一种基于纹理特征的电力设备外观异常检测方法

技术特征：
1.一种基于纹理特征的电力设备外观异常检测方法，其特征在于：该方法包括下列顺序的步骤：(1)获取电力设备的图像信息并对其进行预处理，经过预处理后的电力设备的图像信息包含环境因素信息；(2)将当前拍摄图像与相同环境因素下的外观正常的历史图像进行条件比对，判断历史图像为相同图像或相近图像；(3)若相同图像与相近图像的数量均大于等于1张，则将当前拍摄图像与其中一张相同图像分割为多个部分，将分割后相同位置的部分进行余弦相似度计算，得到多个余弦相似度，将多个余弦相似度进行平均，得到一个余弦相似度均值；以此类推，将当前拍摄图像与所有相同图像进行余弦相似度计算，若所有的余弦相似度均值均大于等于0.9，则认为当前拍摄图像正常，反之，则认为当前拍摄图像异常；将当前拍摄图像中余弦相似度小于0.9的分割部分与一张相近图像分割后相同位置的部分进行余弦相似度计算，得到多个余弦相似度，将多个余弦相似度进行平均，得到一个余弦相似度均值；以此类推，将当前拍摄图像与所有相近图像进行余弦相似度计算，若所有的余弦相似度均值均大于等于0.8，则认为当前拍摄图像正常，反之，则认为当前拍摄图像异常；(4)若相同图像与相近图像均只有1张，则将当前拍摄图像与相同图像、相近图像分割为若干部分，将分割后相同位置的部分进行余弦相似度计算，若所有的余弦相似度均值均大于等于0.8，则认为当前拍摄图像正常，反之，则认为当前拍摄图像异常；(5)若没有相同图像和相近图像，则记录相关信息。2.根据权利要求1所述的基于纹理特征的电力设备外观异常检测方法，其特征在于：所述步骤(1)具体是指：获取电力设备的图像信息，并根据环境因素进行处理，使其数据信息带有环境因素信息，所述环境因素信息包括光照适应性信息和自然天气信息，光照适应性信息包括光照传感器数据、拍摄图像地点的经纬度、拍摄图像的日期时间，自然天气信息包括雨雪传感器数据、环境灰尘雾霾传感器数据、温湿度风力传感器数据。3.根据权利要求1所述的基于纹理特征的电力设备外观异常检测方法，其特征在于：所述步骤(2)具体是指：将当前拍摄图像与相同环境因素下的外观正常的历史图像进行条件比对，若条件1至条件5的五个条件全部符合，则判断当前拍摄图像与相同环境因素下的外观正常的历史图像相同，判断历史图像为相同图像；若条件1至条件5的五个条件符合至少两条且包含条件2，则判断当前拍摄图像与相同环境因素下的外观正常的历史图像相近，判断历史图像为相近图像；条件1：调取当前拍摄图像地点的经纬度、拍摄图像的日期时间，与历史图像进行比对，若拍摄图像地点的经纬度相同，且拍摄图像的日期时间在10天以内，则认为该历史图像符合条件；条件2：调取当前拍摄图像地点的光照传感器数据，与历史图像进行比对，若光照量差值小于
±
10％，则认为该历史图像符合条件；条件3：调取当前拍摄图像地点的雨雪传感器数据，与历史图像进行比对，若数据相同，则认为该历史图像符合条件；条件4：调取当前拍摄图像地点的环境灰尘雾霾传感器数据，与历史图像进行比对，若数据差值小于
±
20％，则认为该历史图像符合条件；
条件5：调取当前拍摄图像地点的温湿度风力传感器数据，与历史图像进行比对，若数据差值小于
±
10％，则认为该历史图像符合条件。4.根据权利要求1所述的基于纹理特征的电力设备外观异常检测方法，其特征在于：所述步骤(3)具体是指：若相同图像与相近图像的数量均大于等于1张，则将当前拍摄图像与相同图像分割按面积进行平均分割为小方块，各小方块命名方式为(nm),n表示列，m表示行，将当前拍摄图像与相同图像中(nm)相同的部分进行余弦相似度计算，用a表示当前拍摄图像中小方块(nm)的向量，用b表示相同图像中小方块(nm)的向量，a、b间的余弦值通过使用欧几里得点积公式求出：a
·
b＝∣∣a∣∣∣∣b∣∣cosθ其中，θ代表a、b两个相量之间的夹角，通过下面的公式求取夹角θ的余弦值：这里的a
i
、b
i
分别代表向量a和b的各分量；给出的相似性范围从-1到1：-1意味着两个向量指向的方向正好截然相反，1表示它们的指向是完全相同的，0通常表示它们之间是独立的，而在这之间的值则表示中间的相似性或相异性。

技术总结
本发明涉及一种基于纹理特征的电力设备外观异常检测方法，包括：获取电力设备的图像信息并对其进行预处理；将当前拍摄图像与相同环境因素下的外观正常的历史图像进行条件比对，判断历史图像为相同图像或相近图像；当相同图像与相近图像的数量均大于等于1张时，判断当前拍摄图像是正常还是异常；当相同图像与相近图像均只有1张时，判断当前拍摄图像是正常还是异常；若没有相同图像和相近图像，则记录相关信息。本发明提出了通过检测环境变量将相同或者相近的图像与当前拍摄图像进行相似度比对，达到对被监测电力设备外观异常检测的目的；本方法可针对多种不同应用场景下的设备进行监测，适应性更强，可有效的提高外观异常检测的准确度。检测的准确度。检测的准确度。


技术研发人员：王磊
受保护的技术使用者：滨州学院
技术研发日：2022.03.03
技术公布日：2022/6/4