基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

基于多特征融合的输电线路山火识别预警系统设计与实现

为了实现对输电线路山火的实时监控和预警,研发了基于多特征融合的输电线路山火识别预警系统。从视频图像序列中提取山火图像的颜色特征、纹理特征及面积特征,采用模糊C均值(fuzzy C-means,FCM)聚类算法将3个特征进行多特征融合来检测视频图像中的山火,计算燃烧面积并划分危险等级。采用C/C++语言将山火识别算法封装到输电线路智能视频监控装置的数字信号处理器(digital signal processor,DSP)中,实现后台控制中心对输电线路山火险情的实时监测识别和预警。实际应用测试结果表明,该系统运行效率高、稳定性强,识别精度可达97%以上。     

基于图像增强的瓷质绝缘子灰密程度检测方法

由于雾天、光线较暗等恶劣现场条件下采集到的绝缘子图像清晰度与可读性较低,绝缘子目标及盘面区域色彩特征的提取较难,导致现有的可见光图像污秽检测方法不具备通用性,为此提出了一种基于图像增强的瓷质绝缘子灰密程度检测方法。先用改进的带颜色恢复的多尺度Retinex(MSRCR)算法对采集到的绝缘子图像进行增强,提高图像的清晰度和对比度;然后,采用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域,分别提取6个通道的均值、最大值、最小值等7个特征量并用Fisher准则函数筛选出分类能力较强的特征Smean,Smax,Svar作为灰密程度判别特征;最后,用思维进化算法(MEA)优化反向传播(BP)神经网络进行仿真预测。实验结果表明,概率神经网络和粒子群优化算法优化BP神经网络的判别准确率分别为88.00%和93.00%,而所提方法的准确率可达95.00%,可以准确判别恶劣条件下的绝缘子灰密程度。     

基于边缘检测的瓷质绝缘子裂缝特征检测方法

由于人工登塔检查安全性差、电场法不能检测一些不影响电场的外绝缘缺陷等问题的存在,现有的一些绝缘子裂缝检测方法不具备实用性和通用性。为此,提出一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,首先将获得的彩色绝缘子图像分解成R、G、B3个通道,并采用中值滤波去除噪声;其次采用一种改进Kirsch边缘检测算法,进行骨架提取并结合最小二乘法完成拟合,从而得到连续完整的图像边缘;然后用最大类间方差法提取得到绝缘子的裂缝区域;最后分别计算3个通道裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征。实验结果表明该方法提高了裂缝检测的准确性。     

基于改进色差法的复合绝缘子图像分割技术

针对自然光照条件下复合绝缘子表面存在阴影或暗区域不能准确分割的情况,提出一种基于改进色差法的复合绝缘子图像分割方法。首先,将采集的图像中复合绝缘子所在区域划分为亮、正常、暗三个部分,分别对亮、暗区域进行光照补偿后,重新合成绝缘子图像;其次,对该合成图像进行颜色分量提取和分析,提出一种改进的色差方法获取最优色差灰度图像;最后,采用Otsu自适应阈值算法结合区域标记和几何形状分析进行分割,从而实现输电线路光照不均复合绝缘子目标的准确识别。实验结果表明:该改进方法可以比较完整且准确分割出绝缘子,为后续绝缘子特征提取、故障分析提供了有利参考;将该改进方法分别与传统阈值分割方法、2R-G-B(红色分量Red、绿色分量Green、蓝色分量Blue)色差法进行比较,三者平均分割误差分别为8.18%,36.12%、27.88%,降低了27.94%和19.70%,尤其对弱光、强光下绝缘子分割效率平均提高30%以上。