受拍摄环境及局部放电程度影响, 夜间型紫外相机拍摄电晕放电图像不清晰、放电区域的颜色不仅接近背景颜色且与背景交叉重叠等导致难以自动分割局部放电, 针对该问题提出一种新的电力线紫外图像局部放电区域精确分割方法。首先, 构建基于 Unet深度学习语义分割模型, 利用已训练 Unet网络对紫外图像语义分割获得电晕放电区域粗分割结果; 其次, 将放电区域紫外图像转换为灰度图像, 基于前景加权的 Otsu阈值分割法对粗分割结果进行精确分割。对 426个样本进行测试, 本文方法全部分割出了样本图像中的局部放电区域, 且分割出的放电区域与真值之间的误差接近 0, 所提出的电晕放电分割方法能为局部放电大小量化和评估提供准确的数据源。

太赫兹调频连续波成像技术具有高功率、小型化、低成本、三维成像等特点, 在太赫兹无损检测领域受到了广泛关注。然而由于微波及太赫兹器件限制, 太赫兹信号带宽难以做大, 从而制约了成像的距离向分辨力。虽然高载频可实现较大宽带, 但伴随的低穿透性和低功率会限制太赫兹调频连续波成像系统的应用场景。因此, 聚焦于太赫兹波无损检测领域, 提出一种时分频分复用的 114~500 GHz超宽带太赫兹信号的产生方式, 基于多频段共孔径准光设计, 实现超带宽信号的共孔径, 频率可扩展至 1.1 THz。提出一种频段融合算法, 实现了超宽带信号的有效融合, 距离分辨力提升至 460 μm, 通过人工设计的多层复合材料验证了系统及算法的有效性, 并得到封装集成电路(IC)芯片的高分辨三维成像结果。

电力设备 SF6泄漏气体红外图像容易淹没在背景中，肉眼难以辨识低对比度图像中泄漏气体情况，给电力设备检修带来了困扰。提出了基于三直方图均衡的 SF6红外图像对比度增强方法。首先，利用三样条插值拟合图像直方图得到二阶连续曲线，计算每个灰度级对应的一阶导数绝对值。其次，根据一阶导数绝对值和直方图分布划分直方图为两个波峰和一个相对平坦的波谷区域；最后，根据波峰和波谷将直方图分为 3个子图，对 3个子图分别进行直方图均衡后合并为增强图像。为了验证算法有效性，对现场拍摄的电力设备 SF6泄漏低对比度红外视频流进行增强，并与 CLAHE和双直方图均衡算法进行对比。实验结果表明：本文方法在提升图像的整体对比度同时增强了泄漏气体与周围图像的对比度，提升泄漏气体红外图像视觉效果，相比于 CLAHE和双直方图均衡方法，本文获得的峰值信噪比和均方根对比度值更高，增强后的图像质量更好。

红外图像处理是实现电气故障诊断的有效手段, 而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题, 本文采用深度残差网络与 UNet网络相结合, 深度残差网络替代 VGG16对 UNet网络进行特征提取和编码, 构建深度残差系列 Res-Unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试 Res-Unet网络分割效果, 并与传统的 UNet网络和 Deeplabv3＋网络进行对比。通过对数量为 876的样本进行测试, 实验结果表明, Res18-UNet能够准确地分割电气设备, 对电流互感器和断路器的分割准确率超 93%, 平均交并比大于 89%, 且分割准确性优于 UNet及 Deeplabv3+网络模型, 为实现电气故障智能诊断奠定基础。

红外图像智能分析是变电设备故障诊断的一种有效方法，目标设备分割是其关键技术。本文针对复杂背景下电流互感器整体分割难的问题，采用基于 ResNet50的 DeepLabv3＋神经网络，用电流互感器的红外图像训练语义分割模型的方法，对收集到的样本采用限制对比度自适应直方图均衡化方法实现图像轮廓增强，构建样本数据集，并运用图像变换扩充样本数据集，搭建语义分割网络训练语义分割模型，实现电流互感器像素与背景像素的二分类。通过文中方法对 420张电流互感器红外图像测试，结果表明，该方法的平均交并比(Mean Intersection over Union, MIoU)为 87.5%，能够从测试图像中精确分割出电流互感器设备，为后续电流互感器的故障智能诊断做铺垫。

电力设备过热故障图谱识别是判断电力设备故障程度的重要手段。工程实际中通常是对变电设备热拍照并进行人工甄别。为提高设备热像图故障判定准确率和效率，本文针对电力三相设备的特点，提出了一种通过三相分区块自动搜寻及温度对比的过热区域判定方法，通过将三相设备热像图每相分离，调整为相似大小与姿态，将新图像分块进行对比，判定对应区块是否有异常温升，从而判定某相设备出现的热故障。试验结果表明，本文基于计算机自动搜寻和判定的设备热诊断方法能够更加高效准确地判定识别三相设备热故障，从而能够提高电力设备热故障检测的效率、准确性与自动化程度。

本文针对电力设备红外图像诊断中热故障特征提取和数字化表达难题，提出一种多属性融合的电力设备红外热特征数字化方法。通过对电力设备热故障特性和相关诊断文件研究分析，在对图像预处理的基础上，提取图像中关键发热区域的热点温度、热点温差、发热面积、位置信息以及热点群聚现象等热属性值，构建多属性信息融合的过热性故障特征值向量，实现热故障特征数字化描述。以断路器为例对该方法进行了验证分析，结果表明，该方法对典型红外故障图谱具有良好的描述能力，可用于后续大量复杂故障样本情况下的设备热故障智能分类与诊断应用中。