CN109632655A - 一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 - Google Patents
一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 Download PDFInfo
- Publication number
- CN109632655A CN109632655A CN201910075030.1A CN201910075030A CN109632655A CN 109632655 A CN109632655 A CN 109632655A CN 201910075030 A CN201910075030 A CN 201910075030A CN 109632655 A CN109632655 A CN 109632655A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- pollution
- gradation
- insulators
- image
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Insulators (AREA)
Abstract
本发明公开了一种基于图谱特征的绝缘子表面污秽等级可视化检测方法。本发明获取检测绝缘子的高光谱图像、提取不同污秽等级绝缘子高光谱图像建立污秽等级识别模型;并利用该模型进行识别,检测污秽等级,并对所得高光谱图像进行处理得到污秽在伞裙表面的分布位置和范围,最终实现伞裙表面污秽分布的可视化非接触检测,操作便捷,绝缘子的伞群污秽等级较高时,在一定湿度条件下闪络电压将低,适用于现场带电检测,为有目标和针对性的清扫绝缘子提供基础,满足我国输电线路绝缘子检测的需求。
Description
技术领域
本发明涉及输变电设备运行状态检修领域,尤其是一种基于图谱特征的绝缘子表面污秽等级可视化检测方法。
背景技术
绝缘子污秽闪络是威胁输变电安全的重要因素。在一定湿度条件下,绝缘子上表面污秽吸潮形成水膜后其闪络电压大大下降。因此电力系统相关人员需要及时了解绝缘子表面污秽等级,以便于制定具有针对性的清扫方案,保障供电安全的同时节省人力物力。
目前,绝缘子污秽等级检测主要通过定期抽检绝缘子表面污秽的盐密和灰密,此方法需要在实验室条件下进行清洗、烘干称量等操作,该方法操作繁琐、检测过程耗时较长且局限于整体测量,且无法反应污秽在绝缘子表面的不均匀分布。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于图谱特征的绝缘子表面污秽等级可视化检测方法解决了在线检测输电线路中的绝缘子的表面污秽等级及其分布情况不易测量的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于图谱特征的绝缘子表面污秽等级可视化检测方法,包括以下步骤:
S1、获取绝缘子的高光谱图像并进行预处理;
S2、根据预处理后的绝缘子高光谱图像建立污秽等级识别模型;
S3、在未知污秽等级的绝缘子高光谱图像上提取伞裙区域像素点的高光谱谱线,通过污秽等级识别模型对高光谱谱线进行识别,判定每个像素点的污秽等级;
S4、对积污绝缘子图像进行图像增强处理,获得伞裙表面污秽的位置和分布范围;
S5、将伞裙表面像素点的污秽等级与污秽位置和分布范围对应,获得污秽在伞裙表面的可视化分布图像。
进一步地:所述步骤S1中预处理包括黑白矫正、多元散射矫正和平滑/变换处理。
进一步地:所述黑白矫正的具体公式为:
上式中,R为矫正后的反射光谱图像,R0为样本原始的反射光谱图像,D为标准黑板的反射图像,W为标准白板的反射图像。
进一步地:所述多元散射矫正的具体步骤为:
A、计算所有样品的平均光谱,计算公式为:
上式中,Ai,j为i×j维光谱数据矩阵,i=1,2,…n,j=1,2,…p,n为样品数,p为光谱采集所用的波长点数,为i×j维光谱数据矩阵的平均光谱;
B、将样品光谱与平均光谱进行一元线性回归,线性回归方程为:
上式中,Ai为样品i的光谱,mi和bi分别为各样品光谱Ai与平均光谱进行一元线性回归后得到的相对偏移系数和平移量;
C、计算多元散射矫正后的光谱,计算公式为:
上式中,Ai(MSC)为多元散射矫正后的光谱。
进一步地:所述平滑/变换处理包括小波去燥、Savitzky-Golay平滑、微分变换和对数变换。
进一步地:所述步骤S2中污秽等级识别模型的建立方法为:获取已知污秽等级的绝缘子高光谱图像,提取高光谱图像污秽区域的高光谱谱线,并通过高光谱谱线和模型建立算法建立污秽等级识别模型。
进一步地:所述模型建立算法包括支持向量机算法和神经网络算法。
进一步地:所述步骤S4中图像增强处理包括图像锐化、灰度级矫正和灰度变换。
本发明的有益效果为:本发明获取检测绝缘子的高光谱图像、提取不同污秽等级绝缘子高光谱图像建立污秽等级识别模型;并利用该模型进行识别,检测污秽等级,并对所得高光谱图像进行处理得到污秽在伞裙表面的分布位置和范围,最终实现伞裙表面污秽分布的可视化非接触检测,操作便捷,绝缘子的伞群污秽等级较高时,在一定湿度条件下闪络电压将低,适用于现场带电检测,为有目标和针对性的清扫绝缘子提供基础,满足我国输电线路绝缘子检测的需求。
附图说明
图1为本发明流程图;
图2为本发明得到的可视化分布图像。
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。
本发明的实施例1:本发明提供一种基于图谱特征的绝缘子表面污秽等级可视化检测方法,基于高光谱仪的高光谱成像是在纳米级的光谱分辨率上,可以在紫外到近红外(200~2252nm)光谱覆盖范围内,以几十至数百个波长同时对物体连续成像,同步获得物体的空间信息、光谱信息、光强度信号。目前,基于高光谱遥感的目标检测与分类技术在文物损坏检测、地物分类、环境监测以及外绝缘老化分析等领域已经得到广泛的应用。高光谱遥感是利用采集目标物多波段的光谱信号,利用高光谱立方体图像中的光谱信息,结合光谱解析和数学建模方法,可以评估被检测样品各部位的状态。
本发明的工作原理是:不同污秽等级的光谱特性不同,绝缘子在高光谱影像上反映的光谱信息不同,因此,可以根据光谱信息的差异来衡量不同的污秽等级。先选取训练数据,用分类算法建立识别模型,并选取测试数据优化识别模型。
如图1所示,一种基于图谱特征的绝缘子表面污秽等级可视化检测方法,包括以下步骤:
S1、获取绝缘子的高光谱图像并进行预处理;
预处理包括黑白矫正、多元散射矫正和平滑/变换处理。
黑白矫正的具体公式为:
上式中,R为矫正后的反射光谱图像,R0为样本原始的反射光谱图像,D为标准黑板的反射图像,W为标准白板的反射图像。
多元散射矫正的具体步骤为:
A、计算所有样品的平均光谱,计算公式为:
上式中,Ai,j为i×j维光谱数据矩阵,i=1,2,…n,j=1,2,…p,n为样品数,p为光谱采集所用的波长点数,为i×j维光谱数据矩阵的平均光谱;
B、将样品光谱与平均光谱进行一元线性回归,线性回归方程为:
上式中,Ai为样品i的光谱,mi和bi分别为各样品光谱Ai与平均光谱进行一元线性回归后得到的相对偏移系数和平移量;
C、计算多元散射矫正后的光谱,计算公式为:
上式中,Ai(MSC)为多元散射矫正后的光谱。
平滑/变换处理包括小波去燥、Savitzky-Golay平滑、微分变换和对数变换。
S2、根据预处理后的绝缘子高光谱图像建立污秽等级识别模型;
污秽等级识别模型的建立方法为:获取已知污秽等级的绝缘子高光谱图像,提取高光谱图像污秽区域的高光谱谱线,并通过高光谱谱线和反向传播神经网络算法建立污秽等级识别模型。
所选择的污秽区域代表不同污秽等级的绝缘子,其样本数量足以保证由此计算的污秽等级识别模型参数符合统计规律。样本包括了洁净、轻度、中度和重度积污的绝缘子光谱图。
污秽等级是按照《Q/GDW 152—2006电力系统污区分级与外绝缘选择标准》划分的。
S3、在未知污秽等级的绝缘子高光谱图像上提取伞裙区域像素点的高光谱谱线,通过污秽等级识别模型对高光谱谱线进行识别,判定每个像素点的污秽等级;
S4、对积污绝缘子图像进行图像增强处理,获得伞裙表面污秽的位置和分布范围;
图像增强处理包括图像锐化、灰度级矫正和灰度变换。
S5、将伞裙表面像素点的污秽等级与污秽位置和分布范围对应,获得污秽在伞裙表面的可视化分布图像,该可视化分布图像如图2所示。
实施例2:本实施例与实施例1的内容基本相同,不同之处在于,本实施例中步骤S2采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)算法建立污秽等级识别模型。
Claims (8)
1.一种基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,包括以下步骤:
S1、获取绝缘子的高光谱图像并进行预处理;
S2、根据预处理后的绝缘子高光谱图像建立污秽等级识别模型;
S3、在未知污秽等级的绝缘子高光谱图像上提取伞裙区域像素点的高光谱谱线,通过污秽等级识别模型对高光谱谱线进行识别,判定每个像素点的污秽等级;
S4、对积污绝缘子图像进行图像增强处理,获得伞裙表面污秽的位置和分布范围;
S5、将伞裙表面像素点的污秽等级与污秽位置和分布范围对应,获得污秽在伞裙表面的可视化分布图像。
2.根据权利要求1所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述步骤S1中预处理包括黑白矫正、多元散射矫正和平滑/变换处理。
3.根据权利要求2所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述黑白矫正的具体公式为:
上式中,R为矫正后的反射光谱图像,R0为样本原始的反射光谱图像,D为标准黑板的反射图像,W为标准白板的反射图像。
4.根据权利要求2所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述多元散射矫正的具体步骤为:
A、计算所有样品的平均光谱,计算公式为:
上式中,Ai,j为i×j维光谱数据矩阵,i=1,2,…n,j=1,2,…p,n为样品数,p为光谱采集所用的波长点数,为i×j维光谱数据矩阵的平均光谱;
B、将样品光谱与平均光谱进行一元线性回归,线性回归方程为:
上式中,Ai为样品i的光谱,mi和bi分别为各样品光谱Ai与平均光谱进行一元线性回归后得到的相对偏移系数和平移量;
C、计算多元散射矫正后的光谱,计算公式为:
上式中,Ai(MSC)为多元散射矫正后的光谱。
5.根据权利要求2所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述平滑/变换处理包括小波去燥、Savitzky-Golay平滑、微分变换和对数变换。
6.根据权利要求1所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述步骤S2中污秽等级识别模型的建立方法为:获取已知污秽等级的绝缘子高光谱图像,提取高光谱图像污秽区域的高光谱谱线,并通过高光谱谱线和模型建立算法建立污秽等级识别模型。
7.根据权利要求6所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述模型建立算法包括支持向量机算法和神经网络算法。
8.根据权利要求1所述的基于图谱特征的绝缘子表面污秽等级可视化检测方法,其特征在于,所述步骤S4中图像增强处理包括图像锐化、灰度级矫正和灰度变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910075030.1A CN109632655A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910075030.1A CN109632655A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109632655A true CN109632655A (zh) | 2019-04-16 |
Family
ID=66063800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910075030.1A Pending CN109632655A (zh) | 2019-01-25 | 2019-01-25 | 一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109632655A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799244A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种直流系统绝缘子表面污秽状态检测方法及检测系统 |
CN110261405A (zh) * | 2019-07-31 | 2019-09-20 | 西南交通大学 | 基于显微高光谱技术的绝缘子污秽成分识别方法 |
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 |
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 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表面污秽分布特性检测方法 |
CN110658208A (zh) * | 2019-11-11 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 基于高光谱的变电站绝缘子积污在线监测系统 |
CN113125499A (zh) * | 2021-04-20 | 2021-07-16 | 西南交通大学 | 一种高压套管表面污秽监测系统及其监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100187402A1 (en) * | 2008-07-29 | 2010-07-29 | Universtiy Of Washington | Method of performing hyperspectral imaging with photonic integrated circuits |
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 |
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 |
-
2019
- 2019-01-25 CN CN201910075030.1A patent/CN109632655A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100187402A1 (en) * | 2008-07-29 | 2010-07-29 | Universtiy Of Washington | Method of performing hyperspectral imaging with photonic integrated circuits |
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 |
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 |
Non-Patent Citations (3)
Title |
---|
向文祥等: "复合绝缘子粉化状态非接触检测技术研究", 《电网技术》 * |
李光耀: "基于高光谱技术的绝缘子污秽状态图谱分析及其识别", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
邵瑰玮等: "基于图谱特征的复合绝缘子老化神经网络评估方法", 《高电压技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799244A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种直流系统绝缘子表面污秽状态检测方法及检测系统 |
CN110261405A (zh) * | 2019-07-31 | 2019-09-20 | 西南交通大学 | 基于显微高光谱技术的绝缘子污秽成分识别方法 |
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 |
CN110376214B (zh) * | 2019-08-13 | 2021-08-10 | 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 |
CN110632092A (zh) * | 2019-10-25 | 2019-12-31 | 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表面污秽分布特性检测方法 |
CN110632092B (zh) * | 2019-10-25 | 2022-05-20 | 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表面污秽分布特性检测方法 |
CN110658208A (zh) * | 2019-11-11 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 基于高光谱的变电站绝缘子积污在线监测系统 |
CN113125499A (zh) * | 2021-04-20 | 2021-07-16 | 西南交通大学 | 一种高压套管表面污秽监测系统及其监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632655A (zh) | 一种基于图谱特征的绝缘子表面污秽等级可视化检测方法 | |
CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
Huang et al. | Automatic inspection of pavement cracking distress | |
CN108072667A (zh) | 基于高光谱的绝缘子污秽等级检测方法及系统 | |
CN111242123B (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN102171554B (zh) | 用于分析基底的表面的装置 | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN110865040A (zh) | 天空地一体化高光谱水质监测分析方法 | |
Valença et al. | Damage assessment on concrete surfaces using multi-spectral image analysis | |
CN104833679A (zh) | 一种微观缺陷三维尺度逆向标定及检测方法 | |
CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
Kukkonen et al. | Color features for quality control in ceramic tile industry | |
CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
CN110376214A (zh) | 基于高光谱技术的绝缘子污秽度非接触检测方法 | |
EP4200797A1 (en) | Surface defect detection system | |
CN110174404A (zh) | 一种药粒在线缺陷检测装置及系统 | |
CN103400137A (zh) | 一种sar图像的建筑物几何参数提取方法 | |
CN113362276A (zh) | 板材视觉检测方法及系统 | |
Medina et al. | Automated visual inspection of road surface cracks | |
CN104457599A (zh) | 非接触式在线测量细丝直径的装置及方法 | |
CN109799440B (zh) | 基于高光谱技术的绝缘子污层电导检测方法 | |
CN103063674B (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
CN109272484A (zh) | 一种基于视频图像的降雨检测方法 | |
CN101493449B (zh) | 纤维鉴别方法及混纺织物中纤维成分含量的测量方法 | |
CN106500577A (zh) | 一种医用直线加速器多页光栅位置检测方法 |
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: 20190416 |
|
RJ01 | Rejection of invention patent application after publication |