CN103323460A - 一种基于可见光图像的绝缘子检测方法及装置 - Google Patents
一种基于可见光图像的绝缘子检测方法及装置 Download PDFInfo
- Publication number
- CN103323460A CN103323460A CN2013102156698A CN201310215669A CN103323460A CN 103323460 A CN103323460 A CN 103323460A CN 2013102156698 A CN2013102156698 A CN 2013102156698A CN 201310215669 A CN201310215669 A CN 201310215669A CN 103323460 A CN103323460 A CN 103323460A
- Authority
- CN
- China
- Prior art keywords
- insulator
- images
- image
- gray level
- visible light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 179
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000011109 contamination Methods 0.000 claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000003709 image segmentation Methods 0.000 claims description 33
- 239000000284 extract Substances 0.000 claims description 21
- 238000000926 separation method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract 1
- 238000004140 cleaning Methods 0.000 description 11
- 239000002131 composite material Substances 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000000825 ultraviolet detection Methods 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种基于可见光图像的绝缘子检测方法及装置。所述方法包括以下步骤：获取待检测绝缘子的可见光彩色图像；提取所述绝缘子的可见光彩色图像的特征值；将所述特征值与绝缘子的种类及使用年限相结合，使用多值分类器进行绝缘子的表面污秽等级分类；输出绝缘子污秽等级分类结果。本发明提供的基于可见光图像的绝缘子检测技术，由于基于可见光图像进行检测，避免了采用红外图像所产生的严重噪声干扰，以及红外和紫外方法只能在故障状态才能进行检测的缺陷，提高了绝缘子的表面污秽状态检测和判定的可靠性。
Description
技术领域
本发明涉及电力技术领域，尤其涉及一种基于可见光图像的绝缘子检测方法及装置。
背景技术
电力系统使用最多的电力设备是线路绝缘子，输电线路中绝缘子因长期暴露于外界环境中，表面容易积累灰尘、盐碱等污秽，当它吸收了潮湿空气中的水分后，就会影响其绝缘性能，严重时甚至引起闪络。绝缘子的污秽闪络是对供电可靠性危害非常大的区域性事故，被列为电力系统头号安全大敌，虽然污秽引起的绝缘闪络事故在电网总事故中占第二位，仅次于雷害事故，但污闪事故造成的损失却是雷害事故的10倍。因此，及时发现并清理绝缘子表面污秽，防止污闪事故的发生对保证电网安全运行极为重要。
绝缘子的污闪是一个复杂的过程，通常可分为积污、受潮、干区形成、局部电弧的出现和发展四个阶段。采取措施抑制或阻止其中任一阶段的发展和完成，都能防止污闪事故的发生。
为了防止绝缘子的污闪，目前采取的措施主要有以下几种：
1、正确划分各地区的污秽区，确定线路的污秽期和污秽等级，由于依据盐密值来划分污秽等级，本措施的局限性在于每个地区的盐密值很难准确的得到。
2、定期清扫绝缘子，在污秽季节到来之前，逐个登杆清扫绝缘子，除去绝缘子表面的污秽物，但这种方法工作量和劳动强度都很大，且有可能污秽程度还很轻，却已经到了该清扫的时间，白白浪费了人力物力，或者是污秽已经很严重了，由于还没到清扫时间，造成污闪事故的发生。
3、更换不良和零值绝缘子，增加爬电距离，以及在绝缘子表面涂憎水涂料和采用有机合成绝缘子等，这些措施都起到过积极作用，但从根本上说都是被动的预防，不能掌握主动权，原因之一是缺少对绝缘子表面污秽程度全面真实的信息，对减少污闪事故的效果都不是很理想。
因此，寻求使电力系统绝缘子由计划检修向状态检修转变的方法具有重要意义。
绝缘子表面状态在线监测是电力系统高电压领域的一个热门课题。通过检测运行中绝缘子污秽状态来预测污闪的发生，从而能够在发生污闪之前及时实施绝缘子表面污秽的清扫或带电水冲洗工作，这样既可以减少清扫或带电水冲洗的盲目性，减少不必要劳动，提高工作效率，而且能够降低污闪发生的几率。
目前，国内外现场使用和实验室研究可能用于绝缘子污秽在线检测的方法有很多，主要有：泄漏电流法，它是当前研究的热点，是运行电压、污秽程度、气候条件三要素综合作用的结果，是动态参数，适宜在线监测，但泄漏电流幅值分散性也很大，确定合适的泄漏电流报警值仍是一个需要深入研究的课题。
近年来红外成像和紫外成像的方法也逐渐引入，由于在红外温度图像和紫外电晕图像中，绝缘子状态只有在放电过程中才会表现出异常特征，而平常时无明显特征，所以采用上述检测方法存在着相当大的局限性。
发明内容
为解决上述技术问题，本发明提供一种基于可见光图像的绝缘子检测方法及装置，可以快速而准确的检测绝缘子的表面污秽状态，为及时清理绝缘子污秽提供基础，可以减少绝缘子污闪停电事故。
本发明提供的基于可见光图像的绝缘子检测方法，包括以下步骤：
获取待检测绝缘子的可见光彩色图像；
提取所述绝缘子的可见光彩色图像的特征值；
将所述特征值与绝缘子的种类及使用年限相结合，使用多值分类器进行绝缘子的表面污秽等级分类；
输出绝缘子污秽等级分类结果。
其中，所述提取所述绝缘子的可见光彩色图像的特征值之前，包括：
采用均值滤波方法对待检测绝缘子可见光彩色图像进行滤波处理；
将经过滤波后的待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
利用图像分割技术分别对所述三个单通道灰度图像进行图像分割。
其中，所述利用图像分割技术分别对所述三个单通道灰度图像进行图像分割，包括：
分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，获得各颜色分量图像中的绝缘子灰度图像区域。
其中，所述提取所述绝缘子的可见光彩色图像的特征值，包括：
对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值、梯度作为特征值。
其中，所述多分值分类器为采用“一对一”策略的支持向量机多值分类器。
相应的，本发明还提供一种基于可见光图像的绝缘子检测装置，包括：
图像获取单元，用于获取待检测绝缘子的可见光彩色图像；
特征值提取单元，用于提取所述绝缘子的可见光彩色图像的特征值；
多值分类器，用于将所述特征值与绝缘子的种类及使用年限相结合，对绝缘子污秽等级进行分类；
检测结果输出单元，用于输出绝缘子的表面污秽等级分类结果。
其中，所述装置还包括：
滤波处理单元，用于采用均值滤波方法对待检测绝缘子可见光彩色图像进行滤波处理；
颜色分量获取单元，用于将经过滤波后的将待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
图像分割单元，用于利用图像分割技术分别对所述三个单通道灰度图像进行图像分割。
其中，所述图像分割单元，包括：
图像分割子单元，用于分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
干扰去除子单元，用于将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，获得各颜色分量图像中的绝缘子灰度图像区域。
其中，所述特征值提取单元包括：
平均值提取子单元，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值作为特征值；
梯度提取子单元，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的梯度作为特征值。
其中，所述多分值分类器为采用“一对一”策略的支持向量机多值分类器。
实施本发明，具有如下有益效果：
本发明提供的基于可见光图像的绝缘子检测技术，由于基于可见光图像进行检测，避免了采用红外图像所产生的严重噪声干扰，以及红外和紫外方法只能在故障状态才能进行检测的缺陷，提高了绝缘子的表面污秽状态检测和判定的可靠性。并且可以大大减少绝缘子污秽检测的工作量，减少检测安全事故，及时清理绝缘子污秽减少绝缘子污闪停电事故，极大地提高了电力系统安全运行水平。本发明的基于可见光图像的绝缘子检测技术不需要在杆塔上安装任何额外设备，运行和维护成本低，更节省了人力、物力、财力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于可见光图像的绝缘子检测方法实施例一的流程示意图；
图2为本发明提供的一种基于可见光图像的绝缘子检测方法实施例二的流程示意图；
图3为本发明中绝缘子可见光彩色图像的颜色分量图；
图4为本发明中清洁和污秽红色复合绝缘子H分量平均值统计图；
图5为本发明中清洁和污秽红色复合绝缘子S分量平均值统计图；
图6为本发明中清洁和污秽红色复合绝缘子V分量平均值统计图；
图7为本发明提供的一种基于可见光图像的绝缘子检测装置实施例一的结构示意图；
图8为本发明提供的一种基于可见光图像的绝缘子检测装置实施例二的结构示意图；
图9为本发明提供的一种基于可见光图像的绝缘子检测装置实施例三的结构示意图；
图10为本发明提供的一种基于可见光图像的绝缘子检测装置实施例四的结构示意图。
具体实施方式
本发明提供为解决上述技术问题，本发明提供一种基于可见光图像的绝缘子检测方法及装置，可以快速而准确的检测绝缘子的表面污秽状态，为及时清理绝缘子污秽提供基础，可以减少绝缘子污闪停电事故。
参见图1，为本发明提供的一种基于可见光图像的绝缘子检测方法实施例一的流程示意图。
本发明实施例一提供的基于可见光图像的绝缘子检测方法，包括以下步骤：
步骤100，获取待检测绝缘子的可见光彩色图像；
具体实现中，可通过单反相机等可见光摄像设备对焦，对准待检测的绝缘子伞群表面进行拍摄，摄取待检测绝缘子的可见光彩色图像。
步骤101，提取所述绝缘子的可见光彩色图像的特征值；
具体实现中可提取绝缘子的可见光彩色图像的灰度平均值或者梯度作为特征值并进行保存。
步骤102，将所述特征值与绝缘子的种类及使用年限相结合，使用多值分类器进行绝缘子的表面污秽等级分类；
具体实现中，在获得步骤101中的特征值之后，结合绝缘子的种类和使用年限，采用“一对一”策略的SVM多值分类器进行绝缘子污秽等级分类
需要说明的是，SVM（Support Vector Machine）多值分类器具体为支持向量机的多值分类器，它能较好地解决多值分类、在解决小样本、非线性、高维模式识别中表现出许多特定的优势。SVM多值分类器的原理为本领域技术人员所熟知，在此不再赘述。
步骤103，输出绝缘子污秽等级分类结果。
具体的，根据SVM多值分类器分析的结果，输出绝缘子污秽状态等级，以供检修处理。
本发明提供的基于可见光图像的绝缘子检测技术，由于基于可见光图像进行检测，避免了采用红外图像所产生的严重噪声干扰，以及红外和紫外方法只能在故障状态才能进行检测的缺陷，提高了绝缘子的表面污秽状态检测和判定的可靠性。
参见图2，为本发明提供的一种基于可见光图像的绝缘子检测方法实施例二的流程示意图。
本实施例二提供的基于可见光图像的绝缘子检测方法，包括：
步骤200，通过单反相机等可见光摄像设备对焦，对准待检测的绝缘子进行拍摄，摄取待检测绝缘子的可见光彩色图像。
步骤201，使用均值滤波方法对可见光彩色图形进行滤波处理；
步骤202，将经过滤波处理后的待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
具体的，绝缘子可见光彩色图像的各分量图见图3所示。
需要说明的是，HSV（Hue，Saturation，Value）颜色空间是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间，也称六角锥体模型（Hexcone Model）。该HSV模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。其中，色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°。饱和度S的取值范围为0.0～1.0。亮度V的取值范围为0.0（黑色）～1.0（白色）。
具体实现中，可将上述可见光彩色图像导入安装了绝缘子污秽检测软件的计算机中进行分解获得绝缘子彩色图像的H、S、V三个颜色分量。
步骤203，利用图像分割技术分别对所述三个单通道灰度图像进行图像分割。
具体实现中，所述利用图像分割技术分别对所述三个单通道灰度图像进行图像分割，包括：
分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，以避免干扰；最后获得各颜色分量图像中的绝缘子灰度图像区域。
步骤204，对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值、梯度作为特征值。
以红色复合绝缘子为例，对清洁和污秽绝缘子可见光图像各特征值进行统计后发现，平均值具有更好的区分度，选择平均值作为主要特征值和差别依据（各分量平均值统计结果见附图4、附图5、附图6）；
步骤205，将所述特征值与绝缘子的种类及使用年限相结合，使用多值分类器进行绝缘子的表面污秽等级分类。
步骤206，输出绝缘子污秽等级分类结果。
实施本发明提供的一种基于可见光图像的在线绝缘子表面污秽状态的检测方法，基利用线路中的绝缘子的可见光图像进行检测，提取图像中的特征值，再设计多值分类器实现绝缘子污秽状态的检测，并输出污秽状态评判结果，给出检修意见。区别于传统的划分污区、定期清扫，以及泄漏电流法、红外检测、紫外检测等方法，本方法使用可见光图像进行检测，不需要在杆塔上安装任何额外设备，不需要停电，节省了人力、物力、财力，安全经济可靠，且避免了红外和紫外只能在发热的故障状态才能检测的缺陷。
本发明还提供一种基于可见光图像的绝缘子检测装置。
参见图7，为本发明提供的一种基于可见光图像的绝缘子检测装置实施例一的结构示意图，如图所示，其包括：
图像获取单元10，用于获取待检测绝缘子的可见光彩色图像；
具体实现中，该图像获取单元10可以是单反相机等可见光摄像设备，利用该单反相机或者可见光摄像设备对准待检测的绝缘子伞群表面进行拍摄，就可以摄取待检测绝缘子的可见光彩色图像。
特征值提取单元11，用于提取所述绝缘子的可见光彩色图像的特征值；
具体实现中该特征值提取单元11可提取绝缘子的可见光彩色图像的灰度平均值或者梯度作为特征值并进行保存。
多值分类器12，用于将所述特征值与绝缘子的种类及使用年限相结合，对绝缘子污秽等级进行分类；
具体实现中，该多值分类器12可以为采用“一对一”策略的SVM多值分类器，它能较好地解决多值分类、在解决小样本、非线性、高维模式识别中表现出许多特定的优势。
检测结果输出单元13，用于输出绝缘子的表面污秽等级分类结果。
本发明提供的基于可见光图像的绝缘子检测装置，由于基于可见光图像进行检测，避免了采用红外图像所产生的严重噪声干扰，以及红外和紫外方法只能在故障状态才能进行检测的缺陷，提高了绝缘子的表面污秽状态检测和判定的可靠性。
参见图8，为本发明提供的一种基于可见光图像的绝缘子检测装置实施例二的结构示意图，如图所示，其包括：
图像获取单元10，用于获取待检测绝缘子的可见光彩色图像；
滤波处理单元14，用于采用均值滤波方法对待检测绝缘子可见光彩色图像进行滤波处理；
颜色分量获取单元15，用于将经过滤波后的待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
图像分割单元16，用于利用图像分割技术分别对所述三个单通道灰度图像进行图像分割；
特征值提取单元11，用于提取所述绝缘子的可见光彩色图像的特征值；以红色复合绝缘子为例，对清洁和污秽绝缘子可见光图像各特征值进行统计后发现，平均值具有更好的区分度，选择平均值作为主要特征值和差别依据（各分量平均值统计结果见附图4、附图5、附图6）；
多值分类器12，用于将所述特征值与绝缘子的种类及使用年限相结合，对绝缘子污秽等级进行分类；其中，所述多分值分类器为采用“一对一”策略的支持向量机多值分类器。
检测结果输出单元13，用于输出绝缘子的表面污秽等级分类结果。
参见图9，为本发明提供的一种基于可见光图像的绝缘子检测装置实施例三的结构示意图。
本实施例将详细描述图像分割单元的功能和结构，如图所示，其包括：
图像分割子单元160，用于分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
干扰去除子单元161，用于将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，获得各颜色分量图像中的绝缘子灰度图像区域。
参见图10，为本发明提供的一种基于可见光图像的绝缘子检测装置实施例四的结构示意图。
本实施例将详细描述特征值提取单元的功能和结构，如图所示，其包括：
平均值提取子单元110，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值作为特征值；
梯度提取子单元111，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的梯度作为特征值。
实施本发明，具有如下有益效果：
本发明提供的基于可见光图像的绝缘子检测技术，由于基于可见光图像进行检测，避免了采用红外图像所产生的严重噪声干扰，以及红外和紫外方法只能在故障状态才能进行检测的缺陷，提高了绝缘子的表面污秽状态检测和判定的可靠性。并且可以大大减少绝缘子污秽检测的工作量，减少检测安全事故，及时清理绝缘子污秽减少绝缘子污闪停电事故，极大地提高了电力系统安全运行水平。本发明的基于可见光图像的绝缘子检测技术不需要在杆塔上安装任何额外设备，运行和维护成本低，更节省了人力、物力、财力。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于可见光图像的绝缘子检测方法，其特征在于，包括以下步骤：
获取待检测绝缘子的可见光彩色图像；
提取所述绝缘子的可见光彩色图像的特征值；
将所述特征值与绝缘子的种类及使用年限相结合，使用多值分类器进行绝缘子的表面污秽等级分类；
输出绝缘子污秽等级分类结果。
2.如权利要求1所述的基于可见光图像的绝缘子检测方法，其特征在于，所述提取所述绝缘子的可见光彩色图像的特征值之前，包括：
采用均值滤波方法对待检测绝缘子可见光彩色图像进行滤波处理；
将经过滤波后的待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
利用图像分割技术分别对所述三个单通道灰度图像进行图像分割。
3.如权利要求2所述的基于可见光图像的绝缘子检测方法，其特征在于，所述利用图像分割技术分别对所述三个单通道灰度图像进行图像分割，包括：
分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，获得各颜色分量图像中的绝缘子灰度图像区域。
4.如权利要求3所述的基于可见光图像的绝缘子检测方法，其特征在于，所述提取所述绝缘子的可见光彩色图像的特征值，包括：
对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值、梯度作为特征值。
5.如权利要求4所述的基于可见光图像的绝缘子检测方法，其特征在于，所述多分值分类器为采用“一对一”策略的支持向量机多值分类器。
6.一种基于可见光图像的绝缘子检测装置，其特征在于，包括：
图像获取单元，用于获取待检测绝缘子的可见光彩色图像；
特征值提取单元，用于提取所述绝缘子的可见光彩色图像的特征值；
多值分类器，用于将所述特征值与绝缘子的种类及使用年限相结合，对绝缘子污秽等级进行分类；
检测结果输出单元，用于输出绝缘子的表面污秽等级分类结果。
7.如权利要求6所述的基于可见光图像的绝缘子检测装置，其特征在于，所述装置还包括：
滤波处理单元，用于采用均值滤波方法对待检测绝缘子可见光彩色图像进行滤波处理；
颜色分量获取单元，用于将经过滤波后的待检测绝缘子可见光彩色图像在HSV颜色空间中分解获得绝缘子彩色图像的H、S、V三个颜色分量，保存为三个单通道灰度图像；
图像分割单元，用于利用图像分割技术分别对所述三个单通道灰度图像进行图像分割。
8.如权利要求7所述的基于可见光图像的绝缘子检测装置，其特征在于，所述图像分割单元，包括：
图像分割子单元，用于分别对所述三个单通道灰度图像使用最大类间方差法进行图像分割；
干扰去除子单元，用于将所述三个单通道灰度图像中高于阈值的点的灰度值设置为零，低于或等于阈值的点的灰度值保持不变，以去除所述灰度图像的背景区域和反光部分，获得各颜色分量图像中的绝缘子灰度图像区域。
9.如权利要求8所述的基于可见光图像的绝缘子检测装置，其特征在于，所述特征值提取单元包括：
平均值提取子单元，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的灰度平均值作为特征值；
梯度提取子单元，用于对所述各颜色分量图像中的绝缘子灰度图像区域进行处理，提取各颜色分量的梯度作为特征值。
10.如权利要求9所述的基于可见光图像的绝缘子检测装置，其特征在于，所述多分值分类器为采用“一对一”策略的支持向量机多值分类器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310215669.8A CN103323460B (zh) | 2013-06-03 | 2013-06-03 | 一种基于可见光图像的绝缘子检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310215669.8A CN103323460B (zh) | 2013-06-03 | 2013-06-03 | 一种基于可见光图像的绝缘子检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103323460A true CN103323460A (zh) | 2013-09-25 |
| CN103323460B CN103323460B (zh) | 2016-04-20 |
Family
ID=49192345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310215669.8A Active CN103323460B (zh) | 2013-06-03 | 2013-06-03 | 一种基于可见光图像的绝缘子检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103323460B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104639914A (zh) * | 2015-02-16 | 2015-05-20 | 国网安徽省电力公司铜陵供电公司 | 一种用于高压线绝缘子成像与污秽检测的装置及方法 |
| CN104849287A (zh) * | 2015-06-10 | 2015-08-19 | 国家电网公司 | 一种复合绝缘子污秽程度非接触检测方法 |
| CN104951990A (zh) * | 2014-03-28 | 2015-09-30 | 国际商业机器公司 | 电网数据处理方法及设备 |
| CN106022302A (zh) * | 2016-06-03 | 2016-10-12 | 北京理工大学 | 一种通过usfpf特征识别故障跳线联板的方法 |
| CN106596579A (zh) * | 2016-11-15 | 2017-04-26 | 同济大学 | 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法 |
| CN106680285A (zh) * | 2016-11-17 | 2017-05-17 | 同济大学 | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 |
| CN108020520A (zh) * | 2016-10-31 | 2018-05-11 | 深圳市朗驰欣创科技股份有限公司 | 一种带电设备水冲洗机器人的控制方法与装置 |
| CN108108772A (zh) * | 2018-01-06 | 2018-06-01 | 天津大学 | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 |
| CN108280449A (zh) * | 2018-02-06 | 2018-07-13 | 国网山西省电力公司电力科学研究院 | 基于多光谱传感器组的电力设备影像采集方法 |
| CN109470628A (zh) * | 2018-09-29 | 2019-03-15 | 江苏新绿能科技有限公司 | 接触网绝缘子污秽状态检测方法 |
| CN110146509A (zh) * | 2019-05-07 | 2019-08-20 | 无锡先导智能装备股份有限公司 | 电池检测方法及电池检测设备 |
| CN113125908A (zh) * | 2021-04-16 | 2021-07-16 | 华北电力大学 | 一种绝缘子污秽度诊断装置及其检测方法 |
| CN114724042A (zh) * | 2022-06-09 | 2022-07-08 | 国网江西省电力有限公司电力科学研究院 | 一种输电线路中零值绝缘子自动检测方法 |
| CN116068287A (zh) * | 2023-03-10 | 2023-05-05 | 国网山西省电力公司电力科学研究院 | 一种污秽绝缘子电位测量方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6361151A (ja) * | 1986-09-01 | 1988-03-17 | Shikoku Electric Power Co Inc | 碍子汚損測定装置 |
| CN101726693A (zh) * | 2009-11-26 | 2010-06-09 | 绍兴电力局 | 一种在紫外图像上寻找电力设备放电区域的方法 |
| CN102435898A (zh) * | 2011-09-22 | 2012-05-02 | 广东电网公司深圳供电局 | 一种电力设备污秽观测系统 |
| CN103105567A (zh) * | 2013-02-05 | 2013-05-15 | 宁波工程学院 | 分光镜型电晕紫外探测仪 |
| CN203275313U (zh) * | 2013-06-03 | 2013-11-06 | 深圳供电局有限公司 | 一种基于可见光图像的绝缘子检测装置 |
-
2013
- 2013-06-03 CN CN201310215669.8A patent/CN103323460B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6361151A (ja) * | 1986-09-01 | 1988-03-17 | Shikoku Electric Power Co Inc | 碍子汚損測定装置 |
| CN101726693A (zh) * | 2009-11-26 | 2010-06-09 | 绍兴电力局 | 一种在紫外图像上寻找电力设备放电区域的方法 |
| CN102435898A (zh) * | 2011-09-22 | 2012-05-02 | 广东电网公司深圳供电局 | 一种电力设备污秽观测系统 |
| CN103105567A (zh) * | 2013-02-05 | 2013-05-15 | 宁波工程学院 | 分光镜型电晕紫外探测仪 |
| CN203275313U (zh) * | 2013-06-03 | 2013-11-06 | 深圳供电局有限公司 | 一种基于可见光图像的绝缘子检测装置 |
Non-Patent Citations (4)
| Title |
|---|
| 何洪英等: "基于支持向量机的高压绝缘子污秽等级红外像检测", 《电力系统自动化》, vol. 29, no. 24, 25 December 2005 (2005-12-25) * |
| 张国权: "基于遗传算法的彩色图像多阈值分割方法研究", 《电子设计工程》, vol. 19, no. 9, 31 May 2011 (2011-05-31), pages 43 - 2 * |
| 樊养余等: "基于自适应矢量参数的彩色图像梯度计算方法", 《西北工业大学学报》, vol. 30, no. 6, 31 December 2012 (2012-12-31) * |
| 马帅营: "直升机巡检输电线路中绝缘子图像的分割方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 9, 15 September 2009 (2009-09-15) * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951990A (zh) * | 2014-03-28 | 2015-09-30 | 国际商业机器公司 | 电网数据处理方法及设备 |
| CN104951990B (zh) * | 2014-03-28 | 2018-06-05 | 国际商业机器公司 | 电网数据处理方法及设备 |
| CN104639914A (zh) * | 2015-02-16 | 2015-05-20 | 国网安徽省电力公司铜陵供电公司 | 一种用于高压线绝缘子成像与污秽检测的装置及方法 |
| CN104849287A (zh) * | 2015-06-10 | 2015-08-19 | 国家电网公司 | 一种复合绝缘子污秽程度非接触检测方法 |
| CN106022302A (zh) * | 2016-06-03 | 2016-10-12 | 北京理工大学 | 一种通过usfpf特征识别故障跳线联板的方法 |
| CN108020520A (zh) * | 2016-10-31 | 2018-05-11 | 深圳市朗驰欣创科技股份有限公司 | 一种带电设备水冲洗机器人的控制方法与装置 |
| CN106596579A (zh) * | 2016-11-15 | 2017-04-26 | 同济大学 | 一种基于多光谱图像信息融合的绝缘子污秽状态检测方法 |
| CN106680285A (zh) * | 2016-11-17 | 2017-05-17 | 同济大学 | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 |
| CN106680285B (zh) * | 2016-11-17 | 2022-04-05 | 同济大学 | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 |
| CN108108772A (zh) * | 2018-01-06 | 2018-06-01 | 天津大学 | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 |
| CN108280449A (zh) * | 2018-02-06 | 2018-07-13 | 国网山西省电力公司电力科学研究院 | 基于多光谱传感器组的电力设备影像采集方法 |
| CN109470628A (zh) * | 2018-09-29 | 2019-03-15 | 江苏新绿能科技有限公司 | 接触网绝缘子污秽状态检测方法 |
| CN110146509A (zh) * | 2019-05-07 | 2019-08-20 | 无锡先导智能装备股份有限公司 | 电池检测方法及电池检测设备 |
| CN110146509B (zh) * | 2019-05-07 | 2022-12-13 | 无锡先导智能装备股份有限公司 | 电池检测方法及电池检测设备 |
| CN113125908A (zh) * | 2021-04-16 | 2021-07-16 | 华北电力大学 | 一种绝缘子污秽度诊断装置及其检测方法 |
| CN114724042A (zh) * | 2022-06-09 | 2022-07-08 | 国网江西省电力有限公司电力科学研究院 | 一种输电线路中零值绝缘子自动检测方法 |
| CN116068287A (zh) * | 2023-03-10 | 2023-05-05 | 国网山西省电力公司电力科学研究院 | 一种污秽绝缘子电位测量方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103323460B (zh) | 2016-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103323460B (zh) | 一种基于可见光图像的绝缘子检测方法及装置 | |
| CN203275313U (zh) | 一种基于可见光图像的绝缘子检测装置 | |
| Li et al. | Intelligent fault pattern recognition of aerial photovoltaic module images based on deep learning technique | |
| CN104764748A (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
| CN107240095A (zh) | 一种基于可见光图像的直流线路绝缘子表面污秽状态识别法 | |
| CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
| CN106680285B (zh) | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 | |
| CN106407928B (zh) | 基于雨滴识别的变压器复合绝缘子套管监测方法及系统 | |
| CN107742301B (zh) | 基于图像分类的复杂背景下输电线路图像处理方法 | |
| CN104331710B (zh) | 开关状态识别系统 | |
| CN103954897A (zh) | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 | |
| CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
| CN104408459A (zh) | 电力设备监控中使用的图像识别方法 | |
| CN105354589A (zh) | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 | |
| CN102508110A (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
| CN109631848A (zh) | 输电线路异物入侵检测系统和检测方法 | |
| CN108108772A (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
| CN105427316B (zh) | 一种输电线路可见光图像中绝缘子单盘面提取方法 | |
| CN107179479A (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
| CN103412246A (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
| CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
| Zhang et al. | Intelligent detection technology of infrared image of substation equipment based on deep learning algorithm | |
| Sun et al. | Dust Detection Techniques for Photovoltaic Panels from a Machine Vision Perspective: A Review | |
| CN110264486B (zh) | 基于近红外图像分析的开关站设备凝露检测方法和系统 | |
| Tan et al. | Denoising convolutional neural networks based dust accumulation status evaluation of photovoltaic panel |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |