Метод автоматического анализа тепловизионных изображений высоковольтного оборудования с помощью алгоритмов компьютерного зрения и машинного обучения без учителя

Аннотация

Хальясмаа А.И.

Дата поступления статьи: 28.12.2024

Переход от планового технического обслуживания и ремонта оборудования к обслуживанию по его фактическому техническому состоянию требует применения новых методов анализа данных на основе машинного обучения. Современные системы сбора данных такие как роботизированные беспилотные комплексы позволяют формировать большие объемы графических данных в различных спектрах. Увеличение объема данных приводит к задаче автоматизации их обработки и анализа для идентификации дефектов высоковольтного оборудования. В данной статье проведен анализ особенностей применения алгоритмов компьютерного зрения для изображений высоковольтного оборудования электрических станций и подстанций в инфракрасном спектре и представлен метод их анализа, который может быть применен при создании интеллектуальных систем поддержки принятия решений в области технической диагностики оборудования. Предложенный метод использует как детерминированные алгоритмы, так и машинное обучение. Классические алгоритмы компьютерного зрения применены для предварительной обработки данных с целью выделения значимых признаков, а модели на основе машинного обучения без учителя используются для распознавания графических образов оборудования в оптимизированном по информативности пространстве признаков. Сегментация изображения с помощью алгоритма пространственной кластеризации на основе плотности распределения значений с учетом выбросов позволяет обнаруживать и группировать фрагменты изображения со статистически близкими распределениями ориентаций линий. Такие фрагменты характеризуют определенные конструктивные элементы оборудования. В статье описан алгоритм, реализующий предложенный метод на примере решения задачи детектирования дефектов трансформаторов тока, и представлена визуализация его промежуточных шагов.

Ключевые слова: высоковольтное оборудование, техническая диагностика, трансформатор тока, дефект, тепловизионный контроль, машинное обучение, компьютерное зрение, кластеризация, сегментация

2.3.1 - Системный анализ, управление и обработка информации

2.3.3 - Автоматизация и управление технологическими процессами и производствами

.