基于图像处理的复合绝缘子憎水性智能识别方法

本文提出一种基于图像处理的复合绝缘子憎水性智能识别方法。针对不同憎水性等级的复合绝缘子图像,首先对图像进行直方图均衡化和滤波处理,再利用Otsu阈值分割方法将水珠/水迹与背景分割开,从而提取清晰且完整的水珠/水迹轮廓。采用水珠/水迹覆盖率、最大水珠/水迹面积比、水珠/水迹平均尺寸等特征量对水珠/水迹进行量化,利用支持向量机建立特征分类模型,从而实现对复合绝缘子憎水性的智能识别。结果表明：基于图像处理的复合绝缘子憎水性智能识别方法能够有效识别出7种憎水性等级,平均识别准确率保持在80%以上。     

基于BP神经网络的复合绝缘子憎水性等级的判定

憎水性检测对于确保复合绝缘子安全可靠运行具有重要意义。笔者提出把图像处理技术和BP神经网络引入到绝缘子憎水性检测中。首先,运用对比度受限自适应直方图均衡和数学形态学滤波对憎水性图像进行增强。然后,利用自适应阈值对图像进行分割,并提取图像中与憎水性相关的4个特征量。最后,选择BP神经网络判定绝缘子憎水性等级。分别采用BP标准算法和4种改进算法对网络进行训练,并对测试样本进行了憎水性等级判定。基于4个特征量的BP网络在一定程度上能够准确地判定绝缘子的憎水性等级。各种算法的判定结果表明L-M算法是比较合理的判定绝缘子憎水性等级的BP神经网络算法。     

基于信息测度和Hausdorff距离的复合绝缘子憎水性等级判定

把图像处理技术应用到复合绝缘子憎水性的测量中,通过对绝缘子图像的对比度增强、图像的灰度、梯度及度的信息测度的综合考虑,结合Hausdorff距离(HD)和形态学对憎水性图像进行边缘提取,获取大水珠(或水迹)边缘信息,最后用改进形状因子法判定绝缘子的憎水性等级.试验结果表明,该方法能准确地测量绝缘子的憎水性,其准确性满足测量的要求.     

基于蚁群算法的绝缘子憎水性等级判别方法

憎水性是衡量绝缘材料电性能的一个重要指标,也是确保绝缘子安全运行的重要保证,且对绝缘子憎水性等级进行判决的关键是准确地分割出水珠(或水迹)区域,因此将蚁群算法引入到憎水性图像处理中,该方法首先采用自适应局部灰度均衡对图像进行增强,以减小水珠的透明性导致的目标与背景的相似度;然后采用蚁群算法建立憎水性图像的知觉图表,利用图表信息实现对图像边缘信息的提取,从而获取水珠(或水迹)的轮廓信息。最后采用改进的形状因子法对处理后的图像进行憎水性等级的判别。实验结果表明,该算法能够较好地提取污秽绝缘子憎水性图像的水珠(或水迹)的轮廓信息,并能够通过合适的判别方法准确地判别出憎水性等级。     

基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法

为实现复合绝缘子憎水性等级自动、准确判别,提出一种基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法。该方法以深度学习为基础,针对传统方法憎水性图像特征表述能力不足的缺点,基于VGG-19卷积神经网络构建了憎水性图像深度特征提取模型,并基于迁移学习理论,通过共享ImageNet集深度特征,提取模型卷积层及网络层参数,实现了训练样本数量受限背景下憎水性图像深度特征提取模型网络优化。针对现场实测环境光照条件多变,深度特征易受影响的缺点,基于局部二值模式提取了憎水性图像局部特征,并以VGG-19网络为基础,通过融合深度特征及局部特征,构建了基于迁移学习和特征融合的复合绝缘子憎水性等级判别模型。算例验证结果表明:所提方法提取的特征含量丰富,有效提高了憎水性等级判别效果,并可改善光照条件变化对憎水性等级判别结果不利影响。     

局部自适应复合绝缘子检测与憎水性分类网络

憎水性等级(Hydrophobicity Class,HC)是衡量绝缘子性能的重要指标之一。在实际环境的多种因素作用下绝缘子伞裙表面存在局部憎水性差异,为了准确识别绝缘子的性能,本文提出了一种基于深度学习的局部自适应绝缘子检测与憎水性分类模型。首先,通过绝缘子分割模块分离绝缘子与背景区域,为后续针对绝缘子区域的操作提供分割信息;然后将绝缘子区域划分为固定大小的图像块,在缩小分辨率减小运算难度的同时保留了绝缘子表面的细节信息;最后通过憎水性分类模块分析图像块内绝缘子的憎水性。实验使用巡检维护现场的绝缘子图片作为样本集,分阶段构建模型,分别对分割阶段和憎水性分类阶段的准确性进行评估。实验结果显示分割阶段模块能有效识别绝缘子和背景区域,交叉验证的测试集准确率均大于97.21%,并且憎水性分类阶段模块能准确分析绝缘子憎水性,对140幅测试图片的识别准确率达到98.65%。经过实验证明本文提出的模型在复杂自然环境中检测绝缘子性能是一种有效的解决方案。     

基于深度卷积神经网络的绝缘子憎水性图像识别方法*

针对传统的复合绝缘子憎水性检测方法效率不高、准确性差的问题,提出了一种用于绝缘子憎水性图像识别的方法。该方法基于深度卷积神经网络智能算法,结合国际复合绝缘子憎水性分级标准,构建了能自动识别出六个憎水性等级的算法,并首次在憎水性图像识别上使用了网格化剖分图像的方法,逐网格分析憎水性等级,最终形成了复合绝缘子憎水性图像自动识别算法。结果显示,应用该算法可清楚地识别绝缘子的憎水性等级,得到绝缘子老化程度的分布情况。     

基于MATLAB平台的复合绝缘子憎水性分析软件开发

复合绝缘子憎水性状况对于电力系统的安全稳定运行具有重要影响。为了准确、快捷、方便地识别复合绝缘子憎水性,借助MATLAB图像处理工具和GUI图形用户界面功能开发了一款复合绝缘子憎水性分析软件。该软件开发运用了模块化思想,建立了图像处理、水珠特征量提取、憎水性检测方法和数据库管理等功能模块;采用改进的Canny算子对图像进行分割,提取了水珠(或水迹)的特征;最后利用改进径向基函数(radial basis function,RBF)神经网络对绝缘子憎水性进行分级。实验结果表明,该软件能够准确、客观地识别绝缘子憎水性等级,准确识别率高达92%。避免了人为因素的影响,提高了工作效率,为现场运行人员提供了数据支持和参考。     

基于不同倾角下水珠形态量化特征的V串复合绝缘子憎水性判定方法

憎水性是表征复合绝缘子老化状况的重要指标,由于V串复合绝缘子伞裙与水平面呈不同的倾角,常规的检测方法无法对其憎水性进行有效的现场检测与判定。首先采用pH值为14、温度为100℃的Na OH溶液对复合绝缘子样片进行老化,在与水平面呈25°夹角的条件下采用喷水分级法测试获得了各老化后样片的憎水性等级,提出了采用微量进样器在样片表面滴加体积为20μL水珠的方法,排除了喷水分级法中水雾喷射角度、速度以及喷水量等因素对水珠形态特征的影响。针对不同倾角下水珠在不同憎水性等级样片表面的形态特征,研究了7个水珠形态特征参数与倾角和憎水性等级之间的关系,发现内上角、内顶角相关性较强;结合与倾角和憎水性密切相关的最大稳态水珠体积参数,提出了V串复合绝缘子憎水性等级的综合判定方法。通过对不同倾角下的伞裙开展水珠形态测试,验证了本文提出方法的有效性和准确性,实现了V串复合绝缘子的憎水性检测与判定。     

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。     

长期运行复合绝缘子憎水性的非均匀变化特性

研究绝缘子不同部位的憎水性状态及其影响因素对整支复合绝缘子的憎水性测试及判别具有指导意义。为此,以4串现场运行后的复合绝缘子为研究对象,采用静态接触角方法对整串绝缘子系统地进行憎水性测试。由测试结果可知,整支复合绝缘子的憎水性分布是不均匀的,主要表现为沿串不同伞裙、同一伞裙不同区域的憎水性不同。绝缘子沿串憎水性分布与沿串电场强度分布规律一致;对于同一伞裙,其上、下表面的憎水性存在差异,且其不同方位的表面也有差异,并存在憎水性相对最差的一个方位。进一步分析发现,绝缘子表面放电是造成运行复合绝缘子憎水性下降的主要因素,而长期紫外辐射及污秽作用会引起表面憎水性能的劣化。     

基于深度迁移学习的复合绝缘子憎水性识别

憎水性等级(hydrophobicity class,HC)是复合绝缘子耐污闪性能的重要表征指标,为了准确判断绝缘子伞裙表面的憎水性,提出一种基于深度迁移学习的喷水图像识别方法。通过喷水试验构建不同HC等级的复合绝缘子喷水图像样本集,采用AlexNet、Inception-ResNetV2、ResNet101、ShuffleNet这4种卷积神经网络建立学习模型,利用ImageNet数据集对其进行预训练,通过微调网络结构进行模型迁移,并在前后网络层设置不同的学习率,使其适用于绝缘子HC识别任务。采用喷水图像样本集对4种迁移学习模型进行训练、验证与测试,并通过梯度加权类激活映射(gradient-weighted class activation mapping,Grad-CAM)对各模型的决策区域进行可视化分析。算例结果表明,4种模型均能有效识别HC1—HC7的喷水图像,其中ResNet101的性能最好,对700幅测试样本图像的识别准确率达98.14%,Grad-CAM热力图显示该结果具有较高的可靠性。研究可为复合绝缘子憎水性的检测与智能识别提供参考。     

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.     

绿藻对交流复合绝缘子伞裙表面形貌及憎水性的影响机理

藻类在绝缘子上附生引起国内外专家学者越来越广泛的关注,藻类作为一种特殊的生物污秽对复合绝缘子性能的影响尚不明确。本文以广东地区伞裙附生绿藻的500kV交流复合绝缘子为样品,分析了绿藻在复合绝缘子上的分布规律。通过静态接触角、EPMA电子探针和扫描电镜测试,研究了绿藻对硅橡胶伞裙表面形貌及憎水性的影响机理。结果表明,绿藻生物层对憎水性小分子迁移的阻碍作用导致绿藻附生的伞裙区域憎水性完全丧失。绿藻细胞的粘附行为与硅橡胶自然老化协同作用使伞裙表面形成特殊的鳞片状结构。绿藻附着层可延缓伞裙表面裂缝和凹陷往纵深发展。     

基于图像处理与RBF神经网络的绝缘子憎水性识别方法的研究

为了快捷准确地识别复合绝缘子的憎水性等级,提出了基于图像处理与RBF神经网络的绝缘子憎水性识别方法。首先,对图像进行直方图均衡增强、自适应中值滤波处理;然后,利用二维Ostu阈值法对图像进行分割;最后提取4个与绝缘子憎水性相关的特征量,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RBF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,总识别率高达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。     

运行直流复合绝缘子的憎水性分布规律

憎水性是衡量复合绝缘子运行性能的重要指标,研究憎水性分布规律有助于对测试结果进行更准确的评价。为此,以4支实际运行后的直流复合绝缘子为研究对象,分别采用喷水分级法和静态接触角法,进行了自然污秽下和去除污秽后的憎水性测试以及人工涂污后的憎水迁移性测试。研究结果表明,绝缘子高压端和低压端的憎水性整体差于中部,沿串表现出倒U形的憎水性分布,同时憎水迁移性较差的伞裙也更多出现在高压端和低压端附近;同片伞裙中边沿位置褪色较为严重,相比于褪色较轻的伞裙根部,其去除自然污秽后的憎水性较好,但是人工涂污下憎水迁移性明显较差。在各种憎水性试验中选择适合的测试方法,根据以上憎水性分布规律合理选取憎水性测试位置,所得试验结果能更好表征复合绝缘子运行性能。     

绝缘子憎水性图像检测方法研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,也是确保绝缘子安全运行的重要保证。该文把图像处理技术引入到绝缘子憎水性检测中,通过对绝缘子图像的对比度增强、图像的灰度、梯度及度的信息特征的综合考虑、模糊C均值聚类(fuzzy C-means,FCM)和形态学对憎水性图像进行分割,获取大水珠(或水迹)形状信息,最后用最大面积比法判定绝缘子的憎水性等级。实验结果表明,该算法能够有效地提取出水珠(或水迹)的形状信息、克服传统目测法的主观性,检测结果的准确性满足实际检测的需要。     

现场运行复合绝缘子憎水性的研究

为及时发现长期运行复合绝缘子伞裙护套材料的憎水性下降,测试了现场运行复合绝缘子的憎水性迁移、丧失和恢复特性,并利用傅立叶变换红外光谱法(FTIR)分析了伞裙材料表面成分。结果发现复合绝缘子所用生胶PDMS主链增长是其憎水性下降的原因之一。应做好复合绝缘子运行状态检测工作,以充分发挥其优异性能。     

卷积神经网络在复合绝缘子憎水性智能识别中的应用

喷水法是目前检测复合绝缘子憎水性的常用方法,但存在依赖人工判断导致效率低下、准确率较差等问题.为解决该问题,提出一种基于卷积神经网络的复合绝缘子憎水性智能识别方法.首先,通过喷洒不同浓度乙醇溶液模拟绝缘子不同憎水性等级;在各憎水性等级下,综合考虑不同拍摄角度、不同拍摄距离以及不同光照强度等实际条件,分别获取绝缘子表面干...     

不同运行条件下复合绝缘子伞裙老化特性研究

为准确评价不同运行条件下复合绝缘子伞裙老化特性,评估其运行性能,分别对运行年限不同、所处地区污秽等级不同、运行环境不同的复合绝缘子进行憎水性检测和傅里叶红外光谱分析,并通过热重分析进行验证。对比不同条件下复合绝缘子伞裙的红外光谱(特征官能团吸收峰)和热重曲线差别,明确了运行年限相对较长、处于重度工业污秽地区或大风沙尘地区的复合绝缘子老化程度较高,并据此给出了复合绝缘子的运维建议。