中值X1和X2。

（4）将X1和X2替换窗内的N2和P2，完成中值滤波过程。

对上述算法进行仿真验真得到改进的中值滤波算法处理效果如图3所示。通过对比三幅图像可以看到，改进的中值滤波算法在处理加噪图像时，既能保证图像清晰度又消除了大部分图像噪声，且算法复杂度降低了一半，更适用于头盔硬件模块的实装。

图3 改进的中值滤波算法处理效果图

2）伪彩色算法

经过前期处理的红外图像属于灰度图像，需要进行伪彩色变换更利于直观判断温度异常点。结合红外头盔测温硬件小巧轻便的要求，本文提出了一种改进的伪彩色处理算法，具体映射关系如下：

式中，R、G、B分别代表图像的红、绿、蓝三色分量，t为图像灰度级阈值，改进的伪彩色变换的映射关系如图4所示。

图4 改进的伪彩色变换的映射关系

按上述改进的伪彩色变换算法对红外图像进行仿真处理，伪彩色变换处理效果如图5所示，可以看到，图案色彩变化连续，细节清晰易于分辨温度异常点。

图5 伪彩色变换处理效果图

3 系统设计

设计由红外测温头盔端、小型数据可视终端、电力巡检管理系统端3个模块及架构组成的红外测温系统。该系统3个模块间的数据流向如图6所示。

图6 现场数据流向

3.1 红外测温头盔设计

考虑到头盔在实际使用中需要满足视野开阔、重量轻的要求，设计时将红外探测器安放在头盔顶部，有效避免了头盔和测量人员对测量仪器的遮挡。同时参考雷达转动机械结构，在红外探测器与头盔交界处设计并安装了可自动/手动模式控制的旋转连接机械结构，该机构旋转灵活且稳定。为增加现有头盔的利用率，扩大该成果的使用场景，减少制造成本，进一步设计了可拆卸式产品，装配时锁紧白条松紧扣，拆卸时松开白条松紧扣，从而实现了在不破坏头盔安全性能的前提下自由拆装。

红外图像处理模块搭载Altera公司的Cyclone V系列FPGA芯片处理器，温度测量范围-50℃～300℃。测温探头采用电池供电，数据传输方式为无线通信，测量的温度数据或图像可在本地存储1500条记录，通过无线网络传送至手持终端或者监控平台，对设备的运行状况进行评估，及时发现设备故障隐患，保障电网安全运行。

红外测温头盔的主要技术参数如表1所示：

表1 红外测温头盔的主要技术参数

红外测温头盔示意图见图7。

图7 红外测温头盔示意图

3.2 小型数据可视终端设计

小型数据可视终端自动存储并分析从红外测温头盔接收的设备发热信息，其驱动终端内置操作人员信息识别、设备类型识别、环境温度识别等自动识别功能，上述信息结合红外测温图像通过通信模块传送至电力巡检管理系统，生成判别及预测报告单。小型数据可视终端具体界面如图8所示。

图8 小型数据可视终端示意图

4 实践应用

为验证红外测温智能诊断头盔的实用性与有效性，选择某一变电站为应用场景进行现场测试，现场巡检情况如图9所示。巡检人员佩戴测温头盔巡视过程中，红外探头可自动360°旋转，无需反复抬头、矫正，温度过高时手持终端自动报警，准确定位故障点坐标。

图9 现场巡检图

变电站设备在运行过程中常出现异常，通过电力巡检管理系统可迅速准确检测并记录设备发热异常及事故，如图10所示。

图10 电力巡检管理系统界面图

5 结语

红外测温智能诊断头盔在某变电站巡检过程中成功应用后，变电巡检人员普遍反映测温头盔使用方便快捷，结果显示准确明了，大幅减少发热故障判别及上报时间，使作业人员的巡检巡视作业更加高效和安全，减轻了巡检人员的劳动强度。另一方面也降低漏报、错报率，能够实现头戴式自动测温和智能诊断，有效保障电力设备安全运行。本文设计的基于红外测温的智能诊断头盔充分考虑了电力巡检的现状，有效提高电网无人值守变电站巡检效率，达到了设计的初衷。