一种基于压缩感知的红外图像重建智能管理系统及方法与流程
本发明涉及数据分析,具体是一种基于压缩感知的红外图像重建智能管理系统及方法。
背景技术:
1、电力设备在运行过程中会产生红外热辐射,其温度分布与电流负载、材料导热特性及结构拓扑等因素密切相关,并受环境扰动及局部异常状态影响,传统红外检测方法通常依赖高帧率成像设备对设备表面进行全视场采样,再通过人工或简单图像处理方法进行温升分析,在大范围、多节点设备监测场景下数据采集量大,对成像设备及存储传输能力要求较高,难以满足实时在线监测与边缘计算应用需求;
2、现有压缩感知红外成像方法虽可通过稀疏采样降低数据获取量,但多数方法主要基于图像域或像素级稀疏先验进行重建,未充分利用电力设备的物理拓扑结构及热扩散过程中的时空耦合特性,现有方法往往对多时刻热场进行独立或弱约束处理,缺乏对热扩散动态演化规律及误差传播机制的显式建模,导致在噪声干扰或非均匀采样条件下重建稳定性不足,易出现局部失真与结构不一致问题;
3、因此,如何在降低红外数据采样率的同时,引入设备结构拓扑约束与热扩散时空演化机制,提高压缩采样条件下红外热场重建的精度与时空一致性,成为急需解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种基于压缩感知的红外图像重建智能管理系统及方法,以解决现有技术中提出的问题。
2、为了解决上述技术问题,本发明提供如下技术方案:一种基于压缩感知的红外图像重建智能管理方法,方法包括:
3、步骤s100:获取电力设备三维装配图纸,解析部件几何轮廓及装配连接关系,构建拓扑图,基于部件接触面积进行归一化处理得到边权重,形成邻接矩阵,结合红外成像设备标定参数,将三维部件投影至红外图像平面,计算各区域像素温度均值,形成各节点热状态向量;
4、步骤s200:基于邻接矩阵与热状态向量进行时间离散迭代,结合节点间温差及全局均值偏差计算热交换调节系数,更新各节点温度得到下一时间步热状态向量;
5、步骤s300:融合当前迭代结果与观测红外温度计算节点热误差,对节点热误差进行邻域传播,并结合局部温度梯度进行修正,生成误差传播场;
6、步骤s400:基于误差强度、误差变化量及局部空间差异计算采样势能,确定节点所对应的采样概率,筛选目标采样节点集合执行红外温度采集。
7、进一步的,步骤s100包括:
8、获取电力设备的三维装配图纸数据,对所述三维装配图纸数据进行结构解析,提取电力设备各独立部件的几何轮廓信息及部件之间的装配连接关系,基于所述几何轮廓信息确定各独立部件的空间位置,并将每一独立部件对应为拓扑图中的一个节点,构成节点集合;
9、根据部件之间的装配连接关系,采集两个部件节点之间是否存在接触,若存在直接物理接触时,基于三维装配模型的面-面邻接关系确定接触界面几何区域,并计算所述接触界面的实际几何面积作为接触面积,获取所有存在连接关系的节点对中的最大接触面积,计算标准化接触系数a=b/b1,其中,b表示为节点对的接触面积,b1表示为最大接触面积,若不存在直接物理接触时,设定标准化接触系数为0;
10、将标准化接触系数作为两个部件节点的边权重,并按照节点索引顺序,将各节点对之间的边权重赋值至邻接矩阵中相应矩阵元素,构建部件节点的邻接矩阵;
11、获取红外成像设备采集的原始红外热辐射图像,并基于相机内参及外参标定参数建立三维空间至二维图像平面的投影映射关系,根据各独立部件的空间位置,将其三维几何轮廓投影至红外图像平面,生成对应的图像区域,计算每一图像区域内的有效像素点集合,对有效像素点的温度值进行统计平均,得到对应节点的温度值,将所有节点的温度值按照预设节点索引顺序进行排列,形成热状态向量;
12、通过三维空间到红外图像平面的精确投影映射,将结构模型与红外热辐射图像进行空间对齐,使每个部件能够在图像域中获得对应区域,实现结构信息与热信息的精准融合;对区域内有效像素温度进行统计平均,可降低噪声与局部异常值影响,提高节点温度估计的稳定性与代表性,由此形成的热状态向量能够准确反映设备各部件的真实热分布状态,为后续热扩散建模、误差传播分析及压缩感知采样策略提供高质量输入数据,从而整体提升红外图像重建与设备状态感知的精度与可靠性。
13、进一步的,步骤s200包括:
14、获取邻接矩阵和热状态向量,设定时间离散步长,对于任一目标节点,获取其与相邻节点的连接关系,采集节点对的边权重,当所述边权重大于0时,则计算目标节点与相邻节点在当前时间步温度值的绝对差值t1,统计当前时间步所有节点的温度值,得到平均温度值,计算目标节点在当前时间步温度值与所述平均温度值的绝对差值t2,根据以下公式计算热交换调节系数:
15、;
16、其中,w表示为热交换调节系数,d表示为目标节点与相邻节点的边权重,a1表示为温度差抑制系数,a2表示为误差抑制系数;
17、根据以下公式计算目标节点下一时间步的温度值:
18、;
19、其中,t1表示为目标节点下一时间步的温度值,t表示为目标节点在当前时间步的温度值,b表示为热扩散步长参数,we表示为目标节点与第e个相邻节点的热交换调节系数,t1e表示为目标节点与第e个相邻节点在当前时间步温度值的绝对差值,d表示为相邻节点的总数;
20、在完成所有节点的更新计算后,得到系统在下一时间步的热状态向量,并将其作为下一时间步输入,重复上述过程直至满足迭代终止条件或达到预设迭代次数;
21、在邻接矩阵与热状态向量的基础上,引入时间离散迭代的热扩散更新机制,并结合边权重与动态温差调节,实现对设备热传导过程的精细化建模,通过在热交换系数中同时引入节点间温差抑制项与全局平均偏差抑制项,可有效兼顾局部热耦合关系与整体热场一致性,避免单一依赖结构权重或局部温差导致的扩散失真,提高热传播过程的物理合理性;
22、以指数衰减形式对温差影响进行非线性约束,使热交换强度随温差变化自适应调整,从而增强模型对异常高温梯度与局部热点的稳定抑制能力,降低数值振荡风险,在迭代更新过程中,通过逐步传播与累积修正,可更真实反映多部件系统的动态热演化规律,提高热状态预测的连续性与时序一致性。
23、进一步的,步骤s300包括:
24、在初始时间步时,设定所有节点的误差值为0,在每一时间步中,基于步骤s200迭代得到的当前时间步热状态向量,并结合红外成像设备在当前时间步获取的观测温度值,计算各节点的热误差,对于能够被观测到的节点,所述热误差定义为观测温度与热状态向量中的节点温度之间的差值,对于未被观测到的节点,则认为其当前帧不存在新的观测误差,误差值设置为0;
25、根据以下公式计算目标节点的中间误差值:
26、;
27、其中,e1表示为目标节点的中间误差值,ee表示为目标节点与第e个相邻节点的热误差,f表示为目标节点在当前时间步的热误差,f表示为误差注入系数;
28、基于邻接矩阵,计算目标节点与相邻节点在当前时间步温度值的绝对差值,选取最大绝对差值作为局部热梯度值,预设预设梯度阈值,当局部热梯度值大于所述预设梯度阈值时,计算修正后的中间误差值e1’=e1×(1+n);当局部热梯度值小于或等于所述预设梯度阈值时,计算修正后的中间误差值e1’=e1×(1-n),其中,n表示为误差调节系数,将当前时间步各目标节点对应的修正后的中间误差进行按节点索引的组合,形成误差向量,并基于所有节点的误差向量构建误差传播场;
29、在时间序列热状态估计基础上,引入“观测误差+图结构传播+局部热梯度调制”的联合误差建模机制,使误差计算从单点差值扩展为考虑拓扑关系的系统性误差表达,通过将观测节点误差与相邻节点误差进行加权融合,可充分利用设备部件之间的物理连接关系,实现误差在拓扑结构中的合理传递,从而提高对未观测节点状态偏差的推断能力,增强整体估计的完整性;
30、对于未观测节点将误差置零的设计,避免了虚假观测引入的干扰,使误差传播更符合真实测量条件,提高模型的稳健性,可有效刻画局部热变化剧烈程度,使误差修正能够自适应反映热场变化强度,对误差进行增强或抑制处理,实现对高梯度区域的误差放大与低梯度区域的误差平滑,有助于突出异常热变化区域并抑制噪声传播。
31、进一步的,步骤s400包括:
32、获取步骤s300输出的误差传播场,提取目标节点在当前时间步所对应修正后的中间误差值,将所述修正后的中间误差值的绝对值作为误差强度值;
33、计算目标节点在当前时间步与前一时间步所对应修正后的中间误差值之间的绝对差值,将所述绝对差值作为误差变化量;
34、计算目标节点与相邻节点在当前时间步修正后的中间误差值之间的差值,并乘以目标节点与相邻节点的边权重,得到各邻接节点对应的差异量,在所有邻接节点的差异量中,取绝对值最大的差异量作为局部空间差异量;
35、对误差强度值、误差变化量及局部空间差异量进行归一化处理,将归一化后的误差强度值、误差变化量和局部空间差异量按照预设权值进行加权求和,计算得到目标节点采样势能;
36、采集目标节点在当前时间步的温度与初始温度,计算修正采样势能p1=p×(1+q×|t-t0|),其中,p表示为目标节点采样势能,t0表示为目标节点的初始温度,q表示为预设的温度漂移调节系数;
37、将各目标节点修正采样势能除以所有目标节点修正采样势能之和,得到各目标节点对应的采样概率,预设采样阈值率,将超过所述采样阈值率的目标节点作为候选目标节点,预设目标采样数量为k,在候选目标节点集合中,按照采样概率由高到低进行排序,选取排名前k的目标节点作为目标采样节点集合,对所述目标采样集合中的节点执行红外温度采集操作,获取对应的观测温度数据;
38、基于误差传播场构建动态采样机制,将误差强度、误差变化量及局部空间差异量进行归一化融合,并通过加权求和得到采样势能,使采样决策能够同时反映节点的当前偏差程度、误差演化趋势以及拓扑空间异常传播特征,从而实现由“静态均匀采样”向“动态信息驱动采样”的转变,提高观测资源利用效率;
39、引入基于初始温度偏移的修正因子,可有效补偿设备长期运行导致的温漂影响,使采样势能对真实热异常具有更强敏感性,降低因环境变化造成的误判风险,通过概率归一化与阈值筛选相结合的策略,在保证全局覆盖性的同时优先选取高信息增益节点,实现关键区域的重点观测与非关键区域的适度降采样,能够显著增强红外测温系统对局部热点、异常扩散及结构性热风险的捕捉能力,在减少观测冗余的同时提高热状态重建与故障识别精度。
40、为了更好实现上述方法还提出了一种基于压缩感知的红外图像重建智能管理系统,系统包括节点热状态向量模块、下一时间步热状态向量模块、误差传播场模块和筛选采样节点模块;
41、节点热状态向量模块:获取电力设备三维装配图纸,解析部件几何轮廓及装配连接关系,构建拓扑图,基于部件接触面积进行归一化处理得到边权重,形成邻接矩阵,结合红外成像设备标定参数,将三维部件投影至红外图像平面,计算各区域像素温度均值,形成各节点热状态向量;
42、下一时间步热状态向量模块:基于邻接矩阵与热状态向量进行时间离散迭代,结合节点间温差及全局均值偏差计算热交换调节系数,更新各节点温度得到下一时间步热状态向量;
43、误差传播场模块:融合当前迭代结果与观测红外温度计算节点热误差,对节点热误差进行邻域传播,并结合局部温度梯度进行修正,生成误差传播场;
44、筛选采样节点模块:基于误差强度、误差变化量及局部空间差异计算采样势能,确定节点所对应的采样概率,筛选目标采样节点集合执行红外温度采集。
45、进一步的,节点热状态向量模块包括标准化接触系数单元和形成热状态向量单元:
46、标准化接触系数单元:获取电力设备的三维装配图纸数据,对所述三维装配图纸数据进行结构解析,提取电力设备各独立部件的几何轮廓信息及部件之间的装配连接关系,基于所述几何轮廓信息确定各独立部件的空间位置,并将每一独立部件对应为拓扑图中的一个节点,构成节点集合,根据部件之间的装配连接关系,采集两个部件节点之间是否存在接触,若存在直接物理接触时,基于三维装配模型的面-面邻接关系确定接触界面几何区域,并计算所述接触界面的实际几何面积作为接触面积,获取所有存在连接关系的节点对中的最大接触面积,计算标准化接触系数;
47、形成热状态向量单元:将标准化接触系数作为两个部件节点的边权重,并按照节点索引顺序,将各节点对之间的边权重赋值至邻接矩阵中相应矩阵元素,构建部件节点的邻接矩阵,获取红外成像设备采集的原始红外热辐射图像,并基于相机内参及外参标定参数建立三维空间至二维图像平面的投影映射关系,根据各独立部件的空间位置,将其三维几何轮廓投影至红外图像平面,生成对应的图像区域,计算每一图像区域内的有效像素点集合,对有效像素点的温度值进行统计平均,得到对应节点的温度值,将所有节点的温度值按照预设节点索引顺序进行排列,形成热状态向量。
48、进一步的,下一时间步热状态向量模块包括计算热交换调节系数单元和计算下一时间步热状态向量单元:
49、计算热交换调节系数单元:获取邻接矩阵和热状态向量,设定时间离散步长,对于任一目标节点,获取其与相邻节点的连接关系,采集节点对的边权重,当所述边权重大于0时,则计算目标节点与相邻节点在当前时间步温度值的绝对差值,统计当前时间步所有节点的温度值,得到平均温度值,计算目标节点在当前时间步温度值与所述平均温度值的绝对差值,计算热交换调节系数;
50、计算下一时间步热状态向量单元:计算目标节点下一时间步的温度值,在完成所有节点的更新计算后,得到系统在下一时间步的热状态向量,并将其作为下一时间步输入,重复上述过程直至满足迭代终止条件或达到预设迭代次数。
51、进一步的,误差传播场模块包括计算中间误差值单元和构建误差传播场单元:
52、计算中间误差值单元:在初始时间步时,设定所有节点的误差值为0,在每一时间步中,基于当前时间步热状态向量,并结合红外成像设备在当前时间步获取的观测温度值,计算各节点的热误差,对于能够被观测到的节点,所述热误差定义为观测温度与热状态向量中的节点温度之间的差值,对于未被观测到的节点,则认为其当前帧不存在新的观测误差,误差值设置为0,计算目标节点的中间误差值;
53、构建误差传播场单元:基于邻接矩阵,计算目标节点与相邻节点在当前时间步温度值的绝对差值,选取最大绝对差值作为局部热梯度值,预设预设梯度阈值,计算修正后的中间误差值,将当前时间步各目标节点对应的修正后的中间误差进行按节点索引的组合,形成误差向量,并基于所有节点的误差向量构建误差传播场。
54、进一步的,筛选采样节点模块包括计算目标节点采样势能单元和生成目标采样节点集合单元:
55、计算目标节点采样势能单元:获取步骤s300输出的误差传播场,提取目标节点在当前时间步所对应修正后的中间误差值,将所述修正后的中间误差值的绝对值作为误差强度值,计算目标节点在当前时间步与前一时间步所对应修正后的中间误差值之间的绝对差值,将所述绝对差值作为误差变化量,计算目标节点与相邻节点在当前时间步修正后的中间误差值之间的差值,并乘以目标节点与相邻节点的边权重,得到各邻接节点对应的差异量,在所有邻接节点的差异量中,取绝对值最大的差异量作为局部空间差异量,对误差强度值、误差变化量及局部空间差异量进行归一化处理,将归一化后的误差强度值、误差变化量和局部空间差异量按照预设权值进行加权求和,计算得到目标节点采样势能;
56、生成目标采样节点集合单元:采集目标节点在当前时间步的温度与初始温度,计算修正采样势能,将各目标节点修正采样势能除以所有目标节点修正采样势能之和,得到各目标节点对应的采样概率,预设采样阈值率,将超过所述采样阈值率的目标节点作为候选目标节点,预设目标采样数量为k,在候选目标节点集合中,按照采样概率由高到低进行排序,选取排名前k的目标节点作为目标采样节点集合,对所述目标采样集合中的节点执行红外温度采集操作,获取对应的观测温度数据。
57、与现有技术相比,本发明的有益效果是:本发明以电力设备三维装配结构为基础构建拓扑图模型,将几何接触关系转化为加权邻接矩阵,使红外测温过程从传统像素级处理提升为面向结构语义的节点级建模,提高了系统对设备物理关联性的表达能力;
58、通过引入基于热扩散迭代的状态更新机制,并融合观测温度形成误差传播场,使误差能够在拓扑结构中沿真实连接关系传播,从而增强对局部异常及潜在热故障扩散趋势的刻画能力,提高重建过程的物理一致性;
59、综合考虑误差强度、误差变化量及局部空间差异,构建多维采样势能函数,并结合温度漂移修正因子,有效提升对动态工况及环境扰动的适应能力,使采样决策更贴近真实热状态变化,通过分层采样机制,实现关键区域优先观测与冗余区域抑制,在降低采样数量的同时保持高信息增益,从而显著减少红外观测数据量与计算负担;
60、因此,本发明能够在压缩感知框架下实现更高精度的红外图像重建效果,提升异常热点检测灵敏度与系统鲁棒性,并具备良好的工程可实施性与实际应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com