基于图像处理的电气设备故障检测方法及系统与流程

本发明涉及电气设备检测，尤其涉及一种基于图像处理的电气设备故障检测方法及系统。

背景技术：

1、电气设备检测技术是指对电气设备进行安全性、性能、质量等方面的评估和检测的技术领域。这个领域与电气工程、机械工程、自动化技术等相关，涉及各种电气设备的检测、测量、故障诊断、性能评估等方面的知识和技术。电气设备检测技术的发展与现代社会对电气设备安全性和可靠性的要求密切相关。

2、公开号为cn109917216a的专利文献公开了一种家用电器故障监测设备，该设备包括频率采集电路、分离校准电路和信号输出电路，所述频率采集电路采集家用电器故障监测设备控制终端中信号传输通道输入端的信号频率，所述分离校准电路运用可变电阻rw1、可变电阻rw2和电容c4、电容c3组成分离电路将信号分为同频率不同振幅的两路信号，一路运用三极管q1、三极管q2组成推挽电路降低信号的导通损耗，二路运用可变电阻rw3和二极管d4、二极管d5组成整流电路对信号整流，最后信号输出电路运用三极管q5、三极管q6和电阻r14、电阻r15组成复合电路防止信号失真，能够将信号频率转换为家用电器故障监测设备控制终端中报警模块的触发信号。

3、现有技术中对电气设备故障检测时检测过程繁琐，从而造成检测速率低下的问题。

技术实现思路

1、为此，本发明提供一种基于图像处理的电气设备故障检测方法及系统，可以解决检测速率低下的问题。

2、为实现上述目的，本发明提供一种基于图像处理的电气设备故障检测方法，该方法包括：

3、通过图像采集设备获取电风扇内部的扇叶图像，对所述扇叶图像进行边缘轮廓分析，判断所述扇叶表面是否出现损坏，若损坏，则对所述电风扇进行维修，所述扇叶在所述电风扇运行过程中匀速绕着同一轴心进行转动，所述扇叶至少包含两个；

4、若所述扇叶表面无损坏特征，将所述电风扇启动，当所述电风扇运行平稳时，根据任一所述扇叶的边缘轮廓，计算所述扇叶的几何中心位置并标记，将磁铁固定在所述扇叶的几何中心处，通过当所述扇叶转动时所述磁铁经过霍尔传感器产生电信号获得所述扇叶的在第一时间段内的转动速率，将所述转动速率与预设转动速率进行比较，若所述转动速率小于所述预设转动速率，则所述电风扇故障，进而对所述电风扇进行维修；

5、若所述电风扇转速故障维修完成，将所述磁铁取下，将所述电风扇启动，当所述电风扇运行平稳时，根据任一所述扇叶的边缘轮廓，标记所述扇叶边缘轮廓中距所述扇叶与所述电风扇连接一端最远距离处，将振动传感器固定设置在所述最远距离处，通过所述振动传感器检测所述扇叶在第二时间段内的振动值，绘制振动图，将所述振动图中实际最大振动值与预设振动图中标准最大值进行比较，将所述振动图中实际最小振动值与所述预设振动图中标准最小值进行比较，根据振动值比较结果判断所述电风扇是否故障，若所述最大振动值小于等于所述标准最大值且所述最小值大于等于所述标准最小值，则将所述振动图与预设振动图进行重合度计算，并与预设重合度值进行比较，根据重合度比较结果判断所述电风扇是否故障，若所述电风扇振动故障，则对所述电风扇进行维修，所述预设振动图为在所述第二时间段内无故障电风扇获取的振动图。

6、进一步地，根据振动值比较结果判断所述电风扇是否故障包括：

7、提取所述振动图中实际最大振动值与实际最小振动值；

8、将所述实际最大振动值与所述预设振动图中标准最大值进行比较，将所述实际最小振动值与所述预设振动图中标准最小值进行比较，若所述最大振动值大于所述标准最大值或所述最小值小于所述标准最小值，则所述电风扇振动故障。

9、进一步地，将所述振动图与预设振动图进行重合度计算，并与预设重合度值进行比较，根据重合度比较结果判断所述电风扇是否故障包括：

10、提取所述振动图像中若干实际振幅值，计算若干所述实际振幅值的均值，获取均值振幅值，将所述均值振幅值与所述预设振动图中的标准振幅值进行重合度计算，获取第一重合度值；

11、提取所述振动图中单位时间内的若干实际振动频率，计算若干所述实际振动频率的均值，将均值频率值与所述预设振动图中的标准频率值进行重合度计算，获取第二重合度值；

12、将所述第一重合度值与所述第二重合度值相加获取第三重合度值；

13、将所述第三重合度值与所述预设重合度值进行比较，若所述第三重合度值小于等于所述预设重合度值，则所述电风扇无故障，若所述第三重合度值大于所述预设重合度值，则所述电风扇故障。

14、进一步地，若所述电风扇振动故障，则对所述电风扇进行维修包括：

15、对所述扇叶与所述电风扇连接处进行图像采集，获取连接图像；

16、通过边缘检测算法提取所述连接图像中连接部件的边缘轮廓；

17、将所述连接图像通过图像处理软件转化为灰度图像；

18、识别所述连接部件的边缘轮廓区域间的灰度值，若所述灰度值小于预设灰度值，则所述连接部件松开，应将所述连接部件调紧或更换连接部件。

19、进一步地，对所述扇叶图像进行分析，判断所述扇叶表面是否出现损坏包括：

20、通过图像采集设备获取扇叶图像；

21、通过图像处理工具对所述扇叶图像进行去噪处理；

22、通过边缘检测算法获取所述扇叶图像中扇叶的边缘轮廓；

23、将所述扇叶的边缘轮廓与标准扇叶边缘轮廓进行相似度计算，若相似度结果小于预设相似度，则所述扇叶出现损坏，若相似度结果大于等于所述预设相似度，则所述扇叶没有出现损坏。

24、进一步地，根据任一所述扇叶的边缘轮廓，计算所述扇叶的几何中心位置并标记包括：

25、建立以长度值为横轴，宽度值为纵轴的直角坐标系；

26、将所述扇叶的边缘轮廓绘制在所述直角坐标系中；

27、对所述扇叶的边缘轮廓以10cm为间隔进行标记，获取标记的若干点的坐标；

28、计算若干坐标的横纵坐标均值，获取坐标均值，所述坐标均值对应的点为所述扇叶的几何中心位置。

29、进一步地，通过当所述扇叶转动时所述磁铁经过霍尔传感器产生电信号获得所述扇叶的在第一时间段内的转动速率包括：

30、在所述扇叶的几何中心处固定安装一个磁铁，在与所述磁铁处于同一横向平面，距所述磁铁20cm的位置处设置所述霍尔传感器，所述霍尔传感器与继电器相连接；

31、将所述电风扇启动，所述扇叶进行转动进而所述磁铁进行转动，当所述磁铁经过所述霍尔传感器时，所述霍尔传感器接收到电压变化产生电信号，进而触动继电器，记录所述继电器在所述第一时间段内被触动的次数，所述次数即为所述扇叶在第一时间段内的转动速率。

32、进一步地，进而对所述电风扇进行维修包括：

33、通过电压传感器检测与所述电风扇连接的电源电压在第三时间段内的电压值，获取若干电压值；

34、建立以时间为横轴，电压值为纵轴的直角坐标系；

35、将若干所述电压值按照测量时间和测量数值在所述直角坐标系中以点的形式进行绘制；

36、将相邻两点进行连接，获取电压图；

37、在所述电压图中绘制标准电压范围区域，计算所述电压图在所述标准电压范围区域内的占比，若所述占比结果小于预设占比，则所述电源电压不稳定，应更换电源电压或安装稳压器。

38、进一步地，通过所述振动传感器检测所述扇叶在第二时间段内的振动值，绘制振动图包括：

39、在所述扇叶上安装振动传感器，在所述第二时间段开始前，检测所述扇叶的初始振动值；

40、在所述第二时间段内，通过所述振动传感器实时检测所述扇叶的振动值，获取若干振动值；

41、将若干所述振动值与所述初始振动值进行差值计算，获取若干振动变化值；

42、建立以时间为横轴，振动值为纵轴的直角坐标系；

43、将若干所述振动变化值按照测量时间和数值在所述直角坐标系中以点的形式进行绘制；

44、将相邻两点进行连接，获取振动图。

45、进一步地，一种基于图像处理的电气设备故障检测方法的系统，该系统包括：

46、扇叶分析模块，通过图像采集设备获取电风扇内部的扇叶图像，对所述扇叶图像进行边缘轮廓分析，判断所述扇叶表面是否出现损坏，若损坏，则对所述电风扇进行维修，所述扇叶在所述电风扇运行过程中匀速绕着同一轴心进行转动，所述扇叶至少包含两个；

47、转速分析模块，与所述扇叶分析模块连接，若所述扇叶表面无损坏特征，将所述电风扇启动，当所述电风扇运行平稳时，根据任一所述扇叶的边缘轮廓，计算所述扇叶的几何中心位置并标记，将磁铁固定在所述扇叶的几何中心处，通过当所述扇叶转动时所述磁铁经过霍尔传感器产生电信号获得所述扇叶的在第一时间段内的转动速率，将所述转动速率与预设转动速率进行比较，若所述转动速率小于所述预设转动速率，则所述电风扇故障，进而对所述电风扇进行维修；

48、振动分析模块，与所述转速分析模块连接，若所述电风扇转速故障维修完成，将所述磁铁取下，将所述电风扇启动，当所述电风扇运行平稳时，根据任一所述扇叶的边缘轮廓，标记所述扇叶边缘轮廓中距所述扇叶与所述电风扇连接一端最远距离处，将振动传感器固定设置在所述最远距离处，通过所述振动传感器检测所述扇叶在第二时间段内的振动值，绘制振动图，将所述振动图与预设振动图进行最大振动值、最小振动值和重合度比较，根据比较结果判断所述电风扇是否故障，若所述电风扇振动故障，则对所述电风扇进行维修，所述预设振动图为在所述第二时间段内无故障电风扇获取的振动图。

49、与现有技术相比，本发明的有益效果在于，通过图像采集设备获取电风扇内部扇叶的图像，进而对所述图像进行分析判断扇叶表面是否出现损坏，从而对电风扇进行初步故障检测，通过拍摄图像，使得对于扇叶损坏故障判断更直观，从而提高了故障判断过程的效率和准确性，若所述电风扇扇叶发生故障，则对所述扇叶进行及时维修，避免在使用过程中所述电风扇出现更大的故障，保证了电风扇使用过程的安全性，通过霍尔传感器测量电风扇的转动速率，使得所述转动速率检测过程简单快捷，且检测结果准确，通过设置预设转动速率，以确定所述转动速率是否异常，进而判断所述电风扇是否存在转速故障，若所述电风扇产生故障，则对影响转速的相应部件进行维修，提高了对所述电风扇故障检测的速率和维修速率，保证了所述电风扇运行过程的安全性，通过振动传感器检测电风扇扇叶在第二时间段内的振动值，使得检测结果全面且准确，通过绘制振动图使得对于第二时间段内的振动值变化直观可见，提高了判断效率，通过比较振动图与所述预设振动图中的最大振动值、最小振动值判断电风扇是否存在振动故障，若振动值超过了预设的范围，说明电风扇存在故障，对所述电风扇的故障进行初步判断，进而判断所述振动图与预设振动图的重合度，若重合度低，则所述电风扇故障，进一步判定所述电风扇的故障，使得对所述电风扇的振动故障判断全面且细致，使得故障判断结果准确，及时对电风扇振动故障产生的部件进行维修，避免因振动问题而导致更大的危险，使得所述电风扇使用过程安全。

50、尤其，通过提取所述振动图中的最大振动值和最小振动值，并将所述最大振动值与预设振动图中的标准最大值进行比较，若所述最大振动值大于标准最大值，表明电风扇存在振动故障，同时，将所述最小振动值与预设振动图中的标准最小值进行比较，若所述最小振动值小于标准最小值，所述电风扇存在振动故障，对所述电风扇振动故障进行初步判断，通过设置所述标准最大值和所述标准最小值，使得判断过程简单且判断结果准确，通过初步判断筛选所述电风扇振动故障，以便及时发现所述风扇的故障，保证风扇运行过程的安全性。

51、尤其，通过计算所述振动图与所述预设振动图的重合度，使得快速判断所述电风扇的运行是否故障，提高对故障诊断的准确性和效率，通过计算所述第一重合度值和所述第二重合度值，使得计算全面，且保证计算重合度结果的准确性，通过设置所述预设重合度值，使得对于所述振动图的判断有所依据，进而可以直接判断所述电风扇的故障情况，提高了故障判断过程的效率，使得判断结果准确。

52、尤其，通过对所述扇叶与所述电风扇连接处进行图像采集，并使用边缘检测算法提取连接部件的边缘轮廓，获取所述连接部件的形状和结构信息，便于直观地对所述连接部件进行分析，通过将所述连接图像转化为灰度图像，使得图像更加清晰，且可以提取出更多有用的信息，通过识别所述连接部件边缘轮廓区域间的灰度值，与预设灰度值进行比较，判断所述连接处是否有空白区域或没有完全连接的缺失区域，进一步判断所述连接部件的连接性，根据松动的连接部件，对其采取适当的维修，如调紧连接部件或更换连接部件，从而修复电风扇的振动故障，保证了所述风扇运行过程的安全性。

53、尤其，通过图像采集设备获取扇叶图像，使得对于所述扇叶状态进行直观了解，通过图像处理工具对图像进行去噪处理，使获取的所述扇叶图像更加清晰和真实，从而突出和增强所述扇叶图像中的细节，便于后续通过边缘检测算法提取扇叶的边缘轮廓，使得提取结果准确，通过边缘检测算法获取所述扇叶图像中扇叶的边缘轮廓，使得提取获得的所述扇叶边缘轮廓准确，提高了边缘检测过程的效率，将所提取的边缘轮廓与标准扇叶边缘轮廓进行相似度计算，判断所述扇叶与标准扇叶的区别，若相似度结果小于预设相似度，则可以判断扇叶表面存在损坏；若相似度结果大于等于所述预设相似度，则可以判断扇叶表面没有损坏，通过所述预设相似度使得对所述扇叶进行快速、准确的损坏判断，节省了人工检查的时间和成本，提高了检测的效率和准确性，提高了所述电风扇使用过程的安全性和性能稳定性。

54、尤其，通过所述扇叶的边缘轮廓计算所述扇叶的几何中心位置，使得获取所述几何中心位置准确，有助于精确测量所述扇叶的转动速率，通过建立坐标系对所述几何中心进行计算，使得计算结果简单便捷，获取最终结果准确，通过选取间隔为10cm的若干点进行计算，使得计算过程全面，且降低了计算结果的误差，使得所述几何中心位置确定准确。

55、尤其，通过在所述扇叶几何中心处固定安装磁铁，并在一定距离处设置霍尔传感器，使得对于所述扇叶转动速率的测量结果准确，通过设置所述霍尔传感器和所述继电器，准确地检测到磁铁经过传感器时所述继电器产生的电压变化，从而实现对扇叶转速的精确测量，通过记录继电器在第一时间段内被触动的次数，实时监测扇叶在该时间段内的转动速率，为后续转速故障判断提供数据基础，通过所述磁铁、所述霍尔传感器和所述继电器测得所述风扇的转速，使得测量过程简单便捷，从而提高了测量的效率，所述霍尔传感器本身具有高稳定性和可靠性，能够长时间稳定运行，从而使得转速测量结果准确。

56、尤其，通过所述振动传感器对所述扇叶的振动进行检测，使得检测过程简单快捷，检测结果准确，通过将若干所述振动值与所述初始振动值进行差值计算，获取若干振动变化值，使得所述振动变化值排除了初始振动值的影响，使得绘制所述振动图更加准确，从而使判断故障结果更准确，通过将若干所述振动值在直角坐标系上以点的形式绘制，使得对于所述扇叶在第二时间段内的振动的情况直观地了解，便于对所述扇叶稳定性的分析，提高了对所述风扇振动故障判断过程的效率，使得判断结果直观且准确。