- 頭條華電學者提出電氣設備紅外圖像超分辨率故障辨識的新方法2022-04-17 作者：謝慶、楊天馳 等 | 來源：《電工技術學報》 | 點擊率：導語新能源電力系統國家重點實驗室（華北電力大學）的科研人員謝慶、楊天馳、裴少通、謝軍、律方成，在2021年第21期《電工技術學報》上撰文，針對現有紅外圖像分辨率低、清晰度差，易影響基于紅外圖像的電氣設備故障檢測效果的缺點，提出一種基于多尺度協作模型的電氣設備紅外圖像超分辨率故障辨識方法。
對電氣設備運行狀態進行有效監測并對其故障進行準確診斷可有效提高電力系統安全穩定性。紅外檢測技術因其直觀高效、安全非接觸等優點在電氣設備故障檢測及診斷中得到廣泛應用。然而，受硬件發展水平制約，現有紅外熱成像儀捕獲的紅外圖像通常存在空間分辨率低、清晰度差等缺點，使得基于紅外圖像的電氣設備故障檢測結果可信度較低。
受傳輸帶寬、存儲空間及感光元件等諸多限制，直接通過提高硬件水平以提升紅外圖像分辨率的方法難度較大、成本較高。為提高基于紅外圖像的電氣設備故障檢測效果，亟需提出一種切實有效的電氣設備紅外圖像分辨率提升方法，并實現基于紅外圖像的電氣設備故障精準辨識。
隨著人工智能技術的發展，基于深度學習的數字圖像目標檢測算法被廣泛應用于電氣設備故障檢測中。然而，目標檢測算法主要由海量數據驅動，圖像質量會直接影響模型表達能力，現有紅外圖像存在空間分辨率低等問題，嚴重影響了目標檢測模型的泛化能力。
圖像超分辨率重建可基于軟件方法將低分辨率圖像重建為高分辨率圖像，該理論的提出為圖像質量提升提供了新的低成本解決方案。針對圖像超分辨率重建技術，Tong Tong等將密集連接結構應用于超分辨率網絡，實現了圖像多層特征高效融合；Zhang Yulun等將殘差稠密塊結構應用于超分辨率網絡，實現了圖像局部特征的高效提取。但上述方法在提高分辨率的同時丟失了原有圖像的細節特征。
為此，感知損失函數及生成對抗網絡被應用于超分辨率重建中，上述方案提高了圖像局部清晰度，但卻降低了圖像整體信噪比。在電力系統中，超分辨率重建技術已開始應用。陳智雨等、白萬榮等分別采用超分辨率重建技術實現了電力線路及絕緣子的可視化檢測，提高了故障檢測效果。
然而，上述方法構建的超分辨率重建網絡均采用單一尺度卷積核，但是電氣設備種類繁多、大小不一，且電氣設備紅外拍攝角度及拍攝距離多變，使得電氣設備紅外圖像待分析區域尺度多變，采用單一尺度卷積核會影響電氣設備紅外圖像超分辨率重建結果。
據此，新能源電力系統國家重點實驗室（華北電力大學）的科研人員提出一種基于多尺度協作模型的電氣設備紅外圖像超分辨率故障辨識方法，該方法通過超分辨率重建提升原始紅外圖像分辨率，結合深度學習目標檢測算法實現電氣設備紅外圖像故障辨識。
圖1 電氣設備故障超分辨率辨識方法結構
科研人員構建一種了基于多尺度協作模型（Multi-Scale Collaboration Block，MSCB）的紅外圖像超分辨率重建網絡，該網絡以生成對抗網絡為核心，通過引入多尺度協作模型及雙通道結構，提高超分辨率重建網絡對電氣設備紅外圖像適應性，并優化重建效果。在實現紅外圖像超分辨率重建基礎上，結合深度學習目標檢測方法，建立電氣設備紅外圖像超分辨率故障辨識模型。
圖2 樣本超分辨率前后故障辨識對比
表1 各方法故障辨識效果對比
他們針對所提的方法進行了實驗驗證，實驗結果表明：
1）多尺度協作模型可提高對電氣設備紅外圖像的適用性，雙通道結構可兼顧紅外圖像高、低頻信息，改進超分辨率重建網絡。本方法可有效提高紅外圖像超分辨率重建效果，且PSNR、SSIM值可分別提高至27.26dB、0.8283。
2）利用紅外圖像超分辨率重建結果，結合深度學習目標檢測算法，可顯著提高電氣設備紅外圖像的故障辨識效果。利用本方法進行超分辨率重建后，可降低故障辨識結果的誤判率及漏檢率，并提高故障辨識結果的置信度及定位精度。經計算，本方法可使mAP、mAR、mAC和mAIOU值平均相對提高19.34%、19.14%、11.83%和25.03%。
本文編自2021年第21期《電工技術學報》，論文標題為“基于多尺度協作模型的電氣設備紅外圖像超分辨率故障辨識方法”，作者為謝慶、楊天馳 等。
