(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210511362.1 (22)申请日 2022.05.12 (71)申请人 山东通广电子有限公司 地址 255000 山东省淄博市张店区房镇 镇 三赢路西首科技工业园创业园研发楼 东区807 (72)发明人 李锋　王维良　曹金京　穆明亮　 (74)专利代理 机构 青岛发思特专利商标代理有 限公司 37212 专利代理师 孙佩佩 (51)Int.Cl. G01N 21/95(2006.01) G01J 5/48(2006.01) G01J 5/70(2022.01) G01J 5/07(2022.01)G01J 5/0875(2022.01) G01J 5/05(2022.01) G01D 21/02(2006.01) H02J 13/00(2006.01) G06N 3/04(2006.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 5/40(2006.01) G06T 7/00(2017.01) (54)发明名称 一种基于深度学习的变电设备目标及缺陷 智能检测设备 (57)摘要 本发明公开了一种基于深度学习的变电设 备目标及缺陷智能检测设备， 本发 明涉及变电设 备检测技术领域， 包括由多状态量传感器、 多通 道信号同步采集系统、 高性能控制和数据处理系 统、 多模态数据通信系统和高可靠供电系统等五 个部分构成。 可实现可见光图像、 红外热成像、 局 部放电、 声音、 温度和湿度等关键状态量的综合 监测和自动分析， 是一套全 方位、 全时段、 全协同 的设备状态多参量感知预警装置。 本发明可把数 据及边缘计算分析结果通过以太网、 WIFI、 LoRa 等方式上传至接入节点， 或者通过4G移动通信网 络等方式发送至云平台服务器， 相关用户可通过 手机终端APP或者PC浏览器进行远程监测， 及时 掌握设备状态和预警信息 。 权利要求书2页 说明书6页 附图5页 CN 114609158 A 2022.06.10 CN 114609158 A 1.一种基于深度学习的变电设备目标及缺陷智能检测设备， 其特征在于， 包括后台终 端 （1） 和云台 （6） ， 所述云台 （6） 上安装有摄像终端， 所述摄像终端包括可见光采集器和红外 热成像仪； 所述摄像终端还包括多状态量传感器、 工控机和供电系统五个部分， 用以实现可见光 图像、 红外热成像、 局部放电、 声 音、 温度和湿度关键状态量的综合 监测和自动分析； 所述摄像终端把数据及边缘计算分析结果通过以太网/WIFI/LoRa上传至接入节点， 或 者通过4G移动通信网络方式发送至云平台服务器， 相关用户可通过手机终端APP或者PC浏 览器进行远程 监测， 及时掌握设备状态和预警信息 。 2.根据权利要求1所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于， 所述工控机 （5） 包括有数据采集系统 （51） 和数据储存模块 （52） 、 图像处理模块 （53） 、 显 示模块 （54） 、 预警模块 （55） 以及误差修正模块 （56） ， 所述数据采集系统 （51） 用于对热成像 仪 （7） 检测的图像数据进行采集， 所述数据储存模块 （52） 用于对数据采集系统 （51） 采集后 的图像数据进行储存， 所述图像处理模块 （53） 用于采集的图像数据进行预处理， 所述显示 模块 （54） 用于对预处理后的图像数据进行显示， 所述误差修正模块 （56） 用于对显示的图像 数据进行修正， 先在预警模块 （55） 中设置好设备的正常工作的温度范围值， 当检测的范围 值超出预设值时， 所述预警模块 （55） 发生预警信号， 然后通过无线传输给后台终端 （1） 通知 后台人员。 3.根据权利要求2所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 所述图像处理模块 （53） 对图像数据预处理时， 先通过低通滤波器排除图像中高 频分量， 使其达到降噪效果， 接着通过对图像部分区域取均值进 行高频分量阻隔， 对图像进 行二次滤波处理， 之后通过灰度映射函数对图像的灰度直方图加以改变， 保证每一灰度均 有相同的像素点， 完成图像的预处 理工作。 4.根据权利要求1所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 所述误差修正模块 （56） 对图像数据进行修正时， 取用至少五组采集的数据平均 值。 5.根据权利要求所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其特 征在于： 还包括温度传感器 （83） ， 所述 温度传感器 （8 3） 用于采集热成像仪工作环境的温度， 将采集的信号传递给 单片机 （86） ， 所述单片机 （86） 分别控制风扇 （85） 和温控灯 （84） 工作。 6.根据权利要求5所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 所述单片机 （86） 包括有温度预设模块 （861） ， 所述温度预设模块 （861） 用于设置 热成像仪 工作时的极限最高环境温度和最低环境温度的阈值。 7.根据权利要求1所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 还 包括视频图像处 理模块； 所述可见光采集器采集设备目标图像； 视频图像处理模块利用预先训练好的深度 学习 模型标记出缺陷， 并将缺陷信息发送给显示模块， 并通过 无线模块发送给工作人员； 深度学习模型训练过程包括： S101， 采集设备目标的缺陷样本； S102， 对缺陷样本进行人工标注  ： 为获取足够的卷积神经网络训练样本， 采取如下两权　利　要　求　书 1/2 页 2 CN 114609158 A 2种方法： （1） 将实际检测中的工作人员确认后的缺陷输入深度学习模型中进行重复训练； （2） 通过随机变换的方法来增加样本集的， 包括对训练样本集进行白化处理、 对图像进 行随机的左右翻转、 随机变换图像的对比度； S103， 构造多层卷积神经网络； S104， 对多层卷积神经网络的误差梯度做最速下降优化， 离线训练构造多层卷积神经 网络。 8.根据权利要求1所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于， 所述红外热成像仪的顶部通过螺栓安装有凹形壳 （8） ， 所述凹形壳 （8） 的顶部设 置有镜头防护组件 （9） ； 所述凹形壳 （8） 的内侧水平连接有隔板 （81） ， 所述隔板 （81） 的表面 均匀开设有若干个通风孔 （82） ， 所述凹形壳 （8） 的内侧位于隔板 （81） 的下方位置处安装有 温度传感器 （83） ， 所述凹形壳 （8） 的内侧位于隔板 （81） 的上方位置处水平安装有温控灯 （84） ， 且凹形壳 （8） 的内侧顶部分别安装有风扇 （85） 和单片机 （86） 。 9.根据权利要求8所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 所述镜头防护组件 （9） 包括有限位筒 （91） ， 所述限位筒 （91） 的前端下侧转动安装 于凹形壳 （8） 的上侧中间位置处， 且限位筒 （91） 的后端安装有伺服马达 （92） ， 所述伺服马达 （92） 的输出轴位于限位筒 （91） 的内部位置处水平连接有螺杆 （93） ， 所述螺杆 （93） 的外部套 设有与其相适配的螺纹套筒 （94） ， 所述螺纹套筒 （94） 的前端垂直连接有限位板 （95） ， 所述 限位板 （95） 的下端设置有盖板 （96） ， 所述盖板 （96） 的位置与热成像仪 （7） 上的镜头位置相 对应， 且盖板 （96） 的前侧安装有马达电机 （97） ， 所述马达电机 （97） 的输出轴连接有安装板 （98） ， 所述安装板 （98） 的一侧面粘接有海绵垫 （99） ， 所述盖板 （96） 将热成像仪 （7） 上的镜头 给盖住后， 所述海绵垫 （9 9） 正好与镜头的镜片接触。 10.根据权利要求9所述的一种基于深度学习的变电设备目标及缺陷智能检测设备， 其 特征在于： 所述限位筒 （91） 的后端上侧铰接有调节块 （910） ， 所述凹形壳 （8） 的一侧上部安 装有电动推杆 （91 1） ， 所述电动推杆 （91 1） 的输出轴铰接 于调节块 （910） 的一端。权　利　要　求　书 2/2 页 3 CN 114609158 A 3