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。     

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。     

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。     

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。     

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。     

基于高光谱成像技术的500 kV运行绝缘子污秽识别及可视化研究

电网绝缘子数量多,污秽成分复杂,传统污秽测试方法耗费大量人力物力,为快速、有效地辨识其污秽程度,本文提出一种基于高光谱成像技术的线路绝缘子污秽等级识别技术。首先,利用高光谱成像仪对不同污秽等级的84支运行绝缘子样品进行图谱信息采集,进行黑白校正;其次,获取感兴趣区域(region of interest,ROI)的反射率光谱曲线,使用SG平滑预处理方法削弱噪声干扰,通过竞争性算法(CARS)提取波谱特征;同时,采用HSI分量法分析现场绝缘子不同污秽等级的图像特征,提取图像饱和度(Saturation)分量特征;结合光谱数据与图像特征参量,建立基于极限学习机(Extreme Learning Machine, ELM)的污秽等级识别模型,识别准确率可达86.1%,获取绝缘子高光谱图像各像素点的图谱信息并使用已建立的污秽等级识别模型进行分类,可实现绝缘子污秽等级的图像可视化。     

利用红外热像检测高压绝缘子污秽度的影响因素研究

针对不同环境温度、环境湿度、实验电压下绝缘子污秽程度的识别,提出了一种基于红外热像特征和BP神经网络的智能识别方法。以污秽绝缘子表面温度分布的方差值及其相对于环境平均温度的最大温升和平均温升作为污秽特征,结合环境温度、湿度、实验电压共6个量作为BP神经网络输入,通过神经网络强大的非线性映射能力实现污秽等级的自动识别。实验分析表明污秽特征的选取剔除了环境温度的影响,在不同电压等级与湿度条件下,不同污秽等级特征数据虽有部分重合,但神经网络引入电压等级与湿度作为多维输入,因此同样可以准确区分不同污秽等级。实验结果证明该方法能有效实现不同环境温度、环境湿度、实验电压下的绝缘子污秽等级识别。     

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.     

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。     

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。     

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。     

利用径向温度分布特征检测绝缘子污秽等级

为了实现绝缘子污秽状况的红外热像在线测量,提出一种基于径向温度分布特征的绝缘子污秽等级检测新方法.人工截取绝缘子图像区域,采用复小波广义交叉确认GCV阈值去噪方法抑制白噪声干扰,通过直方图包络线提取阈值分割图像,利用二值图像水平扫描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,获得椭圆内长轴以上图像区域,并提取径向温度分布特征表征绝缘子污秽程度,采用最近邻湿度条件下的最小距离分类器评定待检测绝缘子的污秽等级.试验结果验证了该方法的可行性和有效性.     

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。     

基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法

为了准确快速地识别出交直流复合绝缘子的缺陷类型,本文提出一种基于红外图像分割和麻雀搜索算法(SSA)优化支持向量机(SVM)的交直流复合绝缘子缺陷检测方法.首先,制作复合绝缘子短样,并设置四种不同类型的模拟缺陷,分别施加交流电压和直流电压,采用红外热像仪测量得到正常和缺陷复合绝缘子的红外图像样本;然后,利用最大类间方差法对图像进行阈值分割得到绝缘子区域,由此计算红外特征量,并使用Fisher准则进行特征选择;最后,采用SSA优化的SVM模型实现对绝缘子缺陷类型的识别.结果表明,实验室条件下该方法对交直流复合绝缘子的缺陷类型识别正确率达87％以上,且对现场交流复合绝缘子缺陷的初步识别效果良好.     

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。     

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