摘要
本发明公开一种基于YOLOv8与背景差分的变电站跑冒滴漏检测方法,属于变电站设备智能检测领域,首先进行多模态数据采集与预处理,通过可见光摄像头与红外热成像仪采集变电站现场图像,对图像进行预处理,将预处理后的可见光图像和红外热图像进行特征融合,输出融合特征图;然后利用改进的YOLOv8模型检测大尺寸泄漏目标,输出包含目标类别、位置及置信度的检测结果;之后进行动态背景建模与微小目标检测,基于3D‑CNN构建动态背景模型,结合背景差分法及红外图像的温度差异验证微小泄漏目标;最后进行时空轨迹关联与分级报警,采用图神经网络优化跨帧轨迹匹配,根据不同条件触发分级报警。该方法提高了变电站跑冒滴漏检测的准确性、实时性和鲁棒性。
技术关键词
可见光图像
背景差分法
双向特征金字塔
DenseNet网络
融合特征
采集变电站
Retinex算法
变电站设备智能
节点
轨迹
动态背景建模
多模态数据采集
注意力机制
高层语义特征
空间特征提取
红外热成像仪