[1]涂冬明a,谭平b,李旭峰a,等.红外热成像在电连接温度监测中的应用[J].浙江科技学院学报,2018,(06):474-480.[doi:10.3969/j.issn.1671-8798.2018.06.005 ]
　TU Dongminga,TAN Pingb,LI Xufenga,et al.Application of infrared thermal imaging in monitoring of electrical connection temperature[J].,2018,(06):474-480.[doi:10.3969/j.issn.1671-8798.2018.06.005 ]
点击复制

红外热成像在电连接温度监测中的应用(/HTML)
分享到：

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2018年06期
页码:
474-480
栏目:
出版日期:
2018-12-31

文章信息/Info

Title:
Application of infrared thermal imaging in monitoring of electrical connection temperature
文章编号:
1671-8798(2018)05-0474-07
作者:
涂冬明a; 谭平b; 李旭峰a; 李裕智a; 丁进b
浙江科技学院 a.机械与能源工程学院; b.自动化与电气工程学院,杭州 310023
Author(s):
TU Dongminga;  TAN Pingb;  LI Xufenga;  LI Yuzhia;  DING Jinb
a. School of Mechanical and Energy Engineering; b. School of Automation and Electrical Engineering,Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
目标检测;  深度学习;  电连接;  红外热成像
分类号:
TP274.2
DOI:
10.3969/j.issn.1671-8798.2018.06.005
文献标志码:
A
摘要:
铁路接触网电连接温度在线监测的可行方法之一是采用红外热成像技术获取电连接的热像图和对应的全幅数据图。在监测方法中,电连接在热像图中的准确定位是必要的基础性工作。今提出在红外热成像的基础上基于深度学习YOLO2模型的电连接定位方法,利用YOLO2模型直接检测出电连接区域,实现定位功能; 利用基于K-means聚类分析去除电连接区域的背景干扰,获取电连接准确的像素位置。结果表明,采用此方法可利用有限的硬件计算能力较为快速准确地定位电连接的区域,获取较为准确的温度值。

参考文献/References:

[1] 肖文立.京广高铁接触网电连接线夹压接方法探究[J].中国设备工程,2017(21):102.
[2] 王学水,张冉冉.几种接触式测温方法的比较[J].电子世界,2017(23):19.
[3] 张晋宝,刘佳.基于红外的非接触式测温仪设计[J].数字技术与应用,2016(4):178.
[4] 王根.接触网电连接线夹温度监测系统的研究与实现[D].南昌:华东交通大学,2016.
[5] 孟新安,郑社宁.接触网电连接线夹温度监控装置的研制[J].电气化铁道,2008(4):36.
[6] 林群武.红外热成像技术在电力系统设备故障检测中的应用研究[D].淮南:安徽理工大学,2016.
[7] 李伟,朱学峰.基于第二代小波变换的图像融合方法及性能评价[J].自动化学报,2007,33(8):817.
[8] 刘军,李子毅.一种复杂背景环境下的改进型PCNN图像分割算法[J].计算机与数字工程,2018,46(2):375.
[9] 范永红,李娜,李华光,等.SIFT特征的目标跟踪算法研究[J].宏观经济管理,2017(增刊1):226.
[10] 卢宏涛,张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J].数据采集与处理,2016,31(1):1.
[11] REDMON J, FARHADI A. YOLO9000: better, faster, stronger[C]//IEEE Conference on Computer Vision and Pattern Recognition. Honolulu: IEEE Computer Society, 2017:6517.
[12] REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: unified, real-time object detection[C]//IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas: IEEE Computer Society, 2016:779.
[13] REN S, HE K, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(6):1137.
[14] DOLLAR P, WOJEK C, SCHIELE B, et al. Pedestrian detection: a benchmark[C]//IEEE Conference on Computer Vision and Pattern Recognition. Miami: IEEE Computer Society,2009:304.
[15] 齐丽娜,张博,王战凯.最大类间方差法在图像处理中的应用[J].无线电工程,2006,36(7):25.
[16] HARTIGAN J A, WONG M A. Algorithm AS 136: a K-means clustering algorithm[J]. Journal of the Royal Statistical Society, 1979, 28(1):100.
[17] 周莉莉,姜枫.图像分割方法综述研究[J].计算机应用研究,2017,34(7):1921.
[18] 吕国豪.面向铁路运行环境检测的图像复原、增强及配准方法研究[D].北京:北京交通大学,2017.
[19] 王千,王成,冯振元,等.K-means聚类算法研究综述[J].电子设计工程,2012,20(7):21.

备注/Memo

备注/Memo:
收稿日期: 2018-05-06
基金项目: 国家自然科学基金项目(51677171); 浙江省自然科学基金项目(LY17C100001)
通信作者: 谭 平(1978— ),男,江苏省如皋人,高级工程师,博士,主要从事智能安全系统研究。E-mail:tankor@zju.edu.cn。
更新日期/Last Update: 1900-01-01