绝缘子污秽等级的高光谱特征优化识别技术研究

为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词：关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号：TM933     

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。     

基于高光谱技术的绝缘子污秽等级检测方法

输电线路绝缘子污秽等级的在线检测对污闪防治具有重要意义。为此提出了一种基于高光谱技术的绝缘子污秽等级的非接触式检测方法。通过高光谱仪获取不同污秽等级的人工污秽样品的高光谱图像,采用黑白校正和多元散射校正对原始高光谱图像进行校正,获取校正后样品图像的感兴趣区域高光谱谱线;建立了支持向量机多值分类模型,实现待测样品的污秽等级划分。结果表明:硅橡胶表面污秽种类不同时,其高光谱谱线的吸收峰、反射峰位置、幅值以及变化趋势具有明显差异,污秽种类相同时则基本不变,但谱线幅值差异明显。基于全波段数据的模型能够精确、快速地对污秽等级进行划分,对NaCl、CaSO_4污秽等级的划分准确率均为97.5%。基于人工污秽样品高光谱谱线数据建立的支持向量机模型可对绝缘子不同伞裙表面的污秽等级进行划分,准确率为80%。因此,该方法能够应用于绝缘子污秽等级的非接触在线检测,为绝缘子污秽等级检测提供了新思路。     

基于高光谱技术的陶瓷绝缘子污秽等级检测

陶瓷绝缘子污秽等级检测主要采用等值盐密法、表面污层电导法、泄漏电流法等传统方法,检测过程耗时长、效率低。高光谱技术能够非接触地获取目标图谱信息且信息量丰富,在绝缘子污秽检测方面有较大应用潜力。由于陶瓷绝缘子材质原因,采集高光谱图像时存在反光现象。因此,本文提出基于高光谱技术的陶瓷绝缘子污秽等级检测方法。首先,本文采用直方图均衡化对高光谱图像进行处理,去除反光干扰,然后,对高光谱图像进行预处理,去除噪声干扰。再采用连续投影特征提取算法对样品谱线进行特征提取,去除冗余信息。最后,根据特征谱线建立支持向量机分类模型,实现了陶瓷样品污秽等级划分,其准确率为95%。关键词：陶瓷绝缘子;高光谱技术;直方图均衡化;连续投影算法;污秽等级检测;支持向量机 中图分类号：TM855     

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。     

可见光图像颜色特征与支持向量机相结合的绝缘子污秽状态识别方法

绝缘子污闪事故严重威胁着电力系统的安全运行,高压绝缘子污秽等级的准确识别是防污闪的重要研究内容。笔者提出了一种基于绝缘子可见光图像颜色特征和支持向量机技术,通过建立污秽等级与可见光图像颜色特征值的映射关系,实现绝缘子污秽状态识别的方法。以深圳供电局多个变电站不同污秽度红色陶瓷绝缘子数据为基础,采用改进种子区域生长法分割得到绝缘子盘面区域,提取RGB和HSV颜色空间36种特征,依据Fisher判据,筛选得到能表征绝缘子盘面污秽程度的S均值和S中值;设计支持向量机多值分类器,进行污秽等级划分。实验结果表明,该方法的绝缘子污秽等级准确率达96.67%,实现污秽状态的准确监测,为绝缘子污秽等级识别提供新思路。     

基于彩色可见光图像的绝缘子污秽等级判别

提出一种新的基于彩色可见光图像的高压绝缘子污秽等级判别方法。对深圳变电局所属多个变电站进行现场拍摄获取污秽绝缘子可见光图像,并实验获取其对应等值附盐密度,经图像灰度化、图像增强、滤波后,用两次最大类间方差法进行分割,得到盘面积污区域。提取积污区域的RGB、HSV空间共36个特征分量,并运用Fisher判别法进行特征量筛选。用筛选的特征量训练BP神经网络,建立可见光图像污秽等级判别网络。试验结果表明可见光污秽等级判别法具有较高准确率,是一种检验高压绝缘子污秽等级的可行方法。     

基于图像处理技术的复合绝缘子表面污秽识别*

针对人工染污的悬式复合绝缘子,获取不同污秽度下的复合绝缘子表面污秽图像,提出识别表面污秽度的图像处理技术流程。首先将图像灰度化,再进行滤波处理,采用最大类间方差法(Otsu)进行分割得到伞裙间积污区域。接着提取积污区域的RGB、HSV颜色空间的36种特征量,筛选得到与绝缘子盘面污秽程度相关性较高的特征量S均值和S中值。最后利用这两种特征量作为联合判据建立复合绝缘子污秽度识别模型。对40张不同污秽度下的图像样品进行识别,结果表明所提方法的正确识别率高达97.5%,可有效识别复合绝缘子的表面污秽度。     

基于红外与紫外图像信息融合的绝缘子污秽状态识别

为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。     

基于紫外图像的接触网棒瓷绝缘子污秽状态检测

为了检测接触网绝缘子的污秽状态,采用紫外成像检测技术对接触网常用的棒瓷绝缘子进行研究。对绝缘子人工涂污并对污秽绝缘子在人工气候室内进行了放电试验,拍摄紫外图像和视频,对图像进行处理,提出用阈值滤波对二值图像去噪的方法,提取并定义了"光斑面积百分比"这一图像特征。通过对不同相对湿度下不同污秽等级绝缘子的污秽放电试验,得出湿度和污秽等级对绝缘子放电的影响规律,并将此作为污秽状态评估的依据。建立以光斑面积百分比、相对湿度为输入,绝缘子污秽程度为输出的模糊推理模型,并将其与视频图像处理部分融合,构建基于紫外视频图像的外绝缘污秽状态检测系统。     

基于高光谱技术的绝缘子污秽含水量检测

绝缘子表面污秽受潮是导致闪络的关键因素之一,了解污秽的实时受潮情况对评估绝缘子绝缘状态具有重要意义。针对目前直接测量绝缘子表面污秽潮湿度存在困难的问题,提出使用无损、非接触的高光谱技术获取绝缘子表面污秽状态的实时图谱信息,进而定量检测污秽含水量的方法。首先利用高光谱成像仪对湿润的染污样本进行光谱采集(400～1 040 nm),并利用黑白校正和多元散射校正对采集到的光谱谱线进行预处理以去除噪声、散射等干扰,再采用连续投影算法数据进行降维,提取谱线的特征波段,最后分别针对全波段和特征波段建立反向传播神经网络预测模型,预测集均方根误差分别为0.110 1和0.0768。结果表明:高光谱技术可以用于非接触检测绝缘子表面污秽的含水量,并且特征波段建模的方法较全波段建模具有识别率高、计算量小的优势。将该方法用于自然积污绝缘子表面污秽含水量检测,结果准确,为绝缘子污秽度在线检测、污层电导测量以及闪络电压预测提供了新方法。     

应用绝缘子红外热像处理的现场污秽等级检测方法

针对绝缘子表面热场分布与湿污条件的紧密联系,提出一种基于绝缘子红外热像处理的现场污秽等级检测新方法。污秽检测的基本过程为:对红外图像进行平稳小波域局部自适应去噪抑制成像过程中的白噪声干扰;在对数变换的基础上利用最大类间方差法进行图像分割;利用以二值图像重心坐标为起点的不同角度散射直线来采样绝缘子盘面边缘点;应用最小二乘拟合盘面边缘椭圆方程;提取椭圆内长轴以上图像区域;规格化,统计灰度直方图。按上述过程建立不同湿度条件下各污秽等级绝缘子热像灰度直方图特征库,采用与最近邻湿度样本的灰色综合关联度最大相似准则评定现场污秽等级。实验结果表明了该方法用于绝缘子现场污秽等级检测的可行性和有效性。     

相对温度分布特征与人工神经网络相结合的零值绝缘子识别方法

提出利用绝缘子串相对温度分布特征和人工神经网络模型相结合的方法识别不同污秽等级、不同湿度条件下的零值绝缘子。试验获取模拟110 kV线路悬式绝缘子的红外运行图像,经图像去噪、分割等预处理后,提取绝缘子串区域相对温度分布特征参数作为识别零值绝缘子的温度信息特征量,并结合环境相对湿度、等值附盐密度作为识别模型的输入向量,将实际测定绝缘子串是否含零值的状态分类信息作为输出向量,通过训练得到优化的识别模型,并用于零值绝缘子识别。试验结果验证该方法准确性高,可为输电线路瓷绝缘设备的故障检修提供参考和方法借鉴。     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

基于方差分析的绝缘子红外热像特征选择方法

利用红外成像技术检测绝缘子污秽等级的关键在于获取分类性能优异的红外热像特征,文章提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度,人工截取绝缘子盘面图像区域;通过平滑后的图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像和背景图像,提取2者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征;应用单因素方差分析甄别特征优劣,实现特征选择。瓷绝缘子人工污秽试验结果表明：文中提出的红外热像特征选择方法和图像分割算法简单有效。     

基于高光谱与红外技术融合的绝缘子污秽程度检测方法

绝缘子污闪是电力系统长期运行需面临的传统问题,而在积污阶段准确评估绝缘子污秽程度,可合理安排清扫周期,为污闪的防治提供理论指导.本文利用高光谱与红外图像技术的优势,建立了基于信息融合的绝缘子污秽程度检测模型,为绝缘子污秽程度检测新方法提供了新思路.通过人工涂污制备了不同污秽程度的绝缘子进行耐压试验,采集了染污绝缘子高光...     

基于支持向量机的高压绝缘子污秽等级红外热像检测

提出了一种红外热像处理与支持向量机多值分类器相结合的新方法对高压绝缘子污秽等级进行检测.采用基于梯度信息的自适应平滑滤波方法对原始图像进行了滤波处理;利用OTSU图像分割方法对滤波后的图像进行分割,获取绝缘子盘面区域,并从绝缘子盘面区域提取了最高温度、最高温度与最低温度的比值、盘面温度的标准偏差、部分最高温度像素点个数与目标总像素点个数的比值共4个反映污秽程度的红外特征量;设计了支持向量机多值分类器对绝缘子污秽等级进行分级.试验结果表明,文中所选取的绝缘子红外特征量可有效表征绝缘子的污秽等级,所采用的支持向量机多值分类器是一个小样本、高效率的分类器,所提出的绝缘子污秽等级检测新方法是可行的.     

污秽绝缘子的超高频放电频谱及其指纹特征研究

介绍了对绝缘子沿面放电的超高频分量的测量分析,实验室内测量人工污秽绝缘子电磁波辐射时,其超高频电磁波辐射强烈,明显区别于干净绝缘子,分析对比不同污秽的绝缘子放电频谱可初步判断绝缘子污秽状况,按照分频段分幅值统计的频谱数据,可建立污秽绝缘子放电频谱的特征指纹三维图谱,为绝缘子污秽识别提供了有效数据。     

采用图像分析与神经网络识别绝缘子憎水性

为了快捷准确的识别复合绝缘子的憎水性等级,提出了基于图像分析与神经网络的绝缘子憎水性识别方法.试验获取各个憎水性等级的绝缘子图像,对图像进行直方图均衡增强、自适应中值滤波处理后,利用二维Otsu阈值法对图像进行分割;然后,提取4个与绝缘子憎水性相关的4个特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的BP(back propagation)神经网络识别模型,并用于绝缘子憎水性等级的识别.试验结果表明该方法能够准确识别绝缘子的憎水性等级,总识别率超过了90％,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础.     

基于图像特征提取与BP神经网络的绝缘子憎水性识别方法

为了方便、快捷、准确地识别运行中绝缘子表面的憎水性等级,提出了基于图像特征提取与BP神经网络的绝缘子憎水性识别方法。首先,利用同态滤波和直方图均衡对憎水性图像进行增强预处理,然后利用改进的Canny算子提取了图像中水珠(或水迹)的边缘,并利用数学形态学对其进行修正得到最终的分割图像;提取图像中与憎水性相关的4个特征量,最后建立了基于BP神经网络的憎水性识别模型,并对测试样本的憎水性等级进行了识别。实验结果表明,该方法克服了人为因素的影响,能够有效识别绝缘子7种典型憎水性等级,总识别率达90%,为在线检测绝缘子憎水性提供一种新的有效方法。