摘要
本发明适用于电力设备腐蚀检测技术领域,提供了一种基于双光谱协同分析与时空预测的电力设备腐蚀检测方法,其方法包括:将采集电力设备的可见光图像与红外图像进行融合分析,输出腐蚀区域的位置信息及形态类别;结合双目视觉系统与IMU传感器计算腐蚀区域的三维空间坐标、主方向角度及环境参数,生成位姿数据;将位姿数据输入至预设的腐蚀扩展路径预测模型中处理,输出物理特征参数;融合双频RTK GPS定位数据、IMU姿态数据及物理特征参数,构建时空关联数据集,输入至预设的时空图神经网络模型中分析图结构建模腐蚀节点的时空演化关系;输出微观和宏观预测结果。能够提升腐蚀特征的识别准确率和腐蚀检测的效率,降低了人工成本和作业风险。
技术关键词
腐蚀检测方法
物理特征参数
电力设备专用
时空注意力机制
可见光图像
神经网络模型
双目视觉系统
盐雾浓度
数据
主成分分析法
扩展卡尔曼滤波算法
环境耦合关系
门控循环单元网络
腐蚀检测技术
坐标
协方差矩阵
形态
节点特征
系统为您推荐了相关专利信息
残差卷积神经网络
卷积模块
时空注意力机制
动态
时间段
可见光图像
多模态图像数据
信道
模块
深度学习算法
可见光图像
裁剪方法
神经网络特征
矩阵
特征点信息
自组网技术
状态监测方法
融合置信度
低功耗
节点
输电线路检测方法
输电线路检测系统
融合特征
双模态
超分辨率