本发明属于电机制造技术领域，特别涉及一种电解槽故障极板的检测方法，先获取并标定标准图像，在检测作业时，获取检测图像，基于标定信息得到电解槽图像，判断电解槽图像的有效性，对有效的电解槽图像进行分析，判断对应的电解槽是否存在故障极板并定位故障极板，然后输出检测结果，结束本次检测。本发明基于标定信息能准确可靠地获得检测图像中的电解槽槽内区域图像，从而能对各电解槽侧槽内区域图像进行标准化的有效性分析、故障极板分析，进而高效率、准确地识别并定位故障极板。
人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行分析，提取盖布区域和裸露区域的温度均值范围、温度分布标准差范围为特征阈值范围；
人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行训练，构建有效性检测模型，其中每个样本对应一个四维特征向量F，T
m1为盖布区域的温度均值；m2为裸露区域的温度均值，d1为盖布区域的温度分布标准差，d2为裸露区域的温度分布标准差；
B、获取检测图像(20)，基于标定信息得到电解槽图像(22)；
C1、检测电解槽图像(22)中温度区域边缘线(33)；
C2、检测电解槽图像(22)中是否存在高温区域、低温区域；
若电解槽图像(22)中存在高温区域与低温区域，且两区域的分隔线与步骤C1中沿图像长度方向延伸的温度区域边缘线(33)相符，以该温度区域边缘线(33)为边界将电解槽图像(22)划分为拟盖布区域(31)和拟裸露区域(32)，若电解槽图像(22)中仅存在一个温度区域，将电解槽图像(22)画面均划为拟裸露区域(32)，C3、分别辨识各区域的有效性；
分别计算拟盖布区域(31)和/或拟裸露区域(32)的温度特征值，若拟盖布区域(31)的温度特征值与盖布区域特征阈值范围相符且拟裸露区域(32)的温度特征值与裸露区域特征阈值范围相符，进入步骤C4，否则，判断当前电解槽图像(22)为无效图像；
C4、采用检测模型验证电解槽图像(22)的有效性；
C41、将电解槽图像(22)棋盘式分割为至少4个待分析区域(221)，分别计算各待分析区域(221)的温度特征值，所述的特征值包括，m1为高温区域的温度均值；m2为低温区域的温度均值，d1为高温区域的温度分布标准差，d2为低温区域的温度分布标准差；
C42、将各待分析区域(221)的温度特征值输入有效性检测模型中，获得对应待分析区域(221)的图像有效性结果，若任一待分析区域(221)为无效，判断当前电解槽图像(22)为无效图像；
D、对有效的电解槽图像(22)进行分析，判断对应的电解槽是否存在故障极板并定位故障极板；
D1、将电解槽图像(22)分割为若干待分析图块(23)；
根据电解槽图像(22)的尺寸与步骤A中所标记的该电解槽极板数量，确定待分析图块(23)的尺寸，并将电解槽图像(22)分隔或分割为若干待分析图块(23)，或以分析图块(15)的尺寸为标准，将电解槽图像(22)分为若干待分析图块(23)用于进行故障极板的分析判断；
D2、根据邻近图块(23b)的温度信息计算得到当前图块(23a)的拟正常图块(24)，拟正常图块(24)为当前图块内的极板处于正常工作状态时的特征图块；
所述的温度信息包括待分析图块(23)温度分布、纵向温度梯度分布和横向温度梯度分布信息，采用位于当前图块(23a)两侧各n个邻近图块(23b)的温度信息用于拟合当前图块(23a)的计拟正常图块(24)，其中n≥2，若当前图块(23a)一侧的待分析图块(23)数量小于n，增选另一侧待分析图块(23)，使用于拟合的邻近图块(23b)数量为2n；
D3、比对各待分析图块(23)与其拟正常图块(24)的温度特征值，判断该图块内是否存在故障极板；
所述的故障温度特征值包括图块中裸露区域的故障温度特征值和盖布区域的故障温度特征值；所述的故障温度特征值T故障＝T裸露×a+T盖布，T裸露为裸露区域故障温度特征值，是当前图块(23a)的温度最大值与邻近图块(23b)的温度最大值的差值，T盖布为盖布区域故障温度特征值，是当前图块(23a)高温区在图块长度方向上的长度值，a为裸露区域故障温度特征值的放大系数，是常数，
若待分析图块(23)与其拟正常图块(24)的故障温度特征值差值位于限定阈值内，判定该待分析图块(23)内为正常工作极板，若二者的故障温度特征值差值超出限定阈值，判定该待分析图块(23)内存在故障极板，记录并在步骤E中上传故障极板信息；
2.根据权利要求1所述的电解槽故障极板的检测方法，其特征在于：所述的步骤A中，热像仪在预置位采集得到标准图像(10)，所述的步骤B中，检测作业时，热像仪调校至步骤A所述的预置位，采集得到检测图像(20)。
3.根据权利要求2所述的电解槽故障极板的检测方法，其特征在于：所述的步骤A中，在标准图像(10)上标定定位锚框(11)和角点(12)，定位锚框(11)用于配准检测图像(20)与标准图像(10)，定位锚框(11)的框域内包含位于电解槽口沿外侧的物体；
角点(12)用于辅助分割检测图像(20)得到其中各电解槽槽内区域的图像，同一电解槽内各角点(12)连线构成的围合区域即为该电解槽的槽内区域。
4.根据权利要求3所述的电解槽故障极板的检测方法，其特征在于：所述的步骤B中包括步骤B1，对检测图像(20)进行图像增强处理，使检测图像(20)与标准图像(10)的亮度分布相近。
5.根据权利要求4所述的电解槽故障极板的检测方法，其特征在于：所述的步骤B1中，分别计算检测图像(20)和标准图像(10)的亮度分布图，根据二者的亮度分布图计得各自的增强系数，基于增强系数分别对两图像进行图像增强处理。
6.根据权利要求3所述的电解槽故障极板的检测方法，其特征在于：所述的步骤A中，人工标定标准图像(10)中的定位锚框(11)，定位锚框(11)的框域内包括锚定物体的图像，锚定物体为固定安装且全部或部分本体位于电解槽口沿外侧的物体；
一个定位锚框(11)内包含两个及以上的锚定物体；一张标准图像(10)的画面中，定位锚框(11)的数量大于等于3个。
7.根据权利要求6所述的电解槽故障极板的检测方法，其特征在于：所述的步骤B中包括步骤B2，根据标定信息配准检测图像(20)与标准图像(10)得到校正图像(21)；
分别对检测图像(20)和标准图像(10)中定位锚框(11)框域内的图像进行分析匹配，生成投影变换矩阵，检测图像(20)根据投影变换矩阵生成校正图像(21)。
8.根据权利要求3所述的电解槽故障极板的检测方法，其特征在于：所述的步骤A中，人工标定标准图像(10)中各电解槽的角点(12)，同时标定各电解槽内极板的数量；
所述的步骤B中包括步骤B3，基于标定信息处理校正图像(21)得到电解槽图像(22)；
校正图像(21)沿同一电解槽的相邻角点(12)连线切割得到该电解槽的电解槽原始图像，对各电解槽原始图像进行校正得到长方形的电解槽图像(22)。
9.根据权利要求3所述的电解槽故障极板的检测方法，其特征在于：所述的步骤A中，人工标定标准图像(10)中各电解槽的角点(12)，沿同一电解槽的相邻角点(12)连线切割得到呈四边形状的电解槽标准图像，对各电解槽标准图像进行校正得到长方形的电解槽校正标准图像(14)，根据电解槽校正标准图像(14)的尺寸与该电解槽内极板的数量，确定分析图块(15)的尺寸，记录各电解槽的图像分割、校正数据与分析图块(15)尺寸数据形成电解槽图像处理模板；
所述的步骤B中包括步骤B3，基于标定信息处理校正图像(21)得到电解槽图像(22)；
校正图像(21)套用电解槽图像处理模板得到电解槽图像(22)。
10.根据权利要求8或9所述的电解槽故障极板的检测方法，其特征在于：所述的步骤C中，将电解槽图像(22)划分为拟盖布区域(31)和/或拟裸露区域(32)，分别判断拟盖布区域(31)、拟裸露区域(32)图像的有效性；当且仅当电解槽图像(22)各区域均为有效图像区域时，判断电解槽图像(22)为有效图像，进入步骤D，否则，进入步骤E。
11.根据权利要求10所述的电解槽故障极板的检测方法，其特征在于：所述的步骤C中，分辨电解槽图像(22)是否存在整体沿图像长度方向延伸的高、低温区域，将高温区域划分为拟盖布区域(31)、低温区域划分为拟裸露区域(32)，若无明显的高、低温区域，视电解槽图像(22)画面内均为裸露区域(32)。
12.根据权利要求10所述的电解槽故障极板的检测方法，其特征在于：当电解槽图像(22)的拟盖布区域(31)、拟裸露区域(32)图像均为有效图像区域时，验证该电解槽图像(22)的有效性；
将电解槽图像(22)划分为若干待分析区域(221)，分别判断各待分析区域(221)的有效性；当且仅当各待分析区域(221)均为有效图像区域时，判断电解槽图像(22)为有效图像，进入步骤D，否则，进入步骤E。
13.根据权利要求12所述的电解槽故障极板的检测方法，其特征在于：所述的步骤D中，对有效的电解槽图像(22)进行分析，获得槽内各极板均处于正常工作状态时的特征图像，比对原始图像与特征图像的温度特征值判断电解槽内是否存在故障极板。
14.根据权利要求13所述的电解槽故障极板的检测方法，其特征在于：所述的步骤D中，有效电解槽图像(22)的拟盖布区域(31)、拟裸露区域(32)分别采用不同的温度特征值用于分析判断极板故障情况。
电解槽故障极板的检测方法
技术领域
[0001] 本发明属于电机制造技术领域，特别涉及一种电解槽故障极板的检测方法。
背景技术
[0002] 铜电解过程，是将粗铜制成厚板作为阳极，纯铜或不锈钢制成薄片作为阴极，相间地插入电解液中，通电后，槽内阳极溶解，阳极铜以离子形式进入电解液，向阴极扩散，在阴极获得电子析出，得到高纯度金属铜。铜电解过程中极板易发生“冷板”与“短路”。由于工人排板失误、电解槽导电排污染等原因造成极板接触失效，无电流或小电流通过，降低了电解的工作效率，称为冷板；由于极板间电流分布不均、阳极泥粘附等原因导致阴极板结瘤生长，造成阳极‑阴极短路。短路电极不仅停止电解，大量电流流过短路电极发热，以热量形式消耗，增加能耗的同时降低了电流效率，而且对阴极铜品位产生严重影响。及时发现并排除电解槽内极板故障是槽面管理的关键工作，具有重要的经济与工艺意义。
[0003] 现有技术如中国专利CN204434735U采集电解槽的红外图像用于检测电解槽中温度异常的极板，然而，在工业现场的恶劣条件下，红外图像普遍图像质量差、背景对比度低、电解槽极板边缘轮廓模糊，导致电解槽极板定位误差大。另外，在铜电解过程中，为减少电解液蒸发导致的热量与酸损失，电解槽上通常覆盖有遮布，桁车运行或工作人员在槽面作业时遮挡电解槽，影响故障识别准确率。
[0004] 为解决上述问题，北京科技大学博士学位论文《基于红外图像的铜电解精炼过程状态检测研究》中公开了先增强红外图像，然后提取图像中各电解槽边缘，沿检测得到的电解槽边缘分割得到各电解槽的图像用于故障极板分析的技术方案。该方案中，若电解槽边缘的识别错误，将导致整个电解槽漏检，故障极板的检出率严重依赖电解槽边缘识别的准确性。而实际生产过程中，异物遮挡、桁车运行、人员作业等各种情况均可能导致电解槽的边缘无法提取或提取错误，进而影响故障极板的检测。
[0005] 该论文中还公开了盖布区域和裸露区域分别进行故障阴极提取的方法，其盖布区域的故障误检率高。论文中认为是由于天车遮挡、槽面作业人员影响、盖布不规范和算法本身存在局限性导致的误检和漏检。为进一步提高故障检出指标，构建同时适用于盖布区域和裸露区域的基于SVM的故障阴极提取方法，但该方法中每个样本对应一个九维特征向量，应用时需要耗费大量机器内存和运算时间，且仍旧无法避免桁车遮挡遮挡、槽面作业人员进入图像画面等情况导致的误检和漏检，无法满足现场应用需求。
发明内容
[0006] 本发明的目的在于提供一种基于红外图像能准确检测并精准定位故障极板的电解槽故障极板的检测方法。
[0007] 为实现以上目的，本发明采用的技术方案为：一种电解槽故障极板的检测方法，包括如下步骤：
[0008] A、获取并标定标准图像；
[0009] B、获取检测图像，基于标定信息得到电解槽图像；
[0010] C、判断电解槽图像的有效性；
[0011] D、对有效的电解槽图像进行分析，判断对应的电解槽是否存在故障极板并定位故障极板；
[0012] E、输出检测结果，结束本次检测。
[0013] 与现有技术相比，本发明存在以下技术效果：基于标定信息能准确可靠地获得检测图像中的电解槽槽内区域图像，从而能对各电解槽侧槽内区域图像进行标准化的有效性分析、故障极板分析，进而高效率、准确地识别并定位故障极板。
附图说明
[0014] 下面对本说明书各附图所表达的内容及图中的标记作简要说明：
[0015] 图1是标准图像示意图；
[0016] 图2是检测图像示意图；
[0017] 图3是电解槽校正标准图像、电解槽图像示意图；
[0018] 图4是检测电解槽图像温度区域边缘线的示意图；
[0019] 图5是检测电解槽图像高低温区域的示意图；
[0020] 图6是图5中拟盖布区域与拟裸露区域的划分示意图；
[0021] 图7是验证电解槽图像有效性的示意图；
[0022] 图8是有效图像样本；
[0023] 图9是无效图像样本；
[0024] 图10是分析图块示意图；
[0025] 图11是待分析图块示意图；
[0026] 图12是原始热像图示例；
[0027] 图13是拟正常图块拼接得到的热像图示例；
[0028] 图14存在故障极板的电解槽图像示例；
[0029] 图15是图14的温度特征值曲线示例。
[0030] 图中：10.标准图像，11.定位锚框，12.角点，14.电解槽校正标准图像，15.分析图块，20.检测图像，21.校正图像，22.电解槽图像，221.待分析区域，23.待分析图块，23a.当前图块，23b.邻近图块，24.拟正常图块，31.拟盖布区域，32.拟裸露区域，33.温度区域边缘线。
具体实施方式
[0031] 下面结合附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细说明。
[0032] 本方法中，安装在云台上的热像仪镜头指向电解槽组，云台驱动热像仪转动至设定角度采集电解槽的红外图像，对采集得到的红外图像进行处理检测是否存在故障极板并定位故障极板的位置。为提升检测效率，在无遮挡行车等异物遮挡的情况下，每个红外图像画面内通常包含一个以上完整的电解槽。
[0033] 一种电解槽故障极板的检测方法，包括如下步骤：
[0034] A、获取并标定标准图像10；
[0035] B、获取检测图像20，基于标定信息得到电解槽图像22；
[0036] C、判断电解槽图像22的有效性；
[0037] D、对有效的电解槽图像22进行分析，判断对应的电解槽是否存在故障极板并定位故障极板；
[0038] E、输出检测结果，结束本次检测。
[0039] 电解槽图像22为单个电解槽槽内区域的图像，获得图像中所有的电解槽图像22后，依次对各电解槽的槽内区域图像进行有效性判断，排除无效图像后，对具有完整、无遮挡的电解槽槽内区域的电解槽图像22进行分析，就能高效率、准确地识别并定位故障极板。
[0040] 为可靠检测并定位故障极板，电解槽故障极板检测系统用于检测作业前，即步骤A中，需采集并标定各预置位上的标准图像10用于获取电解槽图像22，基于有效图像样本和无效图像样本得到图像有效性判断的特征值，基于有效图像样本选取故障判断的特征值。
[0041] 步骤A中，热像仪在预置位采集得到标准图像10，检测作业时，即步骤B中，将热像仪调校至步骤A所述的预置位，采集得到检测图像20。检测作业时，云台驱动热像仪转动至标准图像10的拍摄姿态采集得到该标准图像10的检测图像20，检测图像20的画面与标准图像10的画面由于云台定位误差等原因，通常会存在画面偏转或偏移，故而需要基于标定信息对二者进行配准。
[0042] 为准确可靠地分割检测图像20中各电解槽槽内区域完整图像，本实施例中，在标准图像10上标定定位锚框11和角点12。
[0043] 其中，定位锚框11用于配准检测图像20与标准图像10。具体实施时，盖布不会遮挡或只能遮挡部分锚定物体，定位锚框11的框域内包含位于电解槽口沿外侧的物体，这样才能保证盖布遮挡电解槽口沿时，检测图像20与标准图像10的可靠配准。锚定物体可以为水管、立柱或在电解槽旁另设的标定物体。需要进一步说明的是，如附图1所示，一个定位锚框11内包含两个及以上的锚定物体；各锚定物体的大小、轮廓和两锚定物体间距等数据用于生成投影变换矩阵，保证标准图像10与检测图像20的配准效果。一张标准图像10的画面中，定位锚框11的数量大于等于3个，避免所有定位锚框11处均被遮挡使得无法配准检测图像
20与标准图像10。
[0044] 角点12用于辅助分割检测图像20得到其中各电解槽槽内区域的图像，如附图1、2所示，同一电解槽内各角点12连线构成的围合区域即为该电解槽的槽内区域。进一步的，标准图像10、检测图像20中，角点12的围合区域为四边形，且各电解槽的槽内区域形状不一，需将其校正为长方形，以便对其作进一步分析。
[0045] 由于季节变化导致电解车间内环境温度变化，检测图像20与标准图像10会存在较大差异。故而，需对检测图像20进行图像增强处理，使检测图像20与标准图像10的亮度分布相近。如此便能消除季节等原因引起的环境温度差异导致的图像差异，提升检测图像20与标准图像10配准的可靠性。
[0046] 步骤C中，将电解槽图像22划分为拟盖布区域31和/或拟裸露区域32，分别判断拟盖布区域31、拟裸露区域32图像的有效性；当且仅当电解槽图像22各区域均为有效图像区域时，判断电解槽图像22为有效图像，进入步骤D，否则，进入步骤E。
[0047] 电解槽图像22中可能存在盖布区域，也可能无盖布区域，若检测到疑似盖布区域，将电解槽图像22划分为拟盖布区域31和拟裸露区域32，否则，将电解槽图像22的完整画面视为拟裸露区域32
[0048] 更进一步的，为避免拟盖布区域31或拟裸露区域32存在小区域遮挡导致图像有效性判断错误，影响故障检测的准确性，当电解槽图像22的拟盖布区域31、拟裸露区域32图像均为有效图像区域时，验证该电解槽图像22的有效性。将电解槽图像22划分为若干待分析区域221，分别判断各待分析区域221的有效性；当且仅当各待分析区域221均为有效图像区域时，才判断电解槽图像22为有效图像。将电解槽图像22划分为画面较小的待分析区域221后基于有效性验证模型验证其内图像的有效性。
[0049] 所述的步骤D中，对有效的电解槽图像22进行分析，获得槽内各极板均处于正常工作状态时的特征图像，比对原始图像与特征图像的温度特征值判断电解槽内是否存在故障极板。基于电解槽内邻近区域的温度特征推算当前区域的温度特征，再用当前区域的实际温度特征与之比对进行故障检测，能有效避免季节温度发生较大变化的情况下，绝对温度阈值不准带来的影响。
[0050] 有效电解槽图像22的拟盖布区域31、拟裸露区域32分别采用不同的温度特征值用于分析判断极板故障情况。有效电解槽图像22中，由于拟盖布区域31、拟裸露区域32的温度特征与有效性判断阈值、有效性验证模型均相符，故而，认定原拟盖布区域31为实际盖布区域、拟裸露区域32为实际裸露区域。裸露区域与盖布区域的温度特征不同，采用不同的温度特征值能更提升极板故障判断的准确性。
[0051] 实施例一的检测流程如下：
[0052] A、获取并标定标准图像10；
[0053] 热像仪在预置位采集得到标准图像10；
[0054] A1、人工标定标准图像10中的定位锚框11，定位锚框11的框域内包括锚定物体的图像，锚定物体为固定安装且全部或部分本体位于电解槽口沿外侧的物体。
[0055] A2、人工标定标准图像10中各电解槽的角点12，同时标定各电解槽内极板的数量。
[0056] 步骤A1、A2可同时进行。
[0057] A31、获取有效性判断特征阈值；
[0058] 人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行分析，提取盖布区域和裸露区域的温度均值范围、温度分布标准差范围为特征阈值范围。
[0059] 用于标记训练的图像应当包括与热像仪远近不同的电解槽图像，包括无遮挡的电解槽图像和有遮挡的电解槽图像，其中，有遮挡的电解槽图像应当包括盖布遮挡、桁车遮挡、作业人员遮挡等情况，遮挡范围不同。
[0060] A32、建立有效性验证模型；
[0061] 人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行训练，构建有效性验证模型，其中每个样本对应一个四维特征向量F，
[0062] F＝[m1，m2，d1，d2]T
[0063] m1为盖布区域的温度均值；m2为裸露区域的温度均值，d1为盖布区域的温度分布标准差，d2为裸露区域的温度分布标准差。
[0064] 本实施例中，用于进行图像有效性判断的温度特征值为各区域内的温度均值、温度分布标准差。在其他实施例中，可以根据需求选取其他温度参数作为温度特征值。
[0065] B、获取检测图像20，基于标定信息得到电解槽图像22；
[0066] 检测作业时，热像仪调校至步骤A所述的预置位，采集得到检测图像20。
[0067] B1、分别计算检测图像20和标准图像10的亮度分布图，根据二者的亮度分布图计得各自的增强系数，基于增强系数分别对两图像进行图像增强处理。即在检测作业时，对步骤A中保存的标准图像10和新采集的检测图像20同时进行处理，能够获得对比度增强后，亮度分布更加相近的两图像，以保证两图像配准的可靠性。
[0068] B2、根据标定信息配准检测图像20与标准图像10得到校正图像21；
[0069] 分别对检测图像20和标准图像10中定位锚框11框域内的图像进行分析匹配，生成投影变换矩阵，检测图像20根据投影变换矩阵生成校正图像21。检测图像20根据投影变换矩阵对其画面进行偏移、旋转或缩放后，消除二者偏差得到校正图像21。
[0070] B3、基于标定信息处理校正图像21得到电解槽图像22；
[0071] 校正图像21沿同一电解槽的相邻角点12连线切割得到该电解槽的电解槽原始图像，对各电解槽原始图像进行校正得到如附图3所示的长方形状电解槽图像22。
[0072] C、判断电解槽图像22的有效性；
[0073] C1、检测电解槽图像22中温度区域边缘线33；
[0074] 边缘线包括沿图像长度方向延伸、宽度方向延伸的线条，如附图4所示，横向延伸的温度区域边缘线33将该电解槽图像22自上而下划分为3个区域。通常，沿图像宽度方向延伸，即竖向布置的温度区域边缘线33为裸露区域极板的轮廓线。
[0075] C2、检测电解槽图像22中是否存在高温区域、低温区域；
[0076] 若电解槽图像22中存在高温区域与低温区域，且两区域的分隔线与步骤C1中沿图像长度方向延伸的温度区域边缘线33相符，以该温度区域边缘线33为边界将电解槽图像22划分为拟盖布区域31和拟裸露区域32。其中高温区域为拟盖布区域31、低温区域为拟裸露区域32。
[0077] 若电解槽图像22中仅存在一个温度区域，将电解槽图像22画面均划为拟裸露区域32。
[0078] 例如，采用电解槽图像22的灰度直方图分析其高低温区域时，若灰度直方图中有两个大波峰，则能将其划分为拟盖布区域31和拟裸露区域32，若灰度直方图中只有一个大波峰，视电解槽图像22中仅存在拟裸露区域32。
[0079] C3、分别辨识各区域的有效性；
[0080] 分别计算拟盖布区域31和/或拟裸露区域32的温度特征值，若拟盖布区域31的温度特征值与盖布区域特征阈值范围相符且拟裸露区域32的温度特征值与裸露区域特征阈值范围相符，即当各区域均为有效图像区域时，进入步骤C4。
[0081] 否则，判断当前电解槽图像22为无效图像。
[0082] C4、采用检测模型验证电解槽图像22的有效性；
[0083] C41、将电解槽图像22棋盘式分割为至少4个待分析区域221，分别计算各待分析区域221的温度特征值；
[0084] 温度特征值包括，拟盖布区域31的温度均值m1’；为拟裸露区域32的温度均值m2’，d1为拟盖布区域31的温度分布标准差d1’，为拟裸露区域32的温度分布标准差d2’。
[0085] 如附图7所示，将电解槽图像22分割为8个待分析区域221。在其他实施例中，也可以将电解槽图像22分割为大小一致的若干待分析区域221。
[0086] C42、将各待分析区域221的温度特征值输入有效性验证模型中，获得对应待分析区域221的图像有效性结果，若任一待分析区域221为无效，判断当前电解槽图像22为无效图像。
[0087] 本实施例中，有效性验证模型为基于SVM的分类模型。
[0088] D、对有效的电解槽图像22进行分析，判断对应的电解槽是否存在故障极板并定位故障极板。
[0089] D1、将电解槽图像22分割为若干待分析图块23；
[0090] 根据电解槽图像22的尺寸与步骤A中所标记的该电解槽极板数量，确定待分析图块23的尺寸，并将电解槽图像22分隔或分割为若干待分析图块23。
[0091] D2、根据邻近图块23b的温度信息计算得到当前图块23a的拟正常图块24，拟正常图块24为当前图块内的极板处于正常工作状态时的特征图块；
[0092] 根据邻近图块23b的温度信息计算得到当前图块23a的拟正常图块24，拟正常图块24为当前图块内的极板处于正常工作状态时的特征图块；
[0093] 所述的温度信息包括待分析图块23温度分布、纵向温度梯度分布和横向温度梯度分布信息；
[0094] 采用位于当前图块23a两侧各n个邻近图块23b的温度信息用于拟合当前图块23a的计拟正常图块24，其中n≥2，
[0095] 若当前图块23a一侧的待分析图块23数量小于n，增选另一侧待分析图块23，使用于拟合的邻近图块23b数量为2n；
[0096] D3、比对各待分析图块23与其拟正常图块24的故障温度特征值，判断该图块内是否存在故障极板。
[0097] 所述的故障温度特征值包括图块中裸露区域的故障温度特征值和盖布区域的故障温度特征值；所述的故障温度特征值T故障＝T裸露×a+T盖布，
[0098] T裸露为裸露区域故障温度特征值，是当前图块23a的温度最大值与邻近图块23b的温度最大值的差值；
[0099] T盖布为盖布区域故障温度特征值，是当前图块23a高温区在图块长度方向上的长度值，
[0100] a为裸露区域故障温度特征值的放大系数，是常数。
[0101] 若待分析图块23与其拟正常图块24的故障温度特征值差值位于限定阈值内，判定该待分析图块23内为正常工作极板，
[0102] 若二者的故障温度特征值差值超出限定阈值，判定该待分析图块23内存在故障极板，记录并在步骤E中上传故障极板信息。
[0103] E、输出检测结果，结束本次检测。
[0104] 实施例二与实施例一的不同之处在于，
[0105] 步骤A2中，人工标定标准图像10中各电解槽的角点12，沿同一电解槽的相邻角点12连线切割得到呈四边形状的电解槽标准图像，对各电解槽标准图像进行校正得到长方形的电解槽校正标准图像14，根据电解槽校正标准图像14的尺寸与该电解槽内极板的数量，确定分析图块15的尺寸，记录各电解槽的图像分割、校正数据与分析图块15尺寸数据形成电解槽图像处理模板；
[0106] 步骤B3中，基于标定信息处理校正图像21得到电解槽图像22；校正图像21套用电解槽图像处理模板得到电解槽图像22。
[0107] 步骤D1中，以分析图块15的尺寸为标准，将电解槽图像22分为若干待分析图块23用于进行故障极板的分析判断。
[0108] 实施例三与实施例一的不同之处在于，
[0109] 步骤B3中，获得电解槽图像22后，便将电解槽图像22分割为若干待分析图块23。步骤D中去除原步骤D1。
