CN109405771A - 一种车顶绝缘子表面粗糙度非接触式分级检测方法 - Google Patents

一种车顶绝缘子表面粗糙度非接触式分级检测方法 Download PDF

Info

Publication number
CN109405771A
CN109405771A CN201811631273.0A CN201811631273A CN109405771A CN 109405771 A CN109405771 A CN 109405771A CN 201811631273 A CN201811631273 A CN 201811631273A CN 109405771 A CN109405771 A CN 109405771A
Authority
CN
China
Prior art keywords
top insulation
surface roughness
spectrum
data
subsample
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.)
Pending
Application number
CN201811631273.0A
Other languages
English (en)
Inventor
吴广宁
曾浩伦
张血琴
曹保江
郭裕钧
刘凯
康永强
张广全
邱彦
范超
高润明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201811631273.0A priority Critical patent/CN109405771A/zh
Publication of CN109405771A publication Critical patent/CN109405771A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种车顶绝缘子表面粗糙度非接触式分级检测方法，其包括以下步骤：S1、获取每个车顶绝缘子样品表面粗糙度数据；S2、获取样品的高光谱图像并进行预处理；S3、获取预处理后数据的特征波段数据；S4、将样品图像数据的特征波段数据作为训练数据，采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型；S5、获取待测车顶绝缘子的特征波段数据，采用车顶绝缘子表面粗糙度等级判别模型对待测车顶绝缘子的特征波段数据进行判别，完成车顶绝缘子表面粗糙度检测。本方法能够在非接触的情况下对车顶绝缘子的表面粗糙度进行分级检测，改善现有车顶绝缘子表面粗糙度检测方法需要进行拆卸并在实验室情况下进行检测的缺陷，提高检测效率。

Description

一种车顶绝缘子表面粗糙度非接触式分级检测方法
技术领域
本发明涉及车顶绝缘子粗糙度检测领域，具体涉及一种车顶绝缘子表面粗糙度非接触式分级检测方法。
背景技术
在列车高速运行过程中，硅橡胶绝缘子表面可能与具有一定硬度的沙尘等污秽颗粒碰撞，经过长时间磨蚀，绝缘子表面粗糙度会大大增加。绝缘子表面粗糙度的变化会直接影响绝缘子的憎水性、积污特性及闪络特性，使得绝缘子的绝缘性能改变及劣化，造成列车行车过程中的安全隐患。
目前国内外对于高速铁路绝缘子表面粗糙度的测试研究多是在实验室采用激光检测方法及光波干涉法等方法或者在现场采用针触式的检测方法进行测试，这些测试方法虽然能够准确判断绝缘子表面状态，但是在实验室进行测试必须对绝缘子进行拆卸，而在现场的接触式检测方法必须进行停电检测，使得车顶绝缘子的检测效率低。
发明内容
针对现有技术中的上述不足，本发明提供的一种车顶绝缘子表面粗糙度非接触式分级检测方法解决了现有车顶绝缘子检测效率低的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种车顶绝缘子表面粗糙度非接触式分级检测方法，其包括以下步骤：
S1、获取每个车顶绝缘子样品表面粗糙度，确定车顶绝缘子表面粗糙度等级数，获取每个表面粗糙度等级的取值区间；
S2、获取已知粗糙度的车顶绝缘子样品的高光谱图像，并对获取的高光谱图像进行预处理，得到样品图像数据；
S3、采用连续投影方法对样品图像数据进行波段选择，获取样品图像数据的特征波段数据；
S4、将样品图像数据的特征波段数据作为训练数据，根据每个表面粗糙度等级的取值区间，采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型；
S5、采用与步骤S2和步骤S3相同的方法获取待测车顶绝缘子的特征波段数据，采用车顶绝缘子表面粗糙度等级判别模型对待测车顶绝缘子的特征波段数据进行判别，完成车顶绝缘子表面粗糙度检测。
进一步地，步骤S2的具体方法包括以下子步骤：
S2-1、采用高光谱成像仪获取已知粗糙度的车顶绝缘子样品的高光谱图像R0；
S2-2、根据公式
对高光谱图像R0进行黑白校正，得到校正后的光谱图像R；其中D为标准黑板的反射图像；W为标准白板的反射图像；
S2-3、获取每个已知粗糙度的车顶绝缘子样品校正后光谱图像对应的光谱矢量，并将不同已知粗糙度的车顶绝缘子样品对应的光谱矢量列入光谱矢量矩阵A，其中光谱矢量矩阵A为n×p维定标光谱数据矩阵，n为样本数，p为光谱采集所用的全谱波长个数；
S2-4、根据公式
获取所有车顶绝缘子样品的平均光谱矢量其中Ai为第i个车顶绝缘子样品对应的光谱矢量；i＝1,2,…,n；Ai∈A；
S2-5、根据公式
对第i个车顶绝缘子样品的光谱矢量Ai与平均光谱矢量进行一元线性回归运算，获取第i个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量mi和倾斜偏移系数bi，即得到每个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量和倾斜偏移系数；
S2-6、根据公式
对第i个车顶绝缘子样品对应的光谱矢量Ai进行多元散射校正，得到第i个车顶绝缘子样品校正后的光谱矢量Ai(MSC)，即得到每个车顶绝缘子样品校正后的光谱矢量，将每个车顶绝缘子样品校正后的光谱矢量作为其样品图像数据，完成预处理。
进一步地，步骤S4中采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型的具体方法包括：
采用径向基核函数对支持向量机进行建模，得到车顶绝缘子表面粗糙度等级判别模型，其中径向基核函数K(xb,xc)为：
K(xb,xc)＝exp(-||xb-xc||2/2σ2)
径向基核函数对应的判别函数f(x)为：
其中xc为第c个核函数中心；σ为函数的宽度参数；exp(·)为以自然常数e为底的指数函数；xb为第b个训练数据，yb为xb对应的粗糙度等级标签；sign(·)为sign函数；αb为拉格朗日系数，d为偏差值；h为训练数据总数。
进一步地，粗糙度等级共分为7个，其取值区间分别为0.5μm～1μm、1.01μm～1.5μm、1.51μm～2μm、2.01μm～2.5μm、2.51μm～3μm、3.01μm～3.5μm和3.51μm～4μm。
本发明的有益效果为：本方法能够在非接触的情况下对车顶绝缘子的表面粗糙度进行分级检测，可直接运用在高速铁路日常维护中，保障高速列车的安全稳定运行，改善现有车顶绝缘子表面粗糙度检测方法需要进行拆卸并在实验室情况下进行检测的缺陷，提高检测效率。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该车顶绝缘子表面粗糙度非接触式分级检测方法包括以下步骤：
S1、获取每个车顶绝缘子样品表面粗糙度，确定车顶绝缘子表面粗糙度等级数，获取每个表面粗糙度等级的取值区间；
S2、获取已知粗糙度的车顶绝缘子样品的高光谱图像，并对获取的高光谱图像进行预处理，得到样品图像数据；
S3、采用连续投影方法对样品图像数据进行波段选择，获取样品图像数据的特征波段数据；
S4、将样品图像数据的特征波段数据作为训练数据，根据每个表面粗糙度等级的取值区间，采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型；
S5、采用与步骤S2和步骤S3相同的方法获取待测车顶绝缘子的特征波段数据，采用车顶绝缘子表面粗糙度等级判别模型对待测车顶绝缘子的特征波段数据进行判别，完成车顶绝缘子表面粗糙度检测。
步骤S2的具体方法包括以下子步骤：
S2-1、采用高光谱成像仪获取已知粗糙度的车顶绝缘子样品的高光谱图像R0；
S2-2、根据公式
对高光谱图像R0进行黑白校正，得到校正后的光谱图像R；其中D为标准黑板的反射图像；W为标准白板的反射图像；
S2-3、获取每个已知粗糙度的车顶绝缘子样品校正后光谱图像对应的光谱矢量，并将不同已知粗糙度的车顶绝缘子样品对应的光谱矢量列入光谱矢量矩阵A，其中光谱矢量矩阵A为n×p维定标光谱数据矩阵，n为样本数，p为光谱采集所用的全谱波长个数；
S2-4、根据公式
获取所有车顶绝缘子样品的平均光谱矢量其中Ai为第i个车顶绝缘子样品对应的光谱矢量；i＝1,2,…,n；Ai∈A；
S2-5、根据公式
对第i个车顶绝缘子样品的光谱矢量Ai与平均光谱矢量进行一元线性回归运算，获取第i个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量mi和倾斜偏移系数bi，即得到每个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量和倾斜偏移系数；
S2-6、根据公式
对第i个车顶绝缘子样品对应的光谱矢量Ai进行多元散射校正，得到第i个车顶绝缘子样品校正后的光谱矢量Ai(MSC)，即得到每个车顶绝缘子样品校正后的光谱矢量，将每个车顶绝缘子样品校正后的光谱矢量作为其样品图像数据，完成预处理。
步骤S4中采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型的具体方法包括：
采用径向基核函数对支持向量机进行建模，得到车顶绝缘子表面粗糙度等级判别模型，其中径向基核函数K(xb,xc)为：
K(xb,xc)＝exp(-||xb-xc||2/2σ2)
径向基核函数对应的判别函数f(x)为：
其中xc为第c个核函数中心；σ为函数的宽度参数；exp(·)为以自然常数e为底的指数函数；xb为第b个训练数据，yb为xb对应的粗糙度等级标签；sign(·)为sign函数；αb为拉格朗日系数，d为偏差值；h为训练数据总数。
在具体实施过程中，粗糙度等级共分为7个，其取值区间分别为0.5μm～1μm、1.01μm～1.5μm、1.51μm～2μm、2.01μm～2.5μm、2.51μm～3μm、3.01μm～3.5μm和3.51μm～4μm。
本方法能够在非接触的情况下对车顶绝缘子的表面粗糙度进行分级检测，可直接运用在高速铁路日常维护中，保障高速列车的安全稳定运行，改善现有车顶绝缘子表面粗糙度检测方法需要进行拆卸并在实验室情况下进行检测的缺陷，提高检测效率。

Claims (4)

1.一种车顶绝缘子表面粗糙度非接触式分级检测方法，其特征在于，包括以下步骤：
S1、获取每个车顶绝缘子样品表面粗糙度，确定车顶绝缘子表面粗糙度等级数，获取每个表面粗糙度等级的取值区间；
S2、获取已知粗糙度的车顶绝缘子样品的高光谱图像，并对获取的高光谱图像进行预处理，得到样品图像数据；
S3、采用连续投影方法对样品图像数据进行波段选择，获取样品图像数据的特征波段数据；
S4、将样品图像数据的特征波段数据作为训练数据，根据每个表面粗糙度等级的取值区间，采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型；
S5、采用与步骤S2和步骤S3相同的方法获取待测车顶绝缘子的特征波段数据，采用车顶绝缘子表面粗糙度等级判别模型对待测车顶绝缘子的特征波段数据进行判别，完成车顶绝缘子表面粗糙度检测。
2.根据权利要求1所述的车顶绝缘子表面粗糙度非接触式分级检测方法，其特征在于，所述步骤S2的具体方法包括以下子步骤：
S2-1、采用高光谱成像仪获取已知粗糙度的车顶绝缘子样品的高光谱图像R0；
S2-2、根据公式
对高光谱图像R0进行黑白校正，得到校正后的光谱图像R；其中D为标准黑板的反射图像；W为标准白板的反射图像；
S2-3、获取每个已知粗糙度的车顶绝缘子样品校正后光谱图像对应的光谱矢量，并将不同已知粗糙度的车顶绝缘子样品对应的光谱矢量列入光谱矢量矩阵A，其中光谱矢量矩阵A为n×p维定标光谱数据矩阵，n为样本数，p为光谱采集所用的全谱波长个数；
S2-4、根据公式
获取所有车顶绝缘子样品的平均光谱矢量其中Ai为第i个车顶绝缘子样品对应的光谱矢量；i＝1,2,…,n；Ai∈A；
S2-5、根据公式
对第i个车顶绝缘子样品的光谱矢量Ai与平均光谱矢量进行一元线性回归运算，获取第i个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量mi和倾斜偏移系数bi，即得到每个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量和倾斜偏移系数；
S2-6、根据公式
对第i个车顶绝缘子样品对应的光谱矢量Ai进行多元散射校正，得到第i个车顶绝缘子样品校正后的光谱矢量Ai(MSC)，即得到每个车顶绝缘子样品校正后的光谱矢量，将每个车顶绝缘子样品校正后的光谱矢量作为其样品图像数据，完成预处理。
3.根据权利要求2所述的车顶绝缘子表面粗糙度非接触式分级检测方法，其特征在于，所述步骤S4中采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型的具体方法包括：
采用径向基核函数对支持向量机进行建模，得到车顶绝缘子表面粗糙度等级判别模型，其中径向基核函数K(xb,xc)为：
K(xb,xc)＝exp(-||xb-xc||2/2σ2)
径向基核函数对应的判别函数f(x)为：
其中xc为第c个核函数中心；σ为函数的宽度参数；exp(·)为以自然常数e为底的指数函数；xb为第b个训练数据，yb为xb对应的粗糙度等级标签；sign(·)为sign函数；αb为拉格朗日系数，d为偏差值；h为训练数据总数。
4.根据权利要求1-3任一所述的车顶绝缘子表面粗糙度非接触式分级检测方法，其特征在于，所述粗糙度等级共分为7个，其取值区间分别为0.5μm～1μm、1.01μm～1.5μm、1.51μm～2μm、2.01μm～2.5μm、2.51μm～3μm、3.01μm～3.5μm和3.51μm～4μm。
CN201811631273.0A 2018-12-29 2018-12-29 一种车顶绝缘子表面粗糙度非接触式分级检测方法 Pending CN109405771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811631273.0A CN109405771A (zh) 2018-12-29 2018-12-29 一种车顶绝缘子表面粗糙度非接触式分级检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811631273.0A CN109405771A (zh) 2018-12-29 2018-12-29 一种车顶绝缘子表面粗糙度非接触式分级检测方法

Publications (1)

Publication Number Publication Date
CN109405771A true CN109405771A (zh) 2019-03-01

Family

ID=65462464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811631273.0A Pending CN109405771A (zh) 2018-12-29 2018-12-29 一种车顶绝缘子表面粗糙度非接触式分级检测方法

Country Status (1)

Country Link
CN (1) CN109405771A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109799440A (zh) * 2019-03-29 2019-05-24 云南电网有限责任公司电力科学研究院 基于高光谱技术的绝缘子污层电导检测方法
CN109799442A (zh) * 2019-03-29 2019-05-24 云南电网有限责任公司电力科学研究院 基于机载高光谱的绝缘子污闪预测方法及系统
CN110376214A (zh) * 2019-08-13 2019-10-25 西南交通大学 基于高光谱技术的绝缘子污秽度非接触检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5797402A (en) * 1980-12-09 1982-06-17 Fuji Electric Co Ltd Fault detector for sheet-like body
JPH03257308A (ja) * 1990-03-07 1991-11-15 Mitsubishi Electric Corp 外観検査装置
JPH03259706A (ja) * 1990-03-09 1991-11-19 Mitsubishi Electric Corp 外観検査装置
CN102520286A (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运行状态分类方法
CN102565577A (zh) * 2011-12-15 2012-07-11 国网电力科学研究院 复合绝缘子高光谱检测方法
CN103278113A (zh) * 2013-02-27 2013-09-04 中国林业科学研究院木材工业研究所 一种非接触式快速测定木材表面粗糙度的方法
CN108072667A (zh) * 2017-09-28 2018-05-25 江苏省电力试验研究院有限公司 基于高光谱的绝缘子污秽等级检测方法及系统
CN108180871A (zh) * 2017-12-18 2018-06-19 国网江西省电力有限公司电力科学研究院 一种定量评价复合绝缘子表面粉化粗糙度的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5797402A (en) * 1980-12-09 1982-06-17 Fuji Electric Co Ltd Fault detector for sheet-like body
JPH03257308A (ja) * 1990-03-07 1991-11-15 Mitsubishi Electric Corp 外観検査装置
JPH03259706A (ja) * 1990-03-09 1991-11-19 Mitsubishi Electric Corp 外観検査装置
CN102520286A (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运行状态分类方法
CN102565577A (zh) * 2011-12-15 2012-07-11 国网电力科学研究院 复合绝缘子高光谱检测方法
CN103278113A (zh) * 2013-02-27 2013-09-04 中国林业科学研究院木材工业研究所 一种非接触式快速测定木材表面粗糙度的方法
CN108072667A (zh) * 2017-09-28 2018-05-25 江苏省电力试验研究院有限公司 基于高光谱的绝缘子污秽等级检测方法及系统
CN108180871A (zh) * 2017-12-18 2018-06-19 国网江西省电力有限公司电力科学研究院 一种定量评价复合绝缘子表面粉化粗糙度的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
向文祥等: "复合绝缘子粉化状态非接触检测技术研究", 《中国电业(技术版)》 *
贺文俊等: "基于双目立体视觉的高压绝缘子在线检测系统", 《应用光学》 *
龚健雅等: "《对地观测数据处理与分析研究进展》", 30 December 2007, 武汉大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109799440A (zh) * 2019-03-29 2019-05-24 云南电网有限责任公司电力科学研究院 基于高光谱技术的绝缘子污层电导检测方法
CN109799442A (zh) * 2019-03-29 2019-05-24 云南电网有限责任公司电力科学研究院 基于机载高光谱的绝缘子污闪预测方法及系统
CN109799442B (zh) * 2019-03-29 2021-11-19 云南电网有限责任公司电力科学研究院 基于机载高光谱的绝缘子污闪预测方法及系统
CN110376214A (zh) * 2019-08-13 2019-10-25 西南交通大学 基于高光谱技术的绝缘子污秽度非接触检测方法

Similar Documents

Publication Publication Date Title
CN109405771A (zh) 一种车顶绝缘子表面粗糙度非接触式分级检测方法
CN109804119B (zh) 基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN103679741B (zh) 一种基于三维线特征的激光点云数据自动配准方法
CN103345755A (zh) 一种基于Harris算子的棋盘格角点亚像素提取方法
CN101655357B (zh) 一种用于二维相位展开的相位梯度相关质量图获取方法
CN103837087B (zh) 基于主动形状模型的受电弓自动检测方法
CN109186759A (zh) 一种光栅光谱仪像质测量方法和装置
CN108564621A (zh) 用于车辙检测的结构光光条中心提取方法及装置
CN108827915B (zh) 一种基于光电传感阵列测量折射率的亚像素位置获取方法
CN106022250A (zh) 一种基于细胞运动信息和灰度特性的胚胎分裂检测方法
CN103903326A (zh) 多光谱伪钞检测系统及其检测方法
CN114332534A (zh) 一种高光谱图像小样本分类方法
Cao et al. Balanced multi-scale target score network for ceramic tile surface defect detection
WO2015085817A1 (zh) 一种多光谱券类质量检测方法和系统
JP2004279296A (ja) 膜厚取得方法
CN110321528A (zh) 一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法
CN104897580A (zh) 一种非直观成像检测大气成分的光学系统和方法
CN105787925B (zh) 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统
CN106094292A (zh) 一种液晶盒的检测装置、检测方法及显示面板的制备方法
CN106204531A (zh) 一种同步检测彩色图像中噪点与边缘点的方法
CN109410210A (zh) 基于机器视觉的商品条码印制质量检测方法
CN106097364A (zh) 一种基于图像处理的氧化锆光纤套管通道质量检测方法
CN109540811A (zh) 一种通过光谱变换提高黑土养分含量预测精度的方法
CN113327243B (zh) 基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法
CN109064496A (zh) 一种遥感图像对象层次的变化检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication