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     

运行复合绝缘子高光谱污秽检测技术

目前传统的高光谱污秽检测主要针对人工涂污样本。而运行复合绝缘子由于结构和自然积污复杂、基材浸污严重，难以运用其方法进行污秽检测。因此搭建了适用于绝缘子污秽检测的高光谱拍摄平台，并提出了一种基于高光谱的运行复合绝缘子污秽检测技术。首先，针对绝缘子光谱特性，提出了一种基于噪声学习的一维卷积降噪自动编码器(1D-RDCAE)高光谱数据转换方法，消除不同拍摄情况导致的谱线偏移现象。其次通过核主成分(KPCA)提取不同污秽程度的光谱特征；分别建立基于线性判别算法(LDA)、BP神经网络(BPNN)以及极限学习机(ELM)的运行复合绝缘子污秽检测模型。最终，检测结果表明，较之传统的高光谱污秽检测方法，笔者提出的污秽检测技术对不同拍摄情况下的污秽程度检测准确度有了大幅提高，由50%左右提高到了85%以上，为后续运行复合绝缘子光谱检测奠定了基础。