CN107464233B - 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 - Google Patents
基于Lab颜色模式的复合绝缘子的图像检测方法及系统 Download PDFInfo
- Publication number
- CN107464233B CN107464233B CN201710592642.9A CN201710592642A CN107464233B CN 107464233 B CN107464233 B CN 107464233B CN 201710592642 A CN201710592642 A CN 201710592642A CN 107464233 B CN107464233 B CN 107464233B
- Authority
- CN
- China
- Prior art keywords
- image
- composite insulator
- value
- water
- gray
- 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.)
- Active
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 172
- 239000002131 composite material Substances 0.000 title claims abstract description 153
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 127
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000005507 spraying Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000007689 inspection Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 230000036961 partial effect Effects 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000009966 trimming Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000002209 hydrophobic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 229910052573 porcelain Inorganic materials 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920002379 silicone rubber Polymers 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003373 anti-fouling effect Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000005660 hydrophilic surface Effects 0.000 description 1
- 230000005661 hydrophobic surface Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于Lab颜色模式的复合绝缘子的图像检测方法及系统，其中方法包括干燥的复合绝缘子表面图像采集和复合绝缘子表面的喷水处理还包括以下步骤：喷水后的复合绝缘子表面图像采集，对采集的所述图像的颜色模式进行调整，提取所述图像颜色空间的差异，构建水珠信息的灰度图，利用最大灰度熵分割出水珠区域。本发明通过利用两幅图像进行对比，以及Lab颜色空间的转换，对复合绝缘子表面的水珠分布能进行精确的判定，降低了误判率与漏判率，提高了图像检测的抗干扰能力，能有效的提取出复合绝缘子表面的水珠信息。
Description
技术领域
本发明涉及输电线路工程运行和维护技术领域，特别是一种基于Lab颜色模式的复合绝缘子的图像检测方法及系统。
背景技术
复合绝缘子是输电线路工程中起到支撑导线和保证导线与杆塔之间电气隔离的作用，是输电线路安全运行的重要前提条件之一。复合绝缘子有优良的防污闪性能，不容易被击穿，且不会出现瓷绝缘子的零值、低值和玻璃绝缘子的伞群自爆等问题。从目前的运行情况来看，复合绝缘子的运行可靠性比瓷绝缘子和玻璃绝缘子好。但是，随着运行年限的增加，复合绝缘子在运行过程中暴露在户外，持续受到温度的变化、化学物质的腐蚀等因素影响，其绝缘性能随着运行时间增长而不断下降。
现有的复合绝缘子检测方法有接触式、非接触式，其中接触式检测法包括电压分布法、短路叉法、火花间隙法、光电式检测杆法、声脉冲检测法、泄露电流测量法，非接触式检测法包括超声波检测法、激光多普勒振动法、红外测温法、电晕摄像机法、声波检测及无线电波检测法。接触式检测法需要人工登塔操作，不适合现场检测。非接触式检测法中多数方法只对某一种或某几种的故障检测效果明显，但是对其他类型的故障难以检测，而且所需设备昂贵，检测效果不是很理想。
复合绝缘子的外绝缘材质是以硅橡胶为主，由于硅橡胶材料有憎水性，所以复合绝缘子有憎水性和憎水迁移性，具有优良的防污闪性能。然而，复合绝缘子的防污闪性能会随着其憎水性能的改变而改变，而憎水性受周围环境和运行年限的影响，因此要对不同运行状态的复合绝缘子进行憎水性检测。憎水性测量的方法主要：接触角法、喷水分级法、憎水性指示函数法。接触角法的测量精度最高，但只能在实验室进行，不适合现场检测。喷水分级法的操作快速、简单，也不适合现场检测。憎水性指示函数法是近几年的研究热点，利用数字图像处理技术来判断复合绝缘子憎水性，现场操作简单，后期处理复杂，目前还处于研究阶段。综上所述，现有的复合绝缘子憎水性检测方法大多只适合在实验室进行，不适合现场带电检测，复合绝缘子的憎水性检测缺乏合适的现场检测方法及装置。
公开号为CN 102519846A的专利文件公开了一种基于高光谱的复合绝缘子憎水性检测方法，首先用高光谱成像仪对喷水前原始的复合绝缘子成像，获取喷水前的影像，用飞行器喷水，迅速获取喷水后的影像，然后提取水珠、水迹的光谱特征，最后与标准分级比较确定原复合绝缘子的憎水性等级。该专利虽然采用的是高光谱成像仪获取水珠的光谱影像，但是由于复合绝缘子表面的水珠由于透明，没有颜色，利用这种图像检测方法会使水珠的边缘出现残缺，另外，部分区域反射自然光出现亮点，也会干扰对水珠形态的判别。
公开号为CN 103345637A的专利文件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。该专利采用测量水珠的形状和尺寸信息来获得复合绝缘子的憎水等级，但是由于水珠很小，测量容易出现误差，造成测量的不准确。
豆丁网2013年3月公开了一篇题为《基于图像分级的绝缘子憎水性分级》的论文，提出了利用摄像装置，电动喷水装置，采集卡和计算机完成复合绝缘子表面的水珠图像采集，通过图像的处理，提取出水珠的信息来对复合绝缘子的憎水性加以判断。在图像处理过程中，图像灰度化是先将RGB颜色模式转换为HSV颜色模式，再计算颜色的相似度。由于HSV颜色模式的明度并不与光强度直接相关联，在提取透明的水珠时，并不能完全将水珠的边缘识别出来，从而使复合绝缘子的憎水性等级判断准确性下降。此外，为增大喷水前后复合绝缘子表面的颜色差别，所喷的水中添加了着色剂，对于实际运行的复合绝缘子的性能可能产生不利的影响。
发明内容
为了解决上述的技术问题，本发明基于图像的Lab颜色信息，并通过前后两次图像采集进行对比，提高了复合绝缘子表面水珠检测时的精度，即使在背景复杂，阴影等干扰强烈的图像中，也能快速准确的检测出复合绝缘子表面的水珠信息。
本发明的第一方面提供了一种基于Lab颜色模式的复合绝缘子的图像检测方法，包括干燥的复合绝缘子表面图像采集和复合绝缘子表面的喷水处理，包括以下步骤：
步骤1：喷水后的复合绝缘子表面图像采集；
步骤2：对采集的所述图像的颜色模式进行调整；
步骤3：提取所述图像颜色空间的差异；
步骤4：构建水珠信息的灰度图；
步骤5：利用最大灰度熵分割出水珠区域。
优选的是，所述干燥的复合绝缘子表面图像采集的方法包括如下步骤：
步骤01：通过数字图像采集器对待检测的所述复合绝缘子表面正方向进行图像采集；
步骤02：得到干燥的待测复合绝缘子表面图像F1；
步骤03：同时记录所述复合绝缘子和所述数字图像采集器的空间位置与角度。
在上述任一方案中优选的是，所述复合绝缘子表面的喷水处理为对所述待测复合绝缘子的正表面进行喷水，在所述复合绝缘子的表面形成水珠的分布。
在上述任一方案中优选的是，所述喷水的方法与要求按照有关复合绝缘子憎水性检测中的喷水分级法进行。
在上述任一方案中优选的是，所述定位方法为：所述步骤1为调取步骤03中的所述复合绝缘子和数字图像采集器的空间位置与方位角。
在上述任一方案中优选的是，所述步骤01和所述步骤1之间的时间间隔小于第一时间阈值。
在上述任一方案中优选的是，所述图像采集器与所述符合绝缘子表面的所述空间位置与方位角在分别执行所述步骤01和所述步骤1时保持不变。
在上述任一方案中优选的是，所述步骤1还为把所述喷水后的复合绝缘子表面图像设置为F2。
在上述任一方案中优选的是，所述步骤2还为对所述采集的图像进行颜色模式调整，从RGB模式转换为Lab模式。
在上述任一方案中优选的是，所所述步骤2包括以下子步骤：
步骤21：提高图像的对比度；
步骤22：利用矩阵计算，得到新的三色值XYZ；
步骤23：得到对应的Lab值。
在上述任一方案中优选的是，所述步骤21为利用gamma函数对原始图像颜色的RGB值的大小进行调整，
1.在上述任一方案中优选的是，所述三色值XYZ的计算公式如下：
2.在上述任一方案中优选的是，所述步骤23的计算公式为L＝116f(Y)-16，，
其中，
在式中，得到的L值表示明度值，a值表示红绿色值和b值表示黄蓝色值。记F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵。
在上述任一方案中优选的是，所述步骤3为提取图像F3与图像F4在L值上的差异DL、a值上的差异Da和b值上的差异Db，进行进一步比较。
在上述任一方案中优选的是，所述进一步比较的计算公式如下：DL＝|F3L-F4L|，Da＝|F3a-F4a|，Db＝|F3b-F4b|。
在上述任一方案中优选的是，所述步骤4依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G。
在上述任一方案中优选的是，所述灰度图G的计算公式为
在上述任一方案中优选的是，所述步骤5包括以下子步骤：
步骤51：计算出所述灰度图G中的所有灰度值概率；
步骤52：利用最大灰度熵对所述灰度图G进行分割，得到水珠区域的二值图；
步骤53：采用图形学的方法，可以提取出水珠在图像中的信息。
在上述任一方案中优选的是，通过统计学的方法得到所述灰度图G中的所有灰度值概率。
在上述任一方案中优选的是，所述灰度熵的计算公式为
在上述任一方案中优选的是，所述步骤52为寻找到合适的灰度值g，使分割后的两部分图像的灰度熵距离最大。
3.本发明的第二方面提供了一种基于Lab颜色模式的复合绝缘子的图像检测系统，包括数字图像采集器和用于对复合绝缘子表面进行喷水处理的喷水模块，还包括以下模块：
模式调整模块：用于对采集的所述图像的颜色模式进行调整；
差异提取模块：用于提取所述图像颜色空间的差异；
灰度图生成模块：用于构建水珠信息的灰度图；
分割模块：用于利用最大灰度熵分割出水珠区域；
所述图像采集模块用于采集干燥的复合绝缘子表面图像和喷水后的复合绝缘子表面图像。
优选的是，所述采集干燥的复合绝缘子表面图像的方法包括如下步骤：
步骤01：通过所述数字图像采集器对待检测的所述复合绝缘子表面正方向进行图像采集；
步骤02：得到干燥的待测复合绝缘子表面图像F1；
步骤03：同时记录所述复合绝缘子和所述数字图像采集器的空间位置与方位角。
在上述任一方案中优选的是，所述喷水模块用于对所述待测复合绝缘子的正表面进行喷水，在所述复合绝缘子的表面形成水珠的分布。
4.在上述任一方案中优选的是，所述喷水的方法与要求按照有关复合绝缘子憎水性检测中的喷水分级法进行。
在上述任一方案中优选的是，所述数字图像采集器具有调取步骤03中的所述复合绝缘子和数字图像采集器的空间位置与方位角的功能。
在上述任一方案中优选的是，所述数字图像采集器在采集所述采集干燥的复合绝缘子表面图像和所述喷水后的复合绝缘子表面图像时的时间间隔小于第一时间阈值。
在上述任一方案中优选的是，所述数字图像采集器与所述符合绝缘子表面的所述空间位置与方位角在采集所述采集干燥的复合绝缘子表面图像和所述喷水后的复合绝缘子表面图像时保持不变。
在上述任一方案中优选的是，所述数字图像采集器还用于把所述喷水后的复合绝缘子表面图像设置为F2。
在上述任一方案中优选的是，所述模式调整模块还具有对所述采集的图像进行颜色模式调整，从RGB模式转换为Lab模式的功能。
在上述任一方案中优选的是，所述模式调整模块还包括以下子模块：
对比度子模块：用于提高图像的对比度；
三色值模块：用于利用矩阵计算，得到新的三色值XYZ；
Lab模块：用于得到对应的Lab值。
在上述任一方案中优选的是，所述对比度子模块用于利用gamma函数对原始图像颜色的RGB值的大小进行调整，
在上述任一方案中优选的是，三色值XYZ的计算公式如下：
5.在上述任一方案中优选的是，所述Lab值的计算公式为L＝116f(Y)-16，
其中，
在式中，得到的L值表示明度值，a值表示红绿色值和b值表示黄蓝色值。记F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵。
在上述任一方案中优选的是，所述差异提取模块用于提取图像F3与图像F4在L值上的差异DL、a值上的差异Da和b值上的差异Db，进行进一步比较。
在上述任一方案中优选的是，所述进一步比较的计算公式如下：DL＝|F3L-F4L|，Da＝|F3a-F4a|，Db＝|F3b-F4b|。
在上述任一方案中优选的是，所述灰度图生成模块用于依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G。
在上述任一方案中优选的是，所述灰度图G的计算公式为
在上述任一方案中优选的是，所述分割模块包括以下子模块：
概率计算子模块：用于计算出所述灰度图G中的所有灰度值概率；
二值图生成子模块：用于利用最大灰度熵对所述灰度图G进行分割，得到水珠区域的二值图；
信息提取子模块：用于采用图形学的方法，可以提取出水珠在图像中的信息。
在上述任一方案中优选的是，通过统计学的方法得到所述灰度图G中的所有灰度值概率。
在上述任一方案中优选的是，所述灰度熵的计算公式为
在上述任一方案中优选的是，所述二值图生成子模块用于寻找到合适的灰度值g，使分割后的两部分图像的灰度熵距离最大。
本发明避免了上下片复合绝缘子由于光照产生的阴影影响，也不会受到场景的局限，提高了检测的精度，同时也具有普遍的适用性。
附图说明
图1为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的一优选实施例的流程图。
图2为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测系统的一优选实施例的模块图。
图3为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的一优选实施例的喷水前示意图。
图4为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的如图3所示实施例的喷水后示意图。
图5为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的如图3所示实施例的喷水前图像模式调整图。
图6为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的如图3所示实施例的喷水后图像模式调整图。
图7为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的如图3所示实施例的水珠灰度图。
图8为按照本发明的基于Lab颜色模式的复合绝缘子的图像检测方法的复合绝缘子的如图3所示实施例的水珠区域二值图。
图9为按照本发明的基于Lab颜色模式的复合绝缘子的颜色模式调整方法的一优选实施例的流程图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1、图2所示，执行步骤100，采集干燥的复合绝缘子表面图像，具体方法为：把数据图像采集器210按照一定的角度安装在待测的复合绝缘子周围，并记录待测的复合绝缘子和数据图像采集器210的空间位置和角度，通过数据图像采集器210对待测的复合绝缘子表面正方向进行图像采集，得到干燥的绝缘子表面图像，记录为F1。
执行步骤110，使用喷水模块200对待测复合绝缘子的正表面进行喷水，在复合绝缘子的正表面形成水珠的分布。喷水的方法与要求按有关复合绝缘子憎水性检测中的喷水分级法进行。
执行步骤120，采集喷水后的复合绝缘子表面图像，具体方法为：按照步骤100中记录的复合绝缘子和数据图像采集器210的空间位置和角度，再次对喷水后的待测复合绝缘子表面正方向进行图像采集，得到喷水后的绝缘子表面图像，记录为F2。由于干燥的绝缘子表面图像F1和喷水后的绝缘子表面图像F2采集间隔的时间较短，又保持相对固定的位置与状态，图像F1与图像F2的差异主要体现在水珠的区域。
执行步骤130，使用模式调整模块220对采集到的干燥的绝缘子表面图像F1和喷水后的绝缘子表面图像F2分别进行颜色模式调整。把干燥的绝缘子表面图像F1从RGB模式转换为Lab模式，得到新的图像F3；把喷水后的绝缘子表面图像F2从RGB模式转换为Lab模式，得到新的图像F4。记录F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵。
执行步骤140，使用差异提取模块240提取图像颜色空间的差异。由于两幅采集图像中，水珠区域的差异较大，提取图像F3与图像F4在L值上的差异DL，a值上的差异Da，b值上的差异Db，以方便进一步的比较。根据S4中的计算结果可得：DL＝|F3L-F4L|，Da＝|F3a-F4a|，Db＝|F3b-F4b|。
执行步骤150，使用灰度图生成模块240构建水珠信息的灰度图。依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G。灰度图G的计算公式为：
执行步骤160，使用分割模块250利用最大灰度熵分割出水珠区域。计算出图G中的所有灰度值概率，利用最大灰度熵对图G进行分割，得到水珠区域的二值图。进一步采用图形学的方法，可以提取出水珠在图像中的信息。图G中的所有灰度值概率P可以通过统计学的方法得到。灰度熵可计算为
通过寻找到合适的灰度值g，使分割后的两部分图像的灰度熵距离最大。灰度值g即为最大灰度熵分割所需的阈值。利用阈值g，得到水珠区域分布的二值图。最后采用图形学的方法对二值图进行修整，实现了从采集的复合绝缘子表面图像中把水珠区域分割出来的目的。
在本实施例中，统计学的方法为：图G中的所有灰度值概率P可以通过对灰度值出现的次数进行计数后，除以全部灰度值出现次数的和计算得到。
在本实施例中，图像学的方法为：连续应用数学形态学的腐蚀运算和膨胀运算对二值图进行修整，改善二值图图像质量。
实施例二
把数据图像采集器按照一定的角度安装在待测的复合绝缘子周围，并记录待测的复合绝缘子和数据图像采集器的空间位置和角度，对喷水前的干燥的复合绝缘子正表面进行拍照，得到图像F1(如图3所示)。然后使用喷水设备按照之前的角度和方向对复合绝缘子正表面上均匀喷水，在复合绝缘子的正表面形成水珠的分布，并再次使用数据图像采集器对喷水后的复合绝缘子正表面进行拍照，得到图像F2(如图4所示)。把图像F1从RGB模式图像转换为Lab模式图像，得到图像F3(如图5所示)，把图像F2从RGB模式图像转换为Lab模式图像，得到图像F4(如图6所示)。记录F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵。提取图像F3与图像F4在L值上的差异DL，a值上的差异Da，b值上的差异Db，以方便进一步的比较。依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G(如图7所示)。计算出图G中的所有灰度值概率，利用最大灰度熵对图G进行分割，得到水珠区域的二值图(如图8所示)。得到二值图后，可对水珠的信息(如水珠的总面积、水珠的形状、最大水珠的面积等)进行提取，结合复合绝缘子憎水性等级的分级判断方法，对复合绝缘子憎水性进行判断。
实施例三
如图9所示，图像颜色模式调整的方法如下：
执行步骤300，提高图像的对比度，利用gamma函数
对原始图像颜色的RGB值的大小进行调整，提高图像的对比度。
执行步骤310，利用矩阵计算，得到新的三色值XYZ，计算公式如下：
执行步骤320，经过计算得到对应的Lab值，计算公式如下：L＝116f(Y)-16，
其中，
经过转换后，得到的L值表示明度值，a值表示红绿色值和b值表示黄蓝色值。记F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵。
实施例四
绝缘子憎水性检测是判断绝缘子性能优劣的主要手段，使用喷水设备对待测复合绝缘子的正表面进行喷水采用的方法和要求按照国标《绝缘子表面湿润性测量导则(GB/T24622-2009/IEC/TS 62073:2003)》中有关符合绝缘子憎水性检测中的喷水分级法进行。
测量范围最好约为50cm3-100cm3，长和宽之间的比值应不大于1:3。喷雾距离25cm±10cm，持续时间20s-30s，在此时间内典型喷水量10mL-30mL。在喷射结束后10s内应完成湿润性测量。
喷雾后绝缘子表面的状态对应于7个湿润性(憎水性)等级(WC)中的一个，即为1和7之间的一个值。表1中给出了不同的湿润性等级的准则，WC值为1的表面是最憎水的表面，而WC值为7的表面是最亲水的表面。
表1
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法、装置和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (17)
1.一种基于Lab颜色模式的复合绝缘子的图像检测方法，包括：干燥的复合绝缘子表面图像采集和复合绝缘子表面的喷水处理，其特征在于，包括以下步骤：
步骤01：通过数字图像采集器对待检测的所述复合绝缘子的正表面进行图像采集；
步骤02：得到干燥的待测复合绝缘子表面图像F1；
步骤03：同时记录所述复合绝缘子和所述数字图像采集器的空间位置与方位角；
对所述待测复合绝缘子的正表面进行喷水，在所述复合绝缘子的正表面形成水珠的分布；
步骤1：按照记录的复合绝缘子和所述数字图像采集器的空间位置和方位角，再次对喷水后的待测复合绝缘子的正表面进行图像采集，得到喷水后的复合绝缘子表面图像，记录为F2；将图像F1从RGB模式图像转换为Lab模式图像，得到图像F3；将图像F2从RGB模式图像转换为Lab模式图像，得到图像F4；
步骤2：对采集的干燥的待测复合绝缘子表面图像F1和喷水后的复合绝缘子表面图像F2分别进行颜色模式调整，提高图像的对比度，利用矩阵计算，得到新的三色值XYZ，以从RGB模式转换为Lab模式，其中利用gamma函数对原始图像颜色的RGB值的大小进行调整，
所述三色值XYZ的计算公式如下：
Lab值的计算公式为L＝116f(Y)-16，
在式中，得到的L值表示明度值，a值表示红绿色值和b值表示黄蓝色值，记F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵；
步骤3：提取干燥的待测复合绝缘子表面图像F1和喷水后的复合绝缘子表面图像F2的颜色空间的差异；
提取图像F3与图像F4在L值上的差异为DL、a值上的差异为Da和b值上的差异为Db；
计算公式如下：DL＝|F3L-F4L|，D2＝|F3a-F4a|，Db＝|F3b-F4b|；
步骤4：依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G，其中，
所述灰度图G的计算公式为
步骤5：利用最大灰度熵对所述灰度图G进行分割，得到水珠区域的二值图，利用图形学方法对二值图进行修整，得到水珠区域分布。
2.如权利要求1所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述喷水的方法与要求按照有关复合绝缘子憎水性检测中的喷水分级法进行。
3.如权利要求1所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述步骤01和所述步骤1之间的时间间隔小于第一时间阈值。
4.如权利要求1所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述图像采集器与所述复合绝缘子表面的所述空间位置与方位角在分别执行所述步骤01和所述步骤1时保持不变。
5.如权利要求1所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述步骤5包括以下子步骤：
步骤51：计算出所述灰度图G中的所有灰度值概率；
步骤52：利用最大灰度熵对所述灰度图G进行分割，得到水珠区域的二值图；
步骤53：采用图形学的方法，可以提取出水珠在图像中的信息。
6.如权利要求5所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：通过统计学的方法得到所述灰度图G中的所有灰度值概率。
7.如权利要求6所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述灰度熵的计算公式为
其中Pi为灰度值概率的大小。
8.如权利要求7所述的基于Lab颜色模式的复合绝缘子的图像检测方法，其特征在于：所述步骤52为寻找到合适的灰度值g，使分割后的两部分图像的灰度熵距离最大。
9.一种基于Lab颜色模式的复合绝缘子的图像检测系统，包括数字图像采集器和用于对复合绝缘子表面进行喷水处理的喷水模块，其特征在于，还包括以下模块：
步骤01：通过所述数字图像采集器对待检测的所述复合绝缘子的正表面进行图像采集；
步骤02：得到干燥的待测复合绝缘子表面图像F1；
步骤03：同时记录所述复合绝缘子和所述数字图像采集器的空间位置与方位角；
所述喷水模块用于对所述待测复合绝缘子的正表面进行喷水，在所述复合绝缘子的表面形成水珠的分布；
所述数字图像采集器用于按照记录的复合绝缘子和所述数字图像采集器的空间位置和方位角，再次对喷水后的待测复合绝缘子的正表面进行图像采集，得到喷水后的复合绝缘子表面图像F2；将图像F1从RGB模式图像转换为Lab模式图像，得到图像F3；将图像F2从RGB模式图像转换为Lab模式图像，得到图像F4；
模式调整模块：用于对采集的干燥的待测复合绝缘子表面图像F1和喷水后的复合绝缘子表面图像F2分别进行颜色模式调整，从RGB模式转换为Lab模式，所述模式调整模块包括以下子模块：
对比度子模块：用于提高图像的对比度；
三色值模块：用于利用矩阵计算，得到新的三色值XYZ：
Lab模块：用于得到对应的Lab值，
所述对比度子模块利用gamma函数对原始图像颜色的RGB值的大小进行调整，
所述三色值XYZ的计算公式如下：
Lab值的计算公式为L＝116f(Y)-16，
其中，
在式中，得到的L值表示明度值，a值表示红绿色值和b值表示黄蓝色值，记F3L为计算出的图像F3的L值矩阵，F3a为计算出的图像F3的a值矩阵，F3b为计算出的图像F3的b值矩阵，F4L为计算出的图像F4的L值矩阵，F4a为计算出的图像F4的a值矩阵，F4b为计算出的图像F4的b值矩阵；
差异提取模块：用于提取干燥的待测复合绝缘子表面图像F1和喷水后的复合绝缘子表面图像F2的颜色空间的差异；
提取图像F3与图像F4在L值上的差异为DL、a值上的差异为Da和b值上的差异为Db；
计算公式如下：DL＝|F3L-F4L|，D2＝|F3a-F4a|，Db＝|F3b-F4b|；
灰度图生成模块：用于依据水珠对图像的明亮以及颜色的影响，利用DL、Da和Db构建出含有水珠信息的灰度图G，其中，
所述灰度图G的计算公式为
分割模块：用于利用最大灰度熵对所述灰度图进行，得到水珠区域的二值图，利用图形学方法对二值图进行修整，得到水珠区域分布。
10.如权利要求9所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述喷水的方法与要求按照有关复合绝缘子憎水性检测中的喷水分级法进行。
11.如权利要求9所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述数字图像采集器具有调取步骤03中的所述复合绝缘子和数字图像采集器的空间位置与方位角的功能。
12.如权利要求9所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述数字图像采集器在采集所述采集干燥的复合绝缘子表面图像和所述喷水后的复合绝缘子表面图像时的时间间隔小于第一时间阈值。
13.如权利要求9所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述数字图像采集器与所述复合绝缘子表面的所述空间位置与方位角在采集所述采集干燥的复合绝缘子表面图像和所述喷水后的复合绝缘子表面图像时保持不变。
14.如权利要求9所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述分割模块包括以下子模块：
概率计算子模块：用于计算出所述灰度图G中的所有灰度值概率；
二值图生成子模块：用于利用最大灰度熵对所述灰度图G进行分割，得到水珠区域的二值图；
信息提取子模块：用于采用图形学的方法，可以提取出水珠在图像中的信息。
15.如权利要求14所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：通过统计学的方法得到所述灰度图G中的所有灰度值概率。
16.如权利要求15所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述灰度熵的计算公式为
其中Pi为灰度值概率的大小。
17.如权利要求16所述的基于Lab颜色模式的复合绝缘子的图像检测系统，其特征在于：所述二值图生成子模块用于寻找到合适的灰度值g，使分割后的两部分图像的灰度熵距离最大。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710592642.9A CN107464233B (zh) | 2017-07-19 | 2017-07-19 | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710592642.9A CN107464233B (zh) | 2017-07-19 | 2017-07-19 | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107464233A CN107464233A (zh) | 2017-12-12 |
| CN107464233B true CN107464233B (zh) | 2021-11-05 |
Family
ID=60546843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710592642.9A Active CN107464233B (zh) | 2017-07-19 | 2017-07-19 | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107464233B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109801283B (zh) * | 2019-01-25 | 2023-03-14 | 西安工程大学 | 一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法 |
| CN110874825B (zh) * | 2019-10-29 | 2023-05-30 | 南昌大学 | 一种复合绝缘子表面水迹二值图像提取方法 |
| CN112150500B (zh) * | 2020-09-17 | 2023-12-26 | 西安工程大学 | 一种基于联合分量灰度化的绝缘子分割提取方法 |
| CN113487541B (zh) * | 2021-06-15 | 2022-05-03 | 三峡大学 | 绝缘子检测方法及装置 |
| CN115170569B (zh) * | 2022-09-07 | 2022-12-02 | 新乡学院 | 一种基于图像的高熵材料涂层刀具的失效检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519846A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于高光谱的复合绝缘子憎水性检测方法 |
| CN103411980A (zh) * | 2013-07-23 | 2013-11-27 | 同济大学 | 基于可见光图像的外绝缘污秽状态识别方法 |
| CN105184790A (zh) * | 2015-08-31 | 2015-12-23 | 中国烟草总公司广东省公司 | 一种烟田图像分割方法 |
| CN106408025A (zh) * | 2016-09-20 | 2017-02-15 | 西安工程大学 | 基于图像处理的航拍图像绝缘子分类识别方法 |
| 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 |
-
2017
- 2017-07-19 CN CN201710592642.9A patent/CN107464233B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519846A (zh) * | 2011-12-15 | 2012-06-27 | 国网电力科学研究院 | 基于高光谱的复合绝缘子憎水性检测方法 |
| CN103411980A (zh) * | 2013-07-23 | 2013-11-27 | 同济大学 | 基于可见光图像的外绝缘污秽状态识别方法 |
| CN105184790A (zh) * | 2015-08-31 | 2015-12-23 | 中国烟草总公司广东省公司 | 一种烟田图像分割方法 |
| CN106408025A (zh) * | 2016-09-20 | 2017-02-15 | 西安工程大学 | 基于图像处理的航拍图像绝缘子分类识别方法 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| Insulator surface dirt image detection technoLogy based on improved watershed algorithm;Mei Xin等;《Asia-Pacific Power and Energy Engineering Conference,APPEEC》;20121231;第1-5页 * |
| 基于图像分级的绝缘子憎水性分级;甘霞;《万方数据库》;20100316;第1-58页 * |
| 基于表面喷水图像分析的绝缘子表面憎水性检测方法;彭克学等;《绝缘材料》;20050131(第1期);第47-51页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107464233A (zh) | 2017-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107464233B (zh) | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 | |
| CN105004972B (zh) | 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 | |
| Jin et al. | Condition evaluation of the contaminated insulators by visible light images assisted with infrared information | |
| CN111179334B (zh) | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 | |
| CN106780438B (zh) | 基于图像处理的绝缘子缺陷检测方法及系统 | |
| CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
| CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
| CN109191432B (zh) | 基于域变换滤波多尺度分解的遥感图像云检测方法 | |
| Zuo et al. | An insulator defect detection algorithm based on computer vision | |
| CN106408025B (zh) | 基于图像处理的航拍图像绝缘子分类识别方法 | |
| CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
| CN113034624B (zh) | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 | |
| CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
| CN102519846A (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
| CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
| CN114724042B (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
| CN112365475A (zh) | 一种基于图像处理方式的输电线路覆冰监测方法及系统 | |
| CN106558044B (zh) | 影像模组的解像力测量方法 | |
| CN113554667A (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
| CN108734704A (zh) | 基于灰度方差归一化的输电导线断股检测技术 | |
| Wang et al. | Study on edge extraction methods for image-based icing on-line monitoring on overhead transmission lines | |
| CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
| CN111047561A (zh) | 一种复合绝缘子伞裙龟裂纹的识别方法 | |
| CN111931785A (zh) | 一种电力设备红外图像目标的边缘检测方法 | |
| Iruansi et al. | An active contour approach to water droplets segmentation from insulators |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |