买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜湖南奕坤科技有限公司申请的专利基于计算机视觉的电柜故障快速检测方法、装置及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117726875B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311772401.4，技术领域涉及：G06V10/764；该发明授权基于计算机视觉的电柜故障快速检测方法、装置及系统是由危新;赵卫国;殷慧;危欢设计研发完成，并于2023-12-21向国家知识产权局提交的专利申请。

本基于计算机视觉的电柜故障快速检测方法、装置及系统在说明书摘要公布了：本发明公开了基于计算机视觉的电柜故障快速检测方法、装置及系统，所述装置，包括图像采集模块、噪声分离模块、故障区域标记模块、最优阈值确定模块、故障区域确定模块、连通区域分割模块、真实故障区域判定模块、模型训练模块和故障检测模块。本发明属于电柜故障检测技术领域，具体是指基于计算机视觉的电柜故障快速检测方法、装置及系统，本方案能够快速有效地将高频条纹噪声和低频热辐射噪声从红外图像中分离出来，有效地提高了红外图像的质量，从而适用于对图像质量和处理速度都有严格要求的场合，同时，本方案能够准确定位故障区域，且通用性极高，从而极大地提高了故障检测的准确率和效率。

本发明授权基于计算机视觉的电柜故障快速检测方法、装置及系统在权利要求书中公布了：1.基于计算机视觉的电柜故障快速检测方法，其特征在于，包括：步骤S1：图像采集，并构建图像数据集，具体为，采集各种类别的配电柜内部红外图像，并利用配电柜内部红外图像和配电柜内部红外图像的类别构建配电柜内部红外图像数据集；步骤S2：噪声分离，具体为，将高频条纹噪声和低频热辐射噪声从配电柜内部红外图像数据集中的配电柜内部红外图像中分离，得到剔除高频条纹噪声和低频热辐射噪声的红外图像；步骤S3：故障区域标记，具体为，将剔除高频条纹噪声和低频热辐射噪声的红外图像转换为HSV颜色空间图像，对HSV颜色空间图像进行聚类操作和归一化操作，并将满足约束条件的像素点标记为故障区域像素点，得到HSV颜色空间故障图像；步骤S4：确定最优阈值，具体为，通过OTSU算法确定HSV颜色空间故障图像的V通道的最优阈值；步骤S5：确定故障区域，具体为，根据最优阈值进行二值化处理，得到二值V通道图像，对二值V通道图像进行形态学的闭运算，得到故障区域；步骤S6：连通区域分割，具体为，通过连通组件分析算法将二值V通道图像分割成多个连通区域；步骤S7：真实故障区域判定，具体为，遍历每个的连通区域，若连通区域与故障区域的交集面积大于0.8倍的故障区域的面积，则将该连通区域设置真实故障区域，得到真实故障区域图像，根据真实故障区域图像和真实故障区域图像的类别构建真实故障区域图像数据集；步骤S8：模型训练，具体为，将真实故障区域图像数据集输入至引入残差网络结构的R-FCN网络模型进行训练，得到故障检测模型；所述引入残差网络结构的R-FCN网络模型包括预训练的卷积神经网络、全卷积网络、残差网络结构、ROI池化层、分类层和回归层；所述预训练的卷积神经网络提取输入的真实故障区域图像数据集的特征图，并将特征图发送至全卷积网络；所述全卷积网络通过引入残差网络结构，将特征图转换为密集的类别分数图和位置回归图，将密集的类别分数图发送至分类层，将位置回归图发送至回归层；所述全卷积网络通过在特征图上滑动一个固定大小的窗口来生成若干个ROI，所述ROI为感兴趣区域；所述ROI池化层对ROI进行映射，得到池化后的ROI特征图，并将池化后的ROI特征图发送至并行的分类层和回归层；所述分类层和所述回归层均为全连接层，所述分类层输出每个ROI属于不同类别的概率分布和真实标签；所述回归层输出每个ROI的边界框坐标调整和真实标签；步骤S9：故障检测，具体为，通过故障检测模型进行故障检测，得到故障类型、故障等级和故障位置；在步骤S2中，所述噪声分离的步骤，包括：步骤S21：分离高频条纹噪声；步骤S22：分离低频热辐射噪声；在步骤S21中，所述分离高频条纹噪声的步骤，包括：步骤S211：对配电柜内部红外图像进行二维离散小波变换，具体为，通过数字滤波器和下采样器实现二维离散小波变换，并通过多次迭代得到包含低频分量和高频分量的近似图像和详细图像；步骤S212：计算小波系数，具体为，根据包含低频分量和高频分量的近似图像和详细图像，计算小波变换的每个尺度空间中的垂直分量的小波系数、水平分量的小波系数和对角线分量的小波系数，所述小波变换的每个尺度空间中的垂直分量的小波系数、水平分量的小波系数和对角线分量的小波系数的计算公式为： ； ； ；式中，、和分别表示小波变换的第j个尺度空间中的垂直分量的小波系数、水平分量的小波系数和对角线分量的小波系数，M表示图像的行数，N表示图像的列数，m表示图像的行索引，n表示图像的列索引，表示对图像的所有像素点进行求和操作，表示第j层尺度空间的前一层尺度空间的近似图像，、和分别表示小波变换的第j个尺度空间中的垂直分量的小波函数、水平分量的小波函数和对角线分量的小波函数；步骤S213：根据小波系数分离出高频条纹噪声，具体为，根据小波变换的每个尺度空间中的垂直分量的小波系数、水平分量的小波系数和对角线分量的小波系数，采用聚类分析算法对高频条纹噪声进行分离，得到剔除高频条纹噪声的红外图像；在步骤S213中，所述根据小波系数分离出高频条纹噪声的步骤，包括：步骤S2131：根据小波变换的每个尺度空间中的垂直分量的小波系数、水平分量的小波系数和对角线分量的小波系数进行聚类，将相似的小波系数归为同一类别，得到聚类结果；步骤S2132：根据聚类结果，提取出属于高频条纹噪声的小波系数，得到高频条纹噪声图像；步骤S2133：将配电柜内部红外图像与高频条纹噪声图像进行相减操作，得到剔除高频条纹噪声的红外图像；在步骤S22中，所述分离低频热辐射噪声的步骤，包括：步骤S221：对剔除高频条纹噪声的红外图像进行小波域变换，得到低频分量；步骤S222：通过贝塞尔曲面拟合算法对低频分量进行近似估计，得到贝塞尔曲面；步骤S223：引入噪声强度系数，并根据贝塞尔曲面构建校正模型，所述校正模型的公式为： ；式中，b表示校正后的图像，表示噪声强度系数，表示乘法运算，表示贝塞尔曲面；步骤S224：计算噪声强度系数，具体为，通过最小化能量函数确定噪声强度系数，所述噪声强度系数的计算公式为： ； ；式中，表示噪声强度系数，表示的能量函数，表示最小化的能量函数，b表示校正后的图像，mean表示计算图像每列的平均值，得到一维数组，std表示计算一维数组的标准差，表示计算图像的梯度，I表示剔除高频条纹噪声的红外图像；步骤S225：在范围内，采用步长为0.1的直接搜索方法，得到最优的噪声强度系数；步骤S226：将最优的噪声强度系数代入校正模型，以剔除低频热辐射噪声，得到剔除高频条纹噪声和低频热辐射噪声的红外图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南奕坤科技有限公司，其通讯地址为：412007 湖南省株洲市天元区马家河街道仙月环路899号新马动力创新园6.1期5栋202厂房；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。