基于PCNN分层聚类迭代的故障区域自动提取方法

许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙

许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙. 基于PCNN分层聚类迭代的故障区域自动提取方法[J]. 红外技术, 2020, 42(8): 809-814.
引用本文: 许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙. 基于PCNN分层聚类迭代的故障区域自动提取方法[J]. 红外技术, 2020, 42(8): 809-814.
XU Xiaolu, ZHOU Wen, ZHOU Dongguo, ZHU Shiqin, NI Hui, LUO Chuanxian. Automatic Fault Region Extraction Using PCNN Hierarchical Clustering[J]. Infrared Technology , 2020, 42(8): 809-814.
Citation: XU Xiaolu, ZHOU Wen, ZHOU Dongguo, ZHU Shiqin, NI Hui, LUO Chuanxian. Automatic Fault Region Extraction Using PCNN Hierarchical Clustering[J]. Infrared Technology , 2020, 42(8): 809-814.

基于PCNN分层聚类迭代的故障区域自动提取方法

基金项目: 国家电网公司总部科技项目资助,基于多源异构数据融合的特高压变电设备远程诊断关键技术研究及应用(GY71-17-012)
详细信息
  • 中图分类号: TP391

Automatic Fault Region Extraction Using PCNN Hierarchical Clustering

  • 摘要: 为了在电力设备红外图像中较好地检测故障区域,提出一种基于分层聚类迭代的红外图像故障区域自动提取方法.在该方法中,首先以脉冲耦合神经网络(Pulse-coupled neural network,PCNN)作为红外图像处理核心模型,通过设置PCNN模型内在参数以及引入聚类机理,使得模型在迭代过程中可将整个图像划分成多个具有相似特性的区域.在此基础上,通过计算各个层点火区域均值以及对均值大小进行排序,然后针对灰度值较高的点火区域,结合边界检测算子并利用相似度评价方式对相邻区域进行合并处理,实现红外图像中热故障区域的有效提取.最后对真实红外图像进行测试并对比现有的一些方法,验证文中方法对热故障区域提取的有效性和适用性.
  • 期刊类型引用(7)

    1. 陈勇旭,万科. 基于脉冲耦合神经网络和粒子群优化算法的水轮发电机组故障在线录波检测. 微电机. 2025(01): 26-32 . 百度学术
    2. 冉建军. 基于发热面积的电流互感器红外故障诊断方法. 科技与创新. 2023(17): 51-53 . 百度学术
    3. 周煜博,刘立群. 基于EM-PCNN的果园苹果异源图像配准方法. 农业工程学报. 2022(05): 175-183 . 百度学术
    4. 葛黄徐,郑雷,江洪,郭一凡,周东国. 基于MST框架的PCNN输电线路红外热故障区域提取方法. 红外技术. 2022(07): 709-715 . 本站查看
    5. 李卓,覃启铭,林其友,杜鸣亮,舒日高. 基于分层聚类算法的避雷器运行状态检测方法. 电子设计工程. 2022(21): 122-126 . 百度学术
    6. 许志浩,罗吕,袁刚,康兵,丁贵立,赵天成. 基于热点位置分类的电流互感器发热故障判别方法. 激光与红外. 2021(12): 1628-1634 . 百度学术
    7. 赵天成,罗吕,杨代勇,刘赫,袁刚,许志浩. 多属性融合的电力设备红外热特征数字化方法. 红外技术. 2021(11): 1097-1103 . 本站查看

    其他类型引用(4)

计量
  • 文章访问数:  124
  • HTML全文浏览量:  14
  • PDF下载量:  24
  • 被引次数: 11
出版历程

目录

    /

    返回文章
    返回