基于深度学习算法的变电站设备缺陷预警方法及系统

本发明公开了一种基于深度学习算法的变电站设备缺陷预警方法及系统，涉及设备预警技术领域，包括采集温度图像数据，计算温度差异值；二值化温度差异值，标记遮罩像素，将遮罩像素所在区域分割成超像素区块，计算综合异常指标，根据综合异常指标标记温度异常区域；计算被标记为温度异常区域的温度梯度，根据安全标准和欧氏距离进行高梯度区域合并，并报表输出；构建深度学习模型，对综合异常区域进行异常预测，得到预测信息；将预测信息传输至预警终端，以进行设备预警。本发明能够有效识别并定位温度异常区域，保证检测结果的可靠性，且充分结合温度分布的特征信息，可灵活适应温度的局部突变，不易受噪声干扰，提高了预警效率。