下载文档原格式
电力设备巡检缺陷图像智能识别技术研究摘要：随着移动机器人的智能化发展，工业、运输、电力等领域都开始应用移动机器人，以达到减少工作压力的目的。
在应用范围不断扩张的同时，各行业对机器人性能也提出更高要求。
尤其在服务行业和电力行业中，移动机器人的工作环境较为复杂，一旦机器人移动过程中与障碍物相撞，在影响工作效率的同时还会产生额外的经济损失。
基于此，以下对电力设备巡检缺陷图像智能识别技术进行了探讨，以供参考。
关键词：电力设备巡检缺陷；图像智能识别技术；研究引言随着经济社会的快速发展，我国电网规模不断增大，电网相关设施数量呈逐年升高趋势，对电网相关设施管理进行研究，开发针对性的管理平台实现高效合理的电网设施管理，对保证电网安全可靠运行有着重要的工程意义与经济效益。
同时就产业方向角度而言，基于平台进行产业的升级和改造是必然方向，而设施管理平台开发是最为行之有效的电力工程施工与改建升级方式之一。
1图像智能识别技术通过图像识别技术提高识别效率和准确率的能力被广泛应用于各行各业。
为保证图像识别的准确性，需要对图像识别过程进行调整。
同时，为了获得高质量的高清图像，必须使用专用摄像机进行拍摄。
再通过计算机对图像信息元素进行分析，提取其特征，为图像识别提供依据，其流程如图1。
如果生成的图像失真，则需要对图像进行预处理，去除噪声和其他干扰，才能创建准确的图像识别模型。
在实际的工作中，需要根据实际情况选择合适的图像识别模型，保证图像识别结果的有效性。
2智能巡检系统功能研究为了更加高效化、标准化地执行巡回检查工作计划，确保各项工作计划按时、按质、按量完成，及时发现消除设备存在的安全隐患和缺陷，保证变电站的安全稳定运行，芙蓉变电站巡检系统改造是十分必要的。
对此，对市面上各类较成熟的巡检系统进行了调查，研究发现多数的巡检系统优点在于其系统功能丰富，尤其是数据分析、在线缺陷诊断和设备状态预测功能较为成熟，系统功能满足并适合于供电企业设备点巡检的总体要求、管理思想和相关制度。
电力设备的故障诊断与分析方法随着电力设备的不断更新和发展，现代化的电力系统越来越复杂，电力设备的故障问题也日益凸显。
电力设备的故障一旦发生，不仅会影响电力系统的正常运行，还可能会对人员和设备造成安全隐患。
因此，对电力设备的故障进行及时、准确的诊断与分析显得尤为重要。
本文将探讨电力设备故障诊断与分析的方法及其实际应用。
一、故障诊断的方法1. 监测系统监测系统是电力设备故障诊断的重要手段之一，通过监测设备运行参数的变化，可以及时发现异常情况。
常见的监测系统包括温度、湿度、电流、电压等参数的监测。
当设备运行参数超出正常范围时，监测系统会发出警报，提示操作人员进行故障排查。
2. 故障记录故障记录是电力设备故障诊断的重要依据，可以帮助工程师了解设备的故障历史，从而分析故障的原因。
对设备进行定期的故障记录，可以帮助发现故障的重复性和规律性，为后续的故障诊断提供重要参考。
3. 检测工具现代化的电力设备故障诊断离不开各种高精度的检测工具，如红外热像仪、振动分析仪、局部放电检测仪等。
这些检测工具可以全面、准确地检测设备的运行状态，帮助工程师快速定位故障点，并采取相应的维修措施。
二、故障分析的方法1. 常见故障分类电力设备的故障可以分为电气故障、机械故障和热故障等多种类型。
在进行故障分析时，工程师需要根据不同类型的故障特征，采取相应的分析方法。
比如对于电气故障，可以通过测量电流、电压等参数来判断故障原因；对于机械故障，可以通过振动分析等手段来确定故障位置。
2. 故障原因分析在进行故障分析时，除了要了解故障类型外，还需要深入分析故障的根本原因。
常见的故障原因包括设备老化、磨损、设计缺陷等。
通过对故障原因的深入分析，可以为后续的设备维护和改进提供重要参考。
3. 实时监测与预警除了传统的故障诊断与分析方法外，现代化的电力设备还可以通过实时监测与预警系统来提前发现潜在的故障隐患。
通过智能化的监控装置和数据分析系统，可以实现对电力设备的全面监测和分析，及时预警，减少故障发生的可能性。
基于图像分析的电力设备故障检测技术研究冯俊【摘要】电力设备过热故障可以通过采集的红外图像进行识别。
因此，提出基于红外热图像分析的电力设备热故障检测技术，该技术下的电力设备热故障检测系统由图像采集模块和红外图像检测模块构成。
通过红外图像配准方法，确保电力设备红外图像的采集位置同原始位置一致，提高总体热故障检测的精度。
依照数据库中已经完成设置的电力设备图像特征点位置，采集完成红外图像配准区域的温度信息。
凭借温度信息相互对比获取的结果，实现电力设备热故障检测，并且发出警报。
给出了拉普拉斯锐化算法的关键代码，以实现对电力设备红外图像的锐化处理，提高图像清晰度。
实验结果说明，所提出的技术在检测电力设备热故障过程中，具有较高的检测精度和鲁棒性。
%The overheat fault of power equipments can be recognized by the acquired infrared image. Therefore,the over⁃heat fault detection technology based on the infrared thermal image analysis is proposed for the power equipments,by which the heat fault detection system of the power equipments is constituted of image acquisition module and infrared image detection module. The infrared image registration method can ensure the acquisition position of power equipment infrared image in accordance with original position,and improve the accuracy of the overall heat fault detection. According to the location of image feature points of the power equipment set in database,the temperature information in the infrared image registration area is collected. In combi⁃nation with the results coming from the comparison among temperature information,the overheat fault detectionof power equip⁃ments is achieved,and the alarm is raised. The key code of Laplace sharpening algorithm is provided to realize the sharpening processing of power equipment infrared image,and improve the image resolution. The experimental results indicate that the pro⁃posed technology has high detection accuracy and robustness in the process of detecting the overheat fault of power equipments.【期刊名称】《现代电子技术》【年(卷),期】2015(000)024【总页数】5页(P7-11)【关键词】红外图像;电力设备;热故障;拉普拉斯锐化算法【作者】冯俊【作者单位】国网重庆市电力公司长寿供电分公司，重庆 401220【正文语种】中文【中图分类】TN911.73-34;TP301随着经济的快速发展，电力系统规模不断扩大，人们对电力系统的依赖性和安全性要求逐渐增强。
基于图像识别技术的电力设备故障诊断研究电力系统是现代社会不可或缺的基础设施，而电力设备是电力系统的重要组成部分，它的安全性和可靠性对于电力系统的运行和供电质量有着至关重要的影响。
然而，在电力设备的长期运行过程中，由于人为操作不当、设备老化等原因，难免会发生故障。
这时，及时进行故障诊断，对于维护电力系统的稳定运行和保障供电质量具有重要意义。
而基于图像识别技术的电力设备故障诊断，已经成为了一个研究的热点。
一、基于图像识别技术的故障诊断优势在传统的电力设备故障诊断方法中，一般采用人工判断和仪器检测相结合的方式。
然而，在面对大规模的设备故障和复杂的故障模式时，这种方法往往存在着一定的局限性。
与传统方法不同的是，基于图像识别技术的故障诊断方法在实际应用中有着明显的优势。
1. 提高诊断的准确性和精度基于图像识别技术的故障诊断方法可以快速准确地识别出电力设备中存在的缺陷、故障等问题，能够更加精准地定位和判断故障点，从而可以更快速地进行设备维修和保护，避免了反复检测以及误判等问题。
2. 增加诊断的效率和速度基于图像识别技术的故障诊断方法可以快速处理大量的图像和数据，可以快速地进行分析和判断，提高了工作效率和速度。
在大型电力系统中，无需对每一个设备进行详细的观察和检测，而是可以通过图像识别技术快速地找出存在的问题，并加以解决。
3. 简化操作流程和降低人工成本基于图像识别技术的故障诊断方法无需对每一个设备进行详细的记录和排查，可以通过图像识别技术快速地找出存在的问题。
这样可以简化操作流程，减少人工的参与，有效降低了人工成本和维护成本。
二、基于图像识别技术的故障诊断方法分类有许多基于图像识别技术的故障诊断方法已经被开发出来，它们多种多样，下面就几种典型的方法进行介绍。
1. DWT 和 SVM 组合算法Wavelet 变换是 DWT 的缩写，它是一种多尺度信号处理技术。
在 DWT 和SVM 组合算法中，首先进行 Wavelet 变换处理，将电力设备图像转换为压缩后的低维数据，然后用这些数据来训练 SVM 算法，识别出故障类型，从而完成基于图像识别技术的故障诊断。
电力系统中的故障检测方法研究电力系统是现代社会不可或缺的基础设施之一，其稳定运行对于社会经济的发展和人民生活的安全至关重要。
然而，电力系统在运行过程中可能会遭遇各种故障，如电气短路、绝缘击穿等，这些故障可能会导致电力系统的停电甚至引发火灾等严重后果。
因此，如何及时准确地检测电力系统中的故障，对于确保电力系统的安全稳定运行具有重要意义。
故障检测方法是指在电力系统中通过对电流、电压等参数的监测和分析，识别并定位潜在故障的技术手段。
目前，常见的电力系统故障检测方法主要包括状态估计、模式识别和智能算法等。
首先，状态估计是一种通过测量电流和电压数据，并利用数学模型对系统状态进行估计的方法。
状态估计技术可以跟踪电力系统的运行状态，通过比较估计值和测量值之间的差异，检测可能存在的系统故障。
例如，当状态估计结果与实际测量值有显著偏差时，可能意味着系统中存在故障。
状态估计方法可以高效地检测出电力系统中的故障，但对于复杂的系统结构和非线性特性可能存在一定的局限性。
其次，模式识别方法基于电力系统故障的特征值，通过计算机算法识别出潜在的故障。
模式识别方法可以通过对故障样本的学习，建立故障模式，并通过与监测到的信号进行匹配，判断是否存在故障。
例如，利用人工神经网络和支持向量机等机器学习算法，可以对电力系统中的故障进行准确分类和识别。
模式识别方法具有高精度和较强的适应性，可以有效地检测出各种故障类型，但需要大量的故障样本进行训练，且对算法的选择和参数的设置要求较高。
最后，智能算法是一种利用人工智能和机器学习技术对电力系统进行故障检测的方法。
智能算法能够通过对大量历史数据的学习和分析，发现电力系统中的规律和潜在的故障模式，从而实现快速准确的故障检测。
例如，遗传算法、粒子群算法等优化算法可以通过搜索可能的故障状态，找到最优的解决方案。
智能算法的优势在于可以适应复杂多变的电力系统环境，能够自动学习和适应系统的变化，但算法的设计和训练较为复杂，并且对计算资源的要求较高。
电力设备频谱分析与故障识别研究随着电力设备的不断发展和应用，相关设备的无故障运行和故障诊断变得日益重要。
在电力系统中，电力设备频谱分析和故障识别成为一种有效的手段。
本文将探讨电力设备频谱分析的原理与方法，并探讨其在故障识别方面的研究。
第一部分：频谱分析原理频谱分析是一种通过将信号从时域转换到频域来研究其频率特性的方法。
在电力设备中，频谱分析可以通过分析设备产生的电压和电流信号的频率，来研究设备的工作状态和潜在故障。
在频谱分析中，常用的分析方法有傅里叶变换和小波变换等。
第二部分：频谱分析方法1. 傅里叶变换傅里叶变换是一种将信号从时域转换到频域的方法，可以将信号分解成一系列基频和谐波。
通过对设备电压和电流信号进行傅里叶变换，可以获得频谱图，并从中获取有关设备运行状态和故障的信息。
傅里叶变换的主要优点是计算速度快，缺点是对信号波形的突变响应较差。
2. 小波变换小波变换是一种将信号从时域转换到频域的方法，相对于傅里叶变换，小波变换具有更好的时域和频域分辨率。
在电力设备频谱分析中，小波分析方法可以提供更详细的频域和时域信息，对于故障识别更具有优势。
第三部分：电力设备故障诊断1. 诊断方法通过对电力设备电压和电流信号进行频谱分析，可以识别出设备所存在的故障类型。
例如，对于变压器来说，通过分析其电流频谱图，可以辨别出绕组内部的短路、开路和接地故障。
对于电机来说，可以通过分析电压和电流的相位差来判断故障类型和程度。
不同的故障类型具有不同的频谱特征，通过对电压和电流频谱图的比对和分析，可以准确地判断设备的故障类型。
2. 故障识别通过频谱分析方法，可以将设备的频谱图与预设的故障频谱特征进行比对，进而实现故障的识别。
通过对故障频谱特征的研究和分析，可以建立故障识别的模型，并通过实时监测设备的频谱变化，进行故障预警和诊断。
故障识别的准确性和及时性对于保障电力设备的安全运行具有重要意义。
第四部分：研究现状与前景电力设备频谱分析与故障识别是一个重要且活跃的研究领域。
基于图像处理的电气工程设备故障检测研究电气工程设备的故障检测是一个非常重要的课题，它直接关系到电力系统的稳定运行。
传统的故障检测方法往往依赖于人工经验和传感器数据，无法满足对大规模电力设备故障的准确率和实时性要求。
然而，随着计算机视觉和图像处理技术的不断发展，基于图像处理的故障检测方法逐渐成为研究热点。
一、图像处理在电力设备故障检测中的应用1.1 图像采集技术图像采集技术是基于图像处理的电力设备故障检测的基础。
目前，常见的图像采集设备包括红外热像仪、数字摄像机等。
红外热像仪能够通过红外辐射检测设备表面的热量分布，从而识别出设备潜在的故障点。
数字摄像机则可以实时采集设备的表面图像，并通过图像预处理得到更清晰的图像。
这些图像采集设备能够提供可靠的数据支持，为后续的图像处理算法提供高质量输入。
1.2 图像预处理技术在进行故障检测之前，首先需要对采集到的图像进行预处理。
图像预处理包括图像去噪、图像增强等步骤，用于提高图像质量。
去噪算法一般采用中值滤波、小波去噪等方法，能够有效去除图像中的噪声。
而图像增强算法则通过调整图像的对比度、亮度等参数，使得图像更加清晰。
预处理后的图像能够更好地展现设备的细节信息，为故障检测奠定基础。
1.3 故障特征提取故障特征提取是基于图像处理的电力设备故障检测的核心环节。
通过分析图像中的纹理、颜色等特征，可以识别出设备表面存在的破损、腐蚀、放电等故障。
常用的故障特征提取方法包括灰度共生矩阵、小波变换等。
灰度共生矩阵是一种描述图像纹理的统计方法，通过计算统计图像局部灰度级别间的概率特征以及像素间的空间关系，可以得到图像的纹理特征。
小波变换将图像分解成不同尺度的子图像，能够提取图像的局部特征。
1.4 故障识别与分类故障识别与分类是基于图像处理的电力设备故障检测的最终目标。
通过提取的故障特征，利用分类算法进行故障识别和分类。
常用的分类算法包括支持向量机、神经网络等。
支持向量机是将故障特征映射到高维特征空间，并找到最优的超平面将不同类别的故障分开。
电力设备故障诊断与预测技术的研究与应用随着电力设备的普及和应用范围的扩大，电力设备故障诊断与预测技术日益受到关注。
有效的设备故障诊断可以帮助企业及时发现、分析和解决设备故障问题，提高设备的可靠性和运行效率。
本文将对电力设备故障诊断与预测技术的研究与应用进行探讨。
一、电力设备故障诊断技术的研究1. 故障诊断的方法电力设备故障诊断主要采用的方法包括：经验方法、模型方法、模糊理论方法、神经网络方法等。
经验方法主要依赖于工程师的经验和直觉，对于一些常见故障可以有效地进行诊断。
但是对于一些复杂的故障，用经验方法往往无法满足需求。
模型方法是利用设备的数学模型进行故障诊断，可以精确地找出故障的位置和原因。
模糊理论方法主要是通过模糊推理的方式进行故障判断，能够针对不确定性问题进行评估。
神经网络方法则是通过模仿人脑的神经网络结构，让计算机具备学习能力和适应性，能够处理一些非线性、复杂的故障问题。
2. 故障诊断的特征提取与选择在进行故障诊断时，首先需要对设备的特征进行提取与选择，以便进行后续的故障判断。
常见的特征包括振动特征、声音特征、温度特征、电流特征等。
特征提取的目的是从大量的数据中提炼出具有代表性的信息，而特征选择则是从提取到的特征中选择出对故障判断最为关键的特征。
特征的提取与选择是电力设备故障诊断的关键一步，准确的特征能够提高故障诊断的准确率。
3. 故障诊断的算法设计针对不同的故障类型和设备特点，需要设计相应的故障诊断算法。
常见的算法包括人工智能算法、数据挖掘算法、模式识别算法等。
人工智能算法主要应用于复杂的故障诊断问题，能够通过学习经验来进行判断和预测。
数据挖掘算法则是从大量的数据中发现规律和模式，以便进行故障诊断。
模式识别算法则是通过对设备状况的分析，识别出设备的故障模式，并进行判断和预测。
二、电力设备故障预测技术的研究与应用1. 故障预测模型的建立电力设备故障预测是指在设备运行正常的情况下，通过对设备状态进行监测和分析，预测设备可能发生的故障类型和时间。
DOI ：10.14182/ki.1001-2443.2022.06.004电力设备巡检缺陷图像智能识别技术研究吕强1，王伟1，马国强1，张益明2，李晖3，王力4（1.国网甘肃省电力公司超高压公司甘肃兰州730070；2.国网甘肃省电力公司甘肃兰州730050；3.国网甘肃省电力公司天水供电公司甘肃天水741099；4.兰州倚能电力（集团）有限公司甘肃兰州730071）摘要：电力设备具有点多、面广、长期暴露野外等特点，运行过程中易受外界环境等多方面因素影响。
外界环境因素包括风偏、鸟害、覆冰、雷击、山火等，其他因素还有设备老化、质量、设计、验收、运维等，单一因素或多个综合因素都可导致设备故障，进而造成大面积停电，严重影响设备运行。
随着无人机电力设备巡检的应用和发展，无人机巡检数据不断的积累，通过智能化处理手段，利用无人机巡检数据的获取电力设备缺陷信息，对巡检数据中存在的规律性、潜在性、趋势性问题和隐患进行自动判断识别，对数据进行关联分析和综合应用，可以深入地判断电力设备健康状态水平，并为运维部门提供更为准确的决策依据。
关键词：电力设备；设备故障；无人机；缺陷信息；自动判断识别中图分类号：X87文献标志码：A 文章编号：1001-2443（2022）06-0545-08在采用无人机巡检时，地面遥控设备能将无人机采集的巡检图像传输到地面，但由于受到无线传输带宽的限制，传输的巡检图像质量、分辨率均受到影响，不能全面地、清晰地实时研判电力设备的缺陷，需要将高分辨率的巡检图像记录下来，事后分析其存在的缺陷。
因此，当前无人机巡检的方式是利用图像采集装置快速将电力设备以连续图像方式拍摄记录下来，在无人机巡检时不进行过多的停留用以发现设备缺陷，而专注于采集并存储完整、清晰的电力设备图像，这样能有效提高无人机的巡检效率，而将采集的巡检图像在地面通过图像分析手段发现设备存在的缺陷［1-2］。
由于无人机一次巡检采集了大量的、高分辨率巡检图像，对电网巡检人员提出了新的要求，从以地面人工巡检方式转换到采用计算机从巡检的图像上发现设备缺陷，是一种对巡检人员素质要求较高、且劳动强度较大的工作。
电力设备故障第像特征及识别方法研究改作者：黄祥冰摘要“傻逼”一词经过多年的民间流传，已经深入到广大中国人民的生活之中。
该词以市井的语言特点和丰富的意义内涵对现代社会的一些特定心态以及衍生出的现象作出了高度概括，被人群特别是青年人广泛应用于网络和日常语言中。
本文将通过分析“傻逼”一词的涵义和用法展开论述，深入探讨“傻逼”所指涉的社会活动及心理特点，力求厘清其内涵和外延。
因研究需要，本论文存在大量不洁词汇，请未满十八岁读者在家长指导下阅读。
关键词：傻逼；当代社会；符号绪论本文是笔者论文后遗症的产物，简而言之，即是以一种非常傻逼的方式讨论傻逼问题。
众所周知，“傻逼”一词产生后迅速在民间普及，虽因语言粗俗而不能容纳于主流话语范畴，但已成为网络和日常语言中的高频词汇，具有强大的实用性和宽广的适用范围。
目前大众对傻逼的理解已达成基本共识，但仍存在一定的歧义和误区，知其然而不知其所以然。
因此，有必要对这一概念及相关实践进行系统梳理和全面认识。
一、研究的背景和意义傻逼一词蔚然成风，举国上下逼不离口，然而，什么是装、什么是逼、什么是傻逼、哪些行为属于傻逼、傻逼是心理行为还是生理行为，大众并非清晰知晓。
在此背景下开展傻逼研究，有助于树立正确的人生观和世界观，为社会主义和谐价值观的构建打下良好的基础。
二、国内外研究现状目前国外尚未见到“Be pussy”之类的特定词汇意指某些傻逼行为，更无成文的专业研究，由此可见，傻逼是一个具有浓郁中国文化特色的问题。
如果用“傻逼”的一般性定义来衡量，古今中外都存在着渊源流长、数不胜数的傻逼言行，但只有中国人民对此进行了高度概括，充分体现了中华民族的伟大智慧和文化底蕴。
目前国内网络上关于傻逼的文章极多，较著名的有傻罗的《怎样成为一个文坛傻逼犯》、天涯开心论坛的《不完全傻逼指南》、王三表的《论傻逼》等等，其中多为对他人傻逼行为的嘲讽，并无关乎“傻逼”本质的系统论述。
1.2国内外研究现状红外热像仪成像技术在电力系统的应用变压器红外在线监测系统在电力系统的推广应用是电力生产自动化、信息化发展的必然趋势和要求，它不仅能够取代人工测温，而且做到实时在线监测变压器的发热状况，防止和减少事故发生，提高了变压器的安全运行水平，保障了电网的正常供电。
高压设备的热故障是引起大面积停电等事故的主要诱发因素，长期以来如何高效在线监测高压设备一直是电力系统一个有意义的课题。
变压器是变电站中最重要的设备，是全站运行的中心枢纽，其稳定性直接关系到整个电力网络。
在变压器的运行过程中，无论是负荷过大，还是油位出现了异常，其温度都会发生变化，若不及时发现将会引发变压器设备损坏等事故，直接威胁到供电安全。
公司对运行中的变压器的温度监测一直予以高度重视，对变压器的红外测温也有明确规定。
但是，随着电网发展和电力科技进步，变电站的自动化、信息化水平不断提高，变电站基本上实现了无人值班或少人值守，目前通常使用的红外测温仪对变电站设备的测温都是通过人工测试的手段，这些都适应不了运行管理自动化的要求。
国外应用红外检测技术始于上世纪六十年代,七十年代开始把热像仪装在面包车或者直升机上对变电站设备或高压输电线路接头故障作巡回检测,随着红外一探测仪器,尤其是红外热像仪的日趋完善逐步形成了专门的红外诊断技术,并分别制定出相应的技术规范和红外诊断故障判定标准,现在己在世界各发达国家普遍推广,并取得了良好的经济效益。
在美国有文章进行过这样的比较,即在红外测温系统及检测上的投资与每年节约的检修和故障损失费用之比为。
我国研究开发电力设备红外诊断技术开始于上世纪七十年代初,利用国内研制的红外测温仪测量高压输电线接头温度的试验研究工作,开创了我国红外技术的应用。
从八十年代中期开始,随着性能优良可靠的红外诊断仪器的发展及主管部门的重视,通过一些电力科研单位的大量室内模拟试验和现场试验,取得了不少实践经验。
不仅在现场试验中发现了一大批设备故障隐患,经及时抢修,杜绝了一些恶性突发事故的发生,收到了良好的经济效益和社会效益,而且也从中积累了很多实践经验,逐步形成了故障的评判标准。
年,电力工业部颁布了《一带电设备红外诊断技术导则》,该导则指导设备管理人员和现场工作人员应用红外诊断技术对带电设备的表面温度场进行检测和诊断,发现设备的缺陷和异常情况,为设备检修提供了依据,极大地推动了红外诊断技术在基层电力部门的应用。
此标准已于年月重新修订,并由国家发展和改革委员会发布,即《一带电设备红外诊断应用规范》。
紫外成像技术在电力系统中的应用早在1984年，前苏联西伯利亚电力科学研究院就将紫外成像技术运用于电力系统设备监测中，开发了紫外电子光学探伤仪，并用该探伤仪实现了电气设备外绝缘的监测。
然而，该设备难以避免日光对紫外第像的影响，因此只能夜间监测，且受天气因素影响较大。
为了实现采用紫外成像法对放电设备的实时监测，上世纪90年代，西方少数国家开始研制日盲型紫外成像仪，所谓日盲型紫外成像仪，就是紫外监测的结果不受日光的影响，即紫外成像是不吸收太阳光中紫外谱段。
众多日盲型紫外成像仪中，Daycor系列紫外电晕成像仪和CoroCAM系列紫外成像仪研究最为成功，应用最为广泛。
Daycor系列紫外电晕成像仪由以色列OFIL正公司与美国电力科学研究院共同研发，CoroCAM系列紫外成像仪由南非主持研制。
至此，电力系统开始普遍采用日盲型紫外成像仪实现电气设备放电第像的实时监测。
目前第像处理技术在电力系统中主要应用于红外成像技术，而使用于紫外监测中还处于起步阶段。
针对紫外第像中噪声抑制问题，将低通滤波技术用于紫外第像处理中抑制了紫外放电第像中噪声成分；基于中值滤波理论，对紫外第像信噪比进行了增强。
针对紫外放电光斑提取问题：采用candy算子对紫外第像边缘进行提取, 进而提取 了紫外放电光斑. 采用形态学分析理论，对放电光斑进行了自适应提取，同时该方法也能有效抑制噪声对紫外放电光斑提取的影响.第二章电力设备红外线故障第像2.1红外成像法检测原理红外诊断技术是利用红外物理的理论和研究成果，根据设备诊断工作的具体需要，把红外辐射特性的分析应用于设备状态诊断的一个综合应用工程技术。
因此，红外诊断技术是红外技术的一个组成部分，同时又是设备状诊断的一个重要的手段。
物体的绝对温度只要大于零，就会发射出人眼看不见的红外辐射能量，而且物体的温度越高，发射的红外辐射能量越强。
红外热像仪就是检测设备运行中发射的红外辐射能量，并转换成相应的电信号，再经过专门的电信号处理系统处理，就可以以第像的形式显示运行设备表面的温度分布及其包含的设备运行状态信息。
根据不同设备的不同性质、不同部位和不同故障程度，在设备表面产生的不同的温升值及不同的空间分布特征，分析处理红外热像仪检测到的上述设备运行状态信息，就能够对设备中潜伏的故障或事故隐患属性、具体位置和严重程度作出定量的判定。
2.1.1红外热像技术的主要内容及技术特点红外热像技术利用红外辐射原理，通过测取目标物体表面的红外辐射能，将被测物体表面的温度分布转换为形象直观的热第像(灰度第或彩色第)，形象而直观地描绘出设备表面的温度分布场，快速、准确地普查运行设备，并诊断出设备的热状态异常部位。
红外热像技术的应用研究美国最为活跃，其次是瑞典、英国和日本等国家。
红外热像仪是二十世纪六十年代早期美国德克萨兰仪器公司在红外前视系统的基础上增加了测温功能而研制成功的。
美国是目前红外热像技术最为先进的国家，绝大多数的红外热像仪器供应商也集中在美国。
红外热像技术近几十年的主要研究内容是:(l}热像显示装置的研制与应用。
(2)设备热状态精密诊断:使用成套的精密红外热成像系统对设备的热状态参数进行采集、分析、处理和贮存，并在专家系统的配合下，更直接地做出结论。
(3)光导纤维材料的应用:通过预置的光纤，可以更加精确设备内部温度，获得设备内部温度三维分布，为定量性诊断打下坚实的基础。
红外热像技术与其它诊断技术及常规测温相比，具有如下优点:(1)操作安全。
由于进行红外诊断时不需要与设备直接接触，所以操作十分安全。
这一优点在带电设备、转动设备、高空设备的诊断中表现大为突出。
(2)不停运、不取样、不解体。
做到了省时、省力，降低设备维修费用，大大提高了设备的运行有效度。
(3)可实现大面积快速扫描成像，状态显示快捷、灵敏、形象、直观。
检测效率高，劳动强度低。
(4)红外诊断适用面广，效益、投资比高。
（5）易于进行计算机分析，促进向智能化方向发展。
2.4红外辐射测温仪红外辐射测温仪简称红外测温仪，是一种非成像型的红外温度检测仪器，它只能测量设备表面上某点周围确定面积的平均温度，因此俗称红外点温仪。
在不要求精确测量设备表面二维温度分布的情况下，与其它仪器相比，具有结构简单、价格便宜、使用方便等优点。
红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定函数关系而制成的仪器。
其工作时，被测目标的红外辐射能量经仪器透镜会聚，并通过红外滤光片进入探测器，探测器将辐射能转换为电能的信号，经放大器放大、电子电路处理，最终由显示器显示出被测物体的表面温度。
第2-2所示的是一个具有目视瞄准系统的测温仪，它有一个45的反射分光镜，可见光投射到分划板，分划板上刻有一圆环，其面积等于光阑孔面积，分划板后有一套目视透镜组，可供使用者确定被测物体的瞄准情况和目标是否充满小环。
红外测温仪的基本结构必须包括光学系统、红外探测器、电信号放大及处理系统、结果显示系统和其它附属部分(包括目标瞄准器、供电电源与整体机械结构)等几个主要功能部分。
根据测温要求可分为单波段中低温测温仪(8-12μm)、高温测温仪(2-2.5μm)和高温比色测温仪。
目前，许多测温仪都具有目视瞄准系统或激光瞄准系统，为使用者更准确地测量目标的温度提供了简便而有利的手段。
红外热像仪不仅能用于非接触式测温，还可以实时显示物体表面温度的二维分布与变化情况，这是它不同于红外测温仪的一个显著优势。
热像仪具有第像处理系统，测温迅速、分辨率高、直观，并具有信息采集、存贮、处理和分析方便的优点。
所以，尽管它比红外测温仪等装置的结构复杂、价格昂贵、功耗较大，在电力设备监测中仍有一定的应用，是一种有效的基本仪器。
热像仪的工作过程是把被测物体表面温度分布借助红外辐射信号的形式，经接收光学系统和扫描机构成像在探测器上，再由探测器将其转换成视频电信号。
这个微弱的视频信号经前置放大器，再进一步放大处理后，送至终端显示器，显示出被测物体表面温度分布的热第像。
红外热像仪的基本结构由光学系统、扫描机构、红外探测器、前置放大器、视频信号预处理电路、显示记录系统和外围辅助装置等组成。
红外热像仪的核心器件是红外探测器，可分为单元探测器、多元探测器和带有内处理功能的探测器。
