电气设备是电力系统的重要组成部分。大多数电气设备发生故障时故障点温度呈现升高趋势,由于红外成像技术具有直观性、全局性等优点,被经常用于电气设备温度检测。但是,目前的红外成像技术受到红外探测器生产工艺的局限,红外图像对比度低,边缘轮廓等不易分辨。同时现阶段主要依赖检测人员对电气设备温度状态进行评估,评估的准确性和效率难以保证。此外,红外成像仪体积大,重量重,且成本高,携带和推广都受到限制。因此,本文设计并研制了一种基于Android的电气设备智能红外检测系统,主要功能包括红外成像及电气设备温度状态评估,该系统有效改善了红外图像成像效果,提高了电气设备温度状态评估的准确性和效率,同时具有成本低、易携带等优点,具体研究内容如下:首先,研究电气设备红外图像预处理算法。为了解决原始电气设备红外图像含有噪声的问题,采用中值滤波算法对图像进行去噪处理。为了增强红外图像对比度,突出电气设备边缘和细节,本文设计了一种基于NSST(Non-subsampled Shearlet Transform)域的分频增强算法,将红外灰度图像由空间域转换到NSST域。其中低频系数聚集着图像整体信息,本文设计了一种结合均值方差的改进Otsu(Mean-Variance Otsu,MVOtsu)算法将含有电气设备的红外图像分割为电气设备区域和背景环境背景区域,然后分别对两个区域进行线性增强和直方图均衡增强。由于高频系数代表图像边缘纹理细节信息,本文设计了一种改进模糊算法对高频系数进行增强,有效增强了电气设备边缘和细节,同时抑制了次高频噪声。本文预处理算法不仅能改善电气设备红外图像视觉效果,也有利于提高图像分割时的完整性和准确性。其次,对经过预处理之后的电气设备红外图像进行分割。本文综合考虑了运算速度和分割精确性,在第二章设计的MVOtsu算法基础上,设计了一种考虑直方图波谷权重的改进MVOtsu算法,将分割阈值控制在直方图的两波峰之间,尽量远离波峰,靠近波谷,同时保留了MVOtsu算法类内相似性高的优点。本文分割算法能够有效分割出变电站常见场景红外灰度图中目标设备,同时也减少了误分割入前景区域的低灰度值背景点数量,保证了分割的完整性和准确性。最后,设计并开发出基于Android的电气设备智能红外检测系统。主要包括选取红外探测器和智能手机搭建硬件系统,开发Android智能红外成像及温度状态评估APP等内容。该系统实现了红外成像、红外图像预处理、红外图像预览、电气设备温度状态判定、自动获取环境温湿度、自动地理定位、报告生成等功能,在实际应用中取得了良好的效果,具有一定的应用价值。