CN103345637A - 输电线路复合绝缘子憎水性在线检测系统及方法 - Google Patents

Abstract

本发明公开了一种输电线路复合绝缘子憎水性在线检测系统及方法，本发明基于可见光图像检测技术，本发明系统包括包括可见光图像采集模块、信息传输模块、供电模块和控制中心，控制中心包括憎水性检测模块；信息传输模块与可见光图像采集模块、供电模块和控制中心均相连，供电模块为可见光图像采集模块和信息传输模块提供电源。本发明方法采用可见光图像采集模块采集复合绝缘子图像，并通过憎水性检测模块分析复合绝缘子图像，从而获得复合绝缘子的憎水级别。本发明避免了工作人员高压现场作业的危险，且提高了复合绝缘子憎水性的检测精度。

Description

输电线路复合绝缘子憎水性在线检测系统及方法

技术领域

本发明属于复合绝缘子图像在线检测技术领域，尤其涉及一种基于可见光检测技术的输电线路复合绝缘子憎水性在线检测装置及方法。

背景技术

绝缘子是输电线路中用量庞大、种类繁多的零部件，其安全运行问题直接决定了整个输电线路系统的安全水平和可靠性。特别是复合绝缘子，在运行不同年限后，会暴露出憎水性减弱的问题。

为了降低运行中复合绝缘子的故障率，需要对输电线路复合绝缘子进行检测和试验。传统的检测主要通过人工巡视，登杆检查完成，工作强度大，而且受人为因素影响大，容易出现故障误判或漏判，可靠性较差。因此，亟需寻找高效、准确的复合绝缘子憎水性检测方法，从而确保输电线路的安全运行。

发明内容

针对现有技术存在的不足，本发明提出了一种高效且检测结果更准确的、基于可见光图像检测技术的输电线路复合绝缘子憎水性在线检测系统及方法。

为了解决上述技术问题，本发明采用如下的技术方案：

一种输电线路复合绝缘子憎水性在线检测系统，包括可见光图像采集模块、信息传输模块、供电模块和控制中心，控制中心包括憎水性检测模块；信息传输模块与可见光图像采集模块、供电模块和控制中心均相连，供电模块为可见光图像采集模块和信息传输模块提供电源。

上述输电线路复合绝缘子憎水性在线检测系统还包括湿度传感模块，湿度传感模块通过信息传输模块与控制中心相连。

上述供电模块包括充放电控制器、太阳能电池板和蓄电池，太阳能电池板、蓄电池、充放电控制器依次相连，充放电控制器通过信息传输模块与控制中心相连。

上述信息传输模块包括有线信息传输模块和无线信息传输模块，可见光图像采集模块采集的复合绝缘子图像数据和湿度传感模块采集到的湿度数据均通过有线信息传输模块传输至憎水性检测模块；控制中心通过无线通信模块远程控制供电模块的充放电控制器，从而实现供电模块的开启。

一种输电线路复合绝缘子憎水性在线检测方法，包括步骤：

步骤1，采用可见光图像采集模块采集复合绝缘子图像数据，并将采集到的复合绝缘子图像数据通过信息传输模块传输至控制中心的憎水性检测模块；

步骤2，憎水性检测模块从复合绝缘子图像数据中获取水珠和/或水迹的形状和尺寸信息，并根据水珠和/水迹的形状和尺寸信息获得复合绝缘子的憎水性等级。

步骤2依次包括以下子步骤：

2-1从复合绝缘子图像数据中截取水珠水迹图像，并预处理水珠水迹图像以提高图像的对比度、去除图像噪声；

2-2对预处理后的水珠水迹图像进行直方图均衡化；

2-3对直方图均衡化后的水珠水迹图像进行均值滤波；

2-4对均值滤波后的水珠水迹图像进行灰度拉伸；

2-5对灰度拉伸后的水珠水迹图像进行图像分割；

2-6采用二值形态学重构法重构图像分割后的水珠水迹图像得到水珠图像；

2-7基于重构的水珠图像获取其中水珠的形状和尺寸信息，从而获得复合绝缘子的憎水等级。

若步骤2-7获取的复合绝缘子的憎水等级HC大于HC4，则依次执行以下步骤：

2-8对步骤2-2获取的水珠水迹图像进行高斯滤波；

2-9对高斯滤波后的水珠水迹图像进行灰度拉伸；

2-10对灰度拉伸后的水珠水迹图像进行图像分割；

2-11采用二值形态学重构法重构图像分割后的水珠水迹图像得到水迹图像；

2-12基于重构的水迹图像获取其中水迹的形状和尺寸信息，从而获得复合绝缘子的憎水等级。

上述图像分割采用基于灰度阈值的分割法。

步骤2-7和2-12均采用改进的形状因子法来表示水珠和水迹的形状和尺寸信息，从而获得复合绝缘子的憎水等级，具体为：

以最大水珠或最大水迹的面积比K₁为主要判据、以最大水珠或最大水迹的形状因子f_c为辅助判据，来获得复合绝缘子的憎水等级，所述的最大水珠或最大水迹的面积比K₁为最大水珠或最大水迹的面积和图像总面积之比；所述的最大水珠或最大水迹的形状因子

s是最大水珠或最大水迹的面积；l是最大水珠或最大水迹的周长。

本发明系统的工作过程如下：

供电模块给可见光图像采集模块和信息传输模块供电。可见光图像采集模块将采集到的复合绝缘子图像数据通过信息传输模块传输至控制中心的憎水性检测模块，憎水性检测模块对采集的复合绝缘子图像进行处理并获取复合绝缘子的憎水性。为了延长供电模块的使用寿命，控制中心可通过信息传输模块控制供电模块的开或关，当不需要采集复合绝缘子图像时，控制中心可通过信息传输模块关闭供电模块。

本发明系统的优选方案中还包湿度传感模块，用来检测空气中的含水量，根据空气中的含水量可判断是否即将下雨。该方案中，供电模块对可见光图像采集模块和信息传输模块进行选择性供电，即，对信息传输模块一直保持供电，根据控制中心的供电指令对可见光图像采集模块进行供电。若湿度传感模块检测到即将下雨时，则通过信息传输模块向控制中心传递信号，控制中心随即向供电模块发送指令，供电模块开启对可见光图像采集模块的供电。

与现有技术相比，本发明方法具有以下优点和有益效果：

（1）本发明适用于高压输电线路复合绝缘子憎水性的实时远程检测，避免了人工巡视和人工登杆检测，降低复合绝缘子憎水性的检测强度。

（2）本发明可有效跟踪复合绝缘子的状态，一旦发现绝缘子故障，工作人员可及早采取应对措施，防止输电线路故障的发生。

（3）本发明具有检测效率高和可靠性高的优点，避免了现有人工分析效率低、可靠性不高、易出现故障漏报和误报等缺陷，可确保输电线路的安全运行。

（4）本发明采用无线控制供电模块的充放电，在不需要检测时可远程控制关闭电源，从而可延长供电模块的使用寿命。

附图说明

图1为本发明系统的结构框图；

图2为本发明供电模块的结构框图；

图3为本发明方法的流程图；

图4为可见光图像采集模块采集的复合绝缘子图像；

图5为预处理后的图像；

图6为直方图均衡化后的图像；

图7为均值滤波处理后的图像；

图8为高斯滤波处理前、后的图像，其中，（a）是高斯滤波处理前的图像，图（b）为高斯滤波处理后的图像；

图9为灰度拉伸的分段线性变换函数；

图10为灰度拉伸后的图像；

图11为阈值分割后的图像；

图12为二值形态学重构后的图像；

图13为复合绝缘子憎水性分级表。

具体实施方式

图1为本发明系统的结构框图，见图1，本发明输电线路复合绝缘子憎水性在线检测系统，包括可见光图像采集模块、信息传输模块、供电模块和控制中心，控制中心包括憎水性检测模块；信息传输模块与可见光图像采集模块、供电模块和控制中心均相连，供电模块为可见光图像采集模块和信息传输模块提供电源。

可见光图像采集模块安装在输电线路杆塔上用来采集复合绝缘子图像数据。本具体实施中的可见光图像采集模块为波粒BL-71080HSD百万高清红外高速球，其为一体机芯制成的网络摄像头，拥有200万像素CMOS超低照度传感器。

供电模块包括充放电控制器、多晶硅太阳能电池板和铅酸蓄电池，多晶硅太阳能电池板、铅酸蓄电池、充放电控制器依次相连，充放电控制器通过信息传输模块与控制中心相连。供电模块的结构框图见图2。

本发明系统还可以包括湿度传感模块，湿度传感模块同样安装在输电线路杆塔上用来获取空气湿度信息，湿度传感模块通过信息传输模块与控制中心相连。湿度传感模块具体可采用雨量传感器或湿度传感器。

控制中心为安设在远程监控室内的计算机，其中包括有憎水性检测模块，憎水性检测模块用来处理可见光图像采集模块采集的复合绝缘子图像数据，并获得复合绝缘子的憎水性监测结果。

信息传输模块包括有线信息传输模块和无线信息传输模块，可见光图像采集模块采集的复合绝缘子图像数据和湿度传感模块采集到的湿度数据均通过有线信息传输模块传输至控制中心；控制中心通过无线通信模块远程控制供电模块的充放电控制器，从而实现供电模块的开启。

本具体实施中的有线信息传输模块包括网线、路由器和无线网桥，可见光图像采集模块和湿度传感模块同网线与路由器相连，路由器通过网线连接无线网桥。采用点对点或点对多点的无线桥接模式，构建可见光图像采集模块、湿度传感模块与主控中心的局域网，基于该局域网可完成复合绝缘子图像数据和空气湿度数据的采集工作。

图3为本发明输电线路复合绝缘子憎水性在线检测方法的具体实施流程图，下面将结合图3详细说明本发明方法实施的具体步骤。

一种输电线路复合绝缘子憎水性在线检测方法，具体步骤如下：

步骤1，采用可见光图像采集模块采集复合绝缘子图像数据，并将采集到的复合绝缘子图像数据通过信息传输模块传输至控制中心的憎水性检测模块。

步骤2，憎水性检测模块从复合绝缘子图像数据中获取水珠和/或水迹的形状和尺寸信息，并根据水珠和/水迹的形状和尺寸信息获得复合绝缘子的憎水性等级。

要获取复合绝缘子图像数据水珠和/或水迹的形状和尺寸信息，必须先对采集的原始复合绝缘子图像数据进行一系列的图像处理，处理原始复合绝缘子图像数据具体包括以下步骤：

2.1从采集的图像数据中截取复合绝缘子上的水珠水迹图像，并预处理截取的水珠水迹图像以提高图像对比度、去除图像噪声。本具体实施中，所述的预处理包括调整图像亮度并灰度化。图4为可见光图像采集模块采集的复合绝缘子图像数据，图5为预处理后的水珠水迹图像。

2.2对预处理后的水珠水迹图像进行直方图均衡化。

直方图均衡化是为了使图像的灰度值均衡分布，从而提高图像的对比度。

直方图均衡化的原理如下：

令离散图像（即原始图像直方图）第k级频数P_f(f_j)为：

$P_f\left(f_j\right)=\frac{n_j}{n},j=\mathrm{0,1},...,k,...,L-1---\left(1\right)$

式（1）中，z为灰度级；n_j是灰度级j出现的像素数目；n是原始图像总的像素数目。

累积分布函数为：

$C\left(f\right)=\underset{j=0}{\overset{k}{\mathrm{\Σ}}}{p}_f\left(f_j\right),j=\mathrm{0,1},...,k,...,L-1,---\left(2\right)$

输出的灰度级g_i为：

g_i＝INT[(L-1)C(f)+0.5]     （3）

式（3）中，INT[·]是取整符号，利用f_j和g_i的映射关系修改原始图像的灰度级，获得直方图分布P_g(g_i)就是均衡分布。

图6是对图5进行直方图均衡化后的图像，对比图5和图6可以看出，直方图均衡化后图像的对比度得到了提高，且灰度值分布更均匀。

2.3对直方图均衡化后的水珠水迹图像进行均值滤波。

均值滤波的目的在于实现模糊处理避并减小噪声，也叫做邻域平均法，包括邻域线性平均法和邻域非线性平均法。本具体实施采用邻域线性平均法对水珠水迹图像进行均值滤波，具体原理如下：

图像[f(i,j)]^N*N中各像素点(m,n)，其邻域S中的M个像素点的灰度平均值 $\stackrel{\‾}{f}(m,n)$ 为：

$\stackrel{\‾}{f}(m,n)=\frac{1}{M}\underset{(i,j)\∈S}{\mathrm{\Σ}}f(i,j)---\left(3\right)$

式（3）中，(i,j)表示领域S中的像素点。

采用像素点(m,n)的邻域S内所有像素点的灰度平均值

代替原来像素点(m,n)的灰度值。邻域S的形状和大小根据图像的实际特点进行选取，邻域S的形状可以为正方形、圆形、十字形、圆环、线条等。本具体实施中，针对复合绝缘子图像选取的邻域S尺寸是3*3，形状是正方形。

均值滤波处理后的水珠水迹图像见图7，从图中可以看出，均值滤波可有效消除背景噪声，从而达到图像分割的要求。

2.4灰度拉伸。

本发明采用灰度拉伸处理均值滤波后的水珠水迹图像。灰度拉伸是灰度变换的一种，其通过对去噪后的图像进行灰度线性变换、分段线性变换或非线性变换，以扩展图像灰度范围，提高图像对比度，实现图像的增强，使图像更清晰，特征更加明显。

本具体实施中采用分段线性变换法进行图像的灰度拉伸，采用图9的分段线性变换函数对图7中图像进行灰度拉伸，结果见图10。分段线性变换法的优点是：能突出感兴趣的灰度区间，并相对抑制不感兴趣的灰度区间。

通过图像的灰度拉伸处理，可以看出：在灰度值100～200的区间进行了灰度的线性扩展，在灰度0～100和200以上的区间进行了灰度的压缩，较好的实现了图像的灰度拉伸，突出了100～200区间内的灰度特征，提高了对比度，便于后续的图像分割。

2.5采用基于灰度的阈值分割法分割灰度拉伸处理后的水珠水迹图像。

实现图像分割，需根据实际要求选取合适的分割算法，本具体实施中选取基于熵的阈值分割法。通常，图像分割法主要有基于边缘微分算子的阈值分割法和基于灰度的阈值分割法。基于灰度的阈值分割法为：确定灰度阈值，将待分割图像中大于灰度阈值的灰度值全更新为预设的最大值，例如可将最大值预设为255；将待分割图像中小于灰度阈值的灰度值全全更新为预设的最小值，例如可将最小值预设为0，实现待分割图像中目标与背景的分离。

常见的基于灰度的阈值分割法包括全局阈值分割法和自适应阈值分割法。全局阈值分割法是在待分割图像中仅设置一个阈值，对全局图像进行阈值分割。当采用全局阈值分割法分割时，若图像部分区域分割效果不好，可采用自适应阈值分割法，自适应阈值分割法可根据图像中位置缓慢变化的函数值确定阈值。自适应阈值分割法主要依据公式（7）～（8）进行阈值确定：

I_low＝H(P_low)+H(P_high)-H(P'_low)-H(P'_high)     (7)

I_low＝H(P_low)+H(P_high)              (8)

最佳阈值g_pef可通过式（8）求得：

$\underset{g_{\mathrm{pef}}}{\min }{I}_{\mathrm{low}}=\underset{g_{\mathrm{pef}}}{\min }[H\left(P_{\mathrm{low}}\right)+H\left(P_{\mathrm{high}}\right)]---\left(9\right)$

式（7）～（9）中，P_low表示低于灰度阈值g^th的像素集合；P_high表示高于灰度阈值g^th的像素集合；P'_low表示分割后低于灰度阈值g^th的像素集合；P'_high表示分割后高于灰度阈值g^th的像素集合；H(P_low)表示低于灰度阈值g^th的像素集合的熵，H(P_high)表示高于灰度阈值g^th的像素集合的熵。H(P'_low)表示分割后低于灰度阈值g^th的像素集合的熵，H(P'_high)表示分割后高于灰度阈值g^th的像素集合的熵。

本具体实施中经分割处理得到的分割图像二值化图像，分割后的H(P'_low)和H(P'_high)均为0。图11是阈值分割后的水珠水迹图像，从图中可以看出，全局图像区域分割合理。

2.6采用二值形态学重构法重构水珠水迹图像，得到水珠图像。

在形态学处理中，腐蚀和膨胀是两个最基本的运算。腐蚀主要是消除物体所有的边界点；膨胀主要是将与物体边界接触的点合并进来。在腐蚀和膨胀的集合运算基础上，有开运算和闭运算。将图像先腐蚀再膨胀处理叫做开运算；将图像先膨胀再腐蚀叫做闭运算。开运算能够消除细小物体，在细小点处分离物体，在几乎不改变面积时平滑较大物体的边界；闭运算能够填充物体内细小的空洞，连接邻近的物体，在几乎不改变面积时平滑物体的边界。采用二值形态学重构可以消除细小的区域，不改变大区域的面积和形状。在二值重构时，用到掩码图像I和标记图像J，掩码图像I包含标记图像J，设I₁、I₂、…、I_n是n个连通区域，则基于标记图像J的I重构p_I(J)定义为：I的各连通区域中至少包含J中一个点的那些连通区域的并，即

图12是对图像进行了二值形态学重构处理，通过与图11对比可以看出，该处理能够有效去除小的区域，保留感兴趣的大区域，提取出大水珠的区域。

2.7高斯滤波

根据步骤2.6重构的水珠图像获取水珠的形状和尺寸信息，从而获得复合绝缘子的憎水等级。若所得憎水等级HC大于HC4，则需对截取的水珠水迹图像重新进行一系列处理，以获得水珠水迹图像中水迹的形状和尺寸信息。具体操作为：对步骤2-2获取的水珠水迹图像进行高斯滤波，然后依次进行灰度拉伸、图像分割、二值形态学重构，这里的灰度拉伸、图像分割和二值形态学重构同步骤2.4、2.5、2.6中所述，在此不再赘述。

本具体实施中采用自适应高斯滤波法以去除图像背景噪声。自适应高斯滤波法为高斯滤波法的多次迭代，其能更好的消除图像的背景噪声。本具体实施采用的自适应高斯滤波法的滤波原理如下：

1）计算图像中各像素点(x,y)在x和y方向的梯度：

$\left\{\begin{array}{c}{G}_x(x,y)=[f(x+1,y)-f(x-1,y)]/2\\ G_y(x,y)=[f(x,y+1)-f(x,y-1)]/2\end{array}\right.---\left(4\right)$

式（4）中，G_x(x,y)和G_y(x,y)分别为像素点(x,y)在x和y方向的梯度。

2）根据各像素点(x,y)在x和y方向的梯度计算像素点(x,y)的连续性系数w(x,y)：

$w(x,y)=\exp (-\frac{G_x^2(x,y)+G_y^2(x,y)}{{2k}^2})---\left(5\right)$

式（5）中，k表示像素点(x,y)的灰度值。

3）采用下式进行迭代滤波：

$f^{(t+1)}(x,y)=\frac{\underset{i=-1}{\overset{+1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{+1}{\mathrm{\Σ}}}\left[f^{\left(t\right)}(x+i,y+j)w^{\left(t\right)}(x+i,y+j)\right]}{\underset{i=-1}{\overset{+1}{\mathrm{\Σ}}}\underset{j=-1}{\overset{+1}{\mathrm{\Σ}}}{f}^{\left(t\right)}(x+i,y+j)}---\left(6\right)$

式（6）中，t表示迭代次数，一般迭代5～8次即可；f^(t)和f^(t+1)(x,y)分别为第t-1和第t次迭代后的图像，f⁽¹⁾表示原始图像；（i，j）为高斯滤波模板位置坐标。

见图8，图（a）是高斯滤波处理前的图像，图（b）为高斯滤波处理后的图像。从图8中可以看出，经自适应高斯滤波法处理后，图像得到了有效的背景噪声去除。此时，可以满足水迹图像的分割要求，无需经直方图均衡化处理。

本具体实施基于水珠或水迹图像，采用改进的形状因子法获取复合绝缘子的憎水等级，憎水等级有HC1～HC7七个等级，其中，HC1～HC3等级表示憎水性状态，HC4为中间过渡状态，HC5～HC7为亲水状态。

形状因子法是日本T.Tokoro采用的方法，该方法可计算水珠和水迹的形状因子f_c：

$f_c=\frac{4\mathrm{\πs}}{l^2}---\left(11\right)$

式（11）中，s是水珠或水迹的面积；l是水珠或水迹的周长。由大量的计算可以得出水珠或水迹的形状信息f_c和憎水等级HC之间的关系。

改进的形状因子法，是在形状因子法的基础上结合最大水珠或最大水迹的面积比K₁与形状因子f_c两个参数来判别复合绝缘子的憎水性。

最大水珠或水迹面积比K₁的计算如下：

以最大水珠或最大水迹的面积比K₁为主要判据，以最大水珠或最大水迹的形状因子f_c为辅助判据。采集大量复合绝缘子喷水图像的K₁和f_c，总结出复合绝缘子憎水性分级表，见图13。将水珠或水迹图像对应的K₁和f_c与图13中K₁和f_c范围进行比对，从而获得图像的憎水等级。

本具体实施首先对截取的水珠水迹图像依次进行预处理、直方图均衡化、均值滤波、灰度拉伸、图像分割、二值形态学重构，并基于处理后的图像中的水珠形状和尺寸信息获得复合绝缘子的憎水等级，若所得憎水等级小于HC4，则结束憎水性检测，所得憎水等级即为复合绝缘子的憎水等级；若所得憎水等级不小于HC4，则继续对截取的水珠水迹图像依次进行预处理、直方图均衡化、高斯滤波、灰度拉伸、图像分割、二值形态学重构处理，并基于处理后的图像中的水迹形状和尺寸信息获得憎水等级，所得憎水等级即为复合绝缘子的憎水等级。

Claims (9)

1.一种输电线路复合绝缘子憎水性在线检测系统，其特征在于，包括：

可见光图像采集模块、信息传输模块、供电模块和控制中心，控制中心包括憎水性检测模块；信息传输模块与可见光图像采集模块、供电模块和控制中心均相连，供电模块为可见光图像采集模块和信息传输模块提供电源。

2.如权利要求1所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

还包括湿度传感模块，湿度传感模块通过信息传输模块与控制中心相连。

3.如权利要求1所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

所述的供电模块包括充放电控制器、太阳能电池板和蓄电池，太阳能电池板、蓄电池、充放电控制器依次相连，充放电控制器通过信息传输模块与控制中心相连。

4.如权利要求1所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于，包括步骤：

步骤1，采用可见光图像采集模块采集复合绝缘子图像数据，并将采集到的复合绝缘子图像数据通过信息传输模块传输至控制中心的憎水性检测模块；

步骤2，憎水性检测模块从复合绝缘子图像数据中获取水珠和/或水迹的形状和尺寸信息，并根据水珠和/水迹的形状和尺寸信息获得复合绝缘子的憎水性等级。

5.如权利要求4所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

步骤2依次包括以下子步骤：

2-1从复合绝缘子图像数据中截取水珠水迹图像，并预处理水珠水迹图像以提高图像的对比度、去除图像噪声；

2-2对预处理后的水珠水迹图像进行直方图均衡化；

2-3对直方图均衡化后的水珠水迹图像进行均值滤波；

2-4对均值滤波后的水珠水迹图像进行灰度拉伸；

2-5对灰度拉伸后的水珠水迹图像进行图像分割；

2-6采用二值形态学重构法重构图像分割后的水珠水迹图像得到水珠图像；

2-7基于重构的水珠图像获取其中水珠的形状和尺寸信息，从而获得复合绝缘子的憎水等级。

6.如权利要求5所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

若步骤2-7获取的复合绝缘子的憎水等级HC大于HC4，则依次执行以下步骤：

2-8对步骤2-2获取的水珠水迹图像进行高斯滤波；

2-9对高斯滤波后的水珠水迹图像进行灰度拉伸；

2-10对灰度拉伸后的水珠水迹图像进行图像分割；

2-11采用二值形态学重构法重构图像分割后的水珠水迹图像得到水迹图像；

2-12基于重构的水迹图像获取其中水迹的形状和尺寸信息，从而获得复合绝缘子的憎水等级。

7.如权利要求5或6所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

所述的图像分割采用基于灰度阈值的分割法。

8.如权利要求5或6所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

步骤2-7和2-12均采用改进的形状因子法来表示水珠和水迹的形状和尺寸信息，从而获得复合绝缘子的憎水等级。

9.如权利要求8所述的输电线路复合绝缘子憎水性在线检测系统，其特征在于：

所述的采用改进的形状因子法来表示水珠和水迹的形状和尺寸信息，具体为：

以最大水珠或最大水迹的面积比K₁为主要判据、以最大水珠或最大水迹的形状因子f_c为辅助判据，来获得复合绝缘子的憎水等级，所述的最大水珠或最大水迹的面积比K₁为最大水珠或最大水迹的面积和图像总面积之比；所述的最大水珠或最大水迹的形状因子

是最大水珠或最大水迹的面积；l是最大水珠或最大水迹的周长。

Images