CN110261405A - 基于显微高光谱技术的绝缘子污秽成分识别方法 - Google Patents
基于显微高光谱技术的绝缘子污秽成分识别方法 Download PDFInfo
- Publication number
- CN110261405A CN110261405A CN201910698780.4A CN201910698780A CN110261405A CN 110261405 A CN110261405 A CN 110261405A CN 201910698780 A CN201910698780 A CN 201910698780A CN 110261405 A CN110261405 A CN 110261405A
- Authority
- CN
- China
- Prior art keywords
- ingredient
- filthy
- contamination
- micro
- spectral line
- 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
- 239000004615 ingredient Substances 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000011109 contamination Methods 0.000 title claims abstract description 67
- 239000012212 insulator Substances 0.000 title claims abstract description 61
- 238000001228 spectrum Methods 0.000 claims abstract description 63
- 230000003595 spectral effect Effects 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 18
- 239000000470 constituent Substances 0.000 claims abstract description 12
- 238000002156 mixing Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004611 spectroscopical analysis Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000009616 inductively coupled plasma Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 239000000843 powder Substances 0.000 claims description 2
- 238000007790 scraping Methods 0.000 claims description 2
- 238000011426 transformation method Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 17
- 239000000126 substance Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000634 powder X-ray diffraction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001420 photoelectron spectroscopy Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于显微高光谱技术的绝缘子污秽成分识别方法,属于输变电设备运行状态检修技术领域,其包括:获取积污绝缘子污秽样本的显微高光谱图像,并分为第一图谱集和第二图谱集;分别提取第一图谱集和第二图谱集中的污秽样本混合成分的高光谱谱线;分离出污秽样本的污秽成分,对各污秽成分进行显微高光谱成像,建立污秽成分波谱库;基于污秽成分波谱库和第一图谱集所对应污秽样本混合成分的高光谱谱线建立污秽成分识别模型,第二图谱集所对应污秽样本混合成分的高光谱谱线作为测试集,将测试集输入污秽成分识别模型进行优化。本发明实现了绝缘子污秽成分的微观检测,操作过程简单,利于污秽成分的识别,能够观测绝缘子表面污秽成分分布。
Description
技术领域
本发明涉及输变电设备运行状态检修技术领域,具体而言,涉及一种基于显微高光谱技术的绝缘子污秽成分识别方法。
背景技术
输电线路绝缘子污秽成分差异会对其闪络电压造成影响:相同灰密、不同成分的绝缘子污秽对闪络电压的影响不同;不同成分的可溶性污秽使得绝缘子表面的污层电导率存在差异,从而影响绝缘子串的闪络特性,且部分特殊成分的受热分解特性以及难溶性对绝缘子的闪络电压有明显影响,因此准确识别绝缘子污秽成分对于评估绝缘子绝缘状态具有重要意义。
目前,对于未知污秽成分的测定通常采用X-射线能谱仪(EDS)检测方法、X-射线粉末衍射仪(XRD)检测方法、电感耦合等离子发射光谱仪(ICP-AES)检测方法等进行物质化学式、元素或离子的检测,但是仅检测元素或离子无法确定具体的污秽成分化学式,XRD虽能对物质的晶格进行检测以推测化合物构成,但对仪器精度要求较高,且依赖于人力测量易带来人工误差。上述方法在检测过程中对污秽分布状态有一定的破坏,无法可视化污秽成分分布。此外,显微高光谱相较于传统高光谱可将传统高光谱图像放大5倍、10倍、100倍等,传统高光谱一个像素点大小基本在6.45×6.45μm左右,而污秽中的盐、灰颗粒粒径大小一般小于或远小于这个值,若单像元的图谱信息不够纯净(指一个像元里包含了多种物质的信息)则需要解混其所含物质,具有一定的技术难度且准确率不高。
综上所述,现有的绝缘子污秽成分识别方法有一定的条件限制,有鉴于此,有必要提供一种可以从微观角度检测,准确便捷的绝缘子污秽成分识别方法。
发明内容
为了解决上述技术中无法观测绝缘子表面污秽成分分布以及操作过程繁琐的问题,本发明提出一种从微观角度检测,准确便捷的基于显微高光谱技术的绝缘子污秽成分识别方法。
为了达到上述发明目的,本发明采用的技术方案为:
一种基于显微高光谱技术的绝缘子污秽成分识别方法,包括以下步骤:
S1:取得积污绝缘子的污秽样本,并获取所述污秽样本的显微高光谱图像,将该显微高光谱图像分为第一图谱集和第二图谱集;
S2:分别从第一图谱集和第二图谱集提取污秽样本混合成分的高光谱谱线;
S3:从污秽样本中分离出污秽成分,对分离出的各污秽成分进行显微高光谱成像,并分别从各污秽成分的高光谱图像中提取单一成分的高光谱谱线,对每个污秽成分的若干高光谱谱线求平均值,获取到每个污秽成分的平均光谱,各污秽成分的平均光谱一起构成污秽成分波谱库;
S4:将第一图谱集所对应污秽样本混合成分的高光谱谱线和第二图谱集所对应污秽样本混合成分的高光谱谱线分别作为训练集和测试集,根据训练集和污秽成分波谱库,建立污秽成分识别模型,将测试集输入污秽成分识别模型进行优化,剔除所述污秽成分识别模型中造成识别结果错误的数据,继而获取优化的污秽成分识别模型,完成绝缘子污秽成分的识别。
本技术方案的技术效果是:能够观测到绝缘子表面污秽成分分布,操作过程简单;应用显微高光谱技术对积污绝缘子进行检测,避免了由于人工检测方式带来的误差,克服了物质解混的困难,提高了检测结果的准确性;根据优化的污秽成分识别模型能够更好的清扫污秽成分对污闪电压降低贡献较大的区域,避免了输电线路绝缘子由受潮污秽引发的污秽闪络,提高了输电线路的可靠性和安全性。
可选地,所述步骤S1中,取得积污绝缘子的污秽样本包括采用切割绝缘片并刮下污层的方式,获取显微高光谱图像的过程包括校正处理、变换处理和增强处理。
本技术方案的技术效果是:消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征提取、匹配和识别的可靠性。
可选地,所述校正处理为黑白校正或多元散射校正。
本技术方案的技术效果是:消除光源不均匀性、光敏单元本身响应差异、暗电流及偏置等因素的影响,获取强度均匀的图像。
可选地,所述变换处理为标准正态变换、小波去噪方法、Savitzky-Golay平滑方法、微分变换方法和对数变换方法中的任意一种。
本技术方案的技术效果是:消除图像噪声,去除非特征波动,消除粒径不同造成的散射影响等。
可选地,所述增强处理为Gamma校正或直方图均衡化。
本技术方案的技术效果是:有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。
可选地,所述步骤S3中,分离出污秽样本的污秽成分的方法为X-射线能谱仪检测法、X-射线粉末衍射仪检测法、电感耦合等离子发射光谱仪检测法中的任意一种。
本技术方案的技术效果是:对未知污秽成分进行物质化学式、元素或离子的检测,以推测其化合物构成。
可选地,所述步骤S3中,污秽成分的平均光谱获取公式如下:
式中,为单一污秽成分所有高光谱图像在各个波长点处求平均值所得到的平均光谱矢量;为单一污秽成分各高光谱图像的光谱Ai之和;n为单一污秽成分高光谱图像总数;i为单一污秽成分高光谱图像标号。
可选地,所述步骤S4中,使用欧氏距离分类法建立污秽成分识别模型,具体包括如下步骤:
A-1:求得待测积污绝缘子污秽成分谱线欧式距离,公式为:
式中,dist(X,Y)为求得的待测积污绝缘子污秽成分谱线与成分波谱库中标准谱线的欧式距离;m为波段总数,xh为待测积污绝缘子污秽成分谱线在第h个波段的反射率值,yh为成分波谱库某成分标准谱线在第h个波段的标准反射率值。
A-2:判别待测积污绝缘子污秽成分,公式为:
y=min(distk(X,Y))
式中,y为最小欧式距离对应成分类别,distk(X,Y)为求得的待测积污绝缘子污秽成分谱线与污秽成分波谱库第k种成分标准谱线的欧式距离;k=1,2,…,m;m为污秽成分波谱库中所含污秽成分种类总数。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为基于显微高光谱技术的绝缘子污秽成分识别方法流程图;
图2为污秽成分识别模型的建立流程图;
图3为污秽成分波谱库示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,本发明实施例公开了一种基于显微高光谱技术的绝缘子污秽成分识别方法,包括如下步骤:
S1:选定采样区域,拆卸部分绝缘子带回并一一记录其摘取位置,迎风面、背风面等信息,切割绝缘片得到积污绝缘子污秽样本,获取显微高光谱图像,按照统计学规律(统计学规律是分类训练集、测试集的一种表述,比如划分时尽量使数据平衡,不要过度倾斜等)分为第一图谱集和第二图谱集;
校正处理,选用黑白校正方法,公式为:
式中,Rci为黑白校正后图像数据;Sampleci为原始光谱图像数据;darkci为全黑标定图像数据;Whiteci为全白标定图像数据;
变换处理,选用Savitzky-Golay平滑方法,假设连续数据为xi,i=-m,…,0,…,m,其n阶多项式如下:
式中:b为多项式的系数;k为多项式的阶数;q为多项式的权数;f为关于n阶的多项式函数。
增强处理,选用Gamma校正,公式为:
f(I)=Iγ
式中:I为原图像;γ为gamma系数;f(I)为校正后的图像。
S2:分别从第一图谱集和第二图谱集提取污秽样本混合成分的高光谱谱线。
S3:使用X-射线粉末衍射仪(XRD)分离出污秽样本的污秽成分,对污秽成分分别进行显微高光谱成像并提取单一成分的高光谱谱线,通过获取每个成分平均光谱建立污秽成分波谱库。
污秽成分的获取方法有很多种,这里以X-射线能谱仪检测法为例,具体操作为:将从积污绝缘子上获得的污秽样本放置于X-射线能谱仪的检测平台上,用X射线去辐射污秽样本,使污秽样本物质的原子或分子的内层电子或价电子被激发出来,被光子激发出来的电子称为光电子,通过测量光电子的能量,以光电子的动能为横坐标,相对强度(脉冲/s)为纵坐标做出光电子能谱图,从而获得待测物组成,即获取到了污秽样本的污秽成分。
平均光谱获取公式如下:
式中,为某单一成分所有高光谱图像在各个波长点处求平均值所得到的平均光谱矢量;为某单一成分各高光谱图像的光谱Ai之和;n为某单一成分高光谱图像总数;i为某单一成分高光谱图像标号。
S3:将第一图谱集所对应混合成分的高光谱谱线和第二图谱集所对应混合成分的高光谱谱线分别作为训练集和测试集,根据训练集和污秽成分波谱库,建立污秽成分识别模型,将测试集输入污秽成分识别模型进行优化,剔除所述污秽成分识别模型中造成识别结果错误的数据,继而获取优化的污秽成分识别模型,完成绝缘子污秽成分的识别。
如图2所示,使用欧氏距离分类法建立污秽成分识别模型,具体包括如下步骤:
A-1:求得待测绝缘子污秽成分谱线欧式距离,公式为:
式中,dist(X,Y)为求得的待测积污绝缘子污秽成分谱线与成分波谱库中标准谱线的欧式距离;m为波段总数,xh为待测积污绝缘子污秽成分谱线在第h个波段的反射率值,yh为成分波谱库某成分标准谱线在第h个波段的标准反射率值。
A-2:判别待测绝缘子污秽成分,公式为:
y=min(distk(X,Y))
式中,y为最小欧式距离对应成分类别,distk(X,Y)为求得的待测绝缘子污秽成分谱线与成分波谱库第k种成分标准谱线的欧式距离;k=1,2,…,m(波谱库中所含成分种类总数)。
本发明所述基于显微高光谱技术的绝缘子污秽成分识别方法所依据的原理是:由于物质成分和结构的差异造成物质内部对不同波长光子的选择性吸收和反射,因此物质的反射光谱具有“指纹”效应,可根据不同物不同谱的原理来分辨不同的物质信息(可参考图3);同种污秽其高光谱谱线仅在幅值上稍有差异,不同污秽其高光谱谱线在幅值、峰值以及变化趋势上具有明显差异,可以更好地反映不同物质间微观差异引起的谱线变化。
与现有技术相比,本发明所述基于显微高光谱技术的绝缘子污秽成分识别方法具有以下优势:
1)通过取样积污绝缘子污秽样本并获取显微高光谱图像、建立并优化污秽成分识别模型,应用显微高光谱技术实现了绝缘子污秽成分的微观检测,解决现有技术存在的识别困难、无法观测绝缘子表面污秽成分分布,操作过程繁琐等问题;
2)应用显微高光谱技术对积污绝缘子进行检测,避免了由于人工检测方式带来的误差,克服了物质解混的困难,提高了检测结果的准确性;
3)可参考优化的污秽成分识别模型,来清扫污秽成分对污闪电压降低贡献较大的区域,避免了输电线路绝缘子由受潮污秽引发的污秽闪络,提高了输电线路的可靠性和安全性。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,包括以下步骤:
S1:取得积污绝缘子的污秽样本,并获取所述污秽样本的显微高光谱图像,将该显微高光谱图像分为第一图谱集和第二图谱集;
S2:分别从第一图谱集和第二图谱集提取污秽样本混合成分的高光谱谱线;
S3:从污秽样本中分离出污秽成分,对分离出的各污秽成分进行显微高光谱成像,并分别从各污秽成分的高光谱图像中提取单一成分的高光谱谱线,对每个污秽成分的若干高光谱谱线求平均值,获取到每个污秽成分的平均光谱,各污秽成分的平均光谱一起构成污秽成分波谱库;
S4:将第一图谱集所对应污秽样本混合成分的高光谱谱线和第二图谱集所对应污秽样本混合成分的高光谱谱线分别作为训练集和测试集,根据训练集和污秽成分波谱库,建立污秽成分识别模型,将测试集输入污秽成分识别模型进行优化,剔除所述污秽成分识别模型中造成识别结果错误的数据,继而获取优化的污秽成分识别模型,完成绝缘子污秽成分的识别。
2.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S1中,取得积污绝缘子的污秽样本包括采用切割绝缘片并刮下污层的方式,获取显微高光谱图像的过程包括校正处理、变换处理和增强处理。
3.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述校正处理为黑白校正或多元散射校正。
4.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述变换处理为标准正态变换、小波去噪方法、Savitzky-Golay平滑方法、微分变换方法和对数变换方法中的任意一种。
5.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述增强处理为Gamma校正或直方图均衡化。
6.根据权利要求1所述的基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S3中,从污秽样本中分离出污秽成分的方法为X-射线能谱仪检测法、X-射线粉末衍射仪检测法、电感耦合等离子发射光谱仪检测法中的任意一种。
7.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S3中,污秽成分的平均光谱获取公式如下:
式中,为污秽成分所有高光谱图像在各个波长点处求平均值所得到的平均光谱矢量;为污秽成分各高光谱图像的光谱Ai之和;n为污秽成分高光谱图像总数;i为污秽成分高光谱图像标号。
8.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S4中,使用欧氏距离分类法建立污秽成分识别模型,具体包括如下步骤:
A-1:求得待测积污绝缘子污秽成分谱线欧式距离,公式为:
式中,dist(X,Y)为求得的待测积污绝缘子污秽成分谱线与成分波谱库中标准谱线的欧式距离;m为波段总数,xh为待测积污绝缘子污秽成分谱线在第h个波段的反射率值,yh为成分波谱库某成分标准谱线在第h个波段的标准反射率值;
A-2:判别待测积污绝缘子污秽成分,公式为:
y=min(distk(X,Y))
式中,y为最小欧式距离对应成分类别,distk(X,Y)为求得的待测积污绝缘子污秽成分谱线与污秽成分波谱库第k种成分标准谱线的欧式距离;k=1,2,…,m;m为污秽成分波谱库中所含污秽成分种类总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910698780.4A CN110261405B (zh) | 2019-07-31 | 2019-07-31 | 基于显微高光谱技术的绝缘子污秽成分识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910698780.4A CN110261405B (zh) | 2019-07-31 | 2019-07-31 | 基于显微高光谱技术的绝缘子污秽成分识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110261405A true CN110261405A (zh) | 2019-09-20 |
CN110261405B CN110261405B (zh) | 2021-06-22 |
Family
ID=67912490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910698780.4A Active CN110261405B (zh) | 2019-07-31 | 2019-07-31 | 基于显微高光谱技术的绝缘子污秽成分识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261405B (zh) |
Cited By (9)
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 |
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 |
CN110826615A (zh) * | 2019-10-31 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 污秽的分类方法、装置、设备、介质及数据获取系统 |
CN111257242A (zh) * | 2020-02-27 | 2020-06-09 | 西安交通大学 | 绝缘子污秽成分高光谱识别方法 |
CN112578243A (zh) * | 2020-12-08 | 2021-03-30 | 广西电网有限责任公司电力科学研究院 | 一种评估gis刀闸气室内部缺陷放电的方法 |
CN113295700A (zh) * | 2021-05-11 | 2021-08-24 | 国网安徽省电力有限公司信息通信分公司 | 一种基于物联网的输电线路外绝缘状态监测方法及系统 |
CN114166881A (zh) * | 2021-12-06 | 2022-03-11 | 南方电网科学研究院有限责任公司 | 一种基于微观结构评价的悬式复合绝缘子设计方法 |
CN117470867A (zh) * | 2023-12-27 | 2024-01-30 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽区分方法、装置及电子设备 |
CN117517335A (zh) * | 2023-12-27 | 2024-02-06 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽监测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180031480A1 (en) * | 2012-02-29 | 2018-02-01 | National Technology & Engineering Solutions Of Sandia, Llc | Trajectory-Based Triggering System for Hyperspectral Imaging Flow Cytometer |
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 |
CN109612947A (zh) * | 2019-01-17 | 2019-04-12 | 西南交通大学 | 基于偏最小二乘回归法的绝缘子污秽等值盐密检测方法 |
CN109632655A (zh) * | 2019-01-25 | 2019-04-16 | 西南交通大学 | 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 |
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 |
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 |
CN109799245A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种绝缘子污秽程度非接触式检测方法及装置 |
-
2019
- 2019-07-31 CN CN201910698780.4A patent/CN110261405B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180031480A1 (en) * | 2012-02-29 | 2018-02-01 | National Technology & Engineering Solutions Of Sandia, Llc | Trajectory-Based Triggering System for Hyperspectral Imaging Flow Cytometer |
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 |
CN109612947A (zh) * | 2019-01-17 | 2019-04-12 | 西南交通大学 | 基于偏最小二乘回归法的绝缘子污秽等值盐密检测方法 |
CN109632655A (zh) * | 2019-01-25 | 2019-04-16 | 西南交通大学 | 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 |
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 |
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 |
CN109799245A (zh) * | 2019-03-29 | 2019-05-24 | 云南电网有限责任公司电力科学研究院 | 一种绝缘子污秽程度非接触式检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
WEI LI 等: "Data Augmentation for Hyperspectral Image Classification With Deep CNN", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
WEIZHEN HOU 等: "An algorithm for hyperspectral remote sensing of aerosols: 2. Information content analysis for aerosol parameters and principal components of surface spectra", 《JOURNAL OF QUANTITATIVE SPECTROSCOPY & RADIATIVE TRANSFER》 * |
邱彦等: "基于高光谱技术的绝缘子污秽成分识别方法", 《高电压技术》 * |
金立军等: "绝缘子污秽等级可见光图像识别方法研究", 《系统仿真学报》 * |
Cited By (11)
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 |
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 |
CN110826615A (zh) * | 2019-10-31 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 污秽的分类方法、装置、设备、介质及数据获取系统 |
CN111257242A (zh) * | 2020-02-27 | 2020-06-09 | 西安交通大学 | 绝缘子污秽成分高光谱识别方法 |
CN112578243A (zh) * | 2020-12-08 | 2021-03-30 | 广西电网有限责任公司电力科学研究院 | 一种评估gis刀闸气室内部缺陷放电的方法 |
CN113295700A (zh) * | 2021-05-11 | 2021-08-24 | 国网安徽省电力有限公司信息通信分公司 | 一种基于物联网的输电线路外绝缘状态监测方法及系统 |
CN114166881A (zh) * | 2021-12-06 | 2022-03-11 | 南方电网科学研究院有限责任公司 | 一种基于微观结构评价的悬式复合绝缘子设计方法 |
CN117470867A (zh) * | 2023-12-27 | 2024-01-30 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽区分方法、装置及电子设备 |
CN117517335A (zh) * | 2023-12-27 | 2024-02-06 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽监测系统及方法 |
CN117470867B (zh) * | 2023-12-27 | 2024-03-26 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽区分方法、装置及电子设备 |
CN117517335B (zh) * | 2023-12-27 | 2024-03-29 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110261405B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261405A (zh) | 基于显微高光谱技术的绝缘子污秽成分识别方法 | |
DE60307014T2 (de) | Detektion von Defekten in Erdgaspipelines | |
Faltynkova et al. | Hyperspectral imaging as an emerging tool to analyze microplastics: A systematic review and recommendations for future development | |
Pelagotti et al. | Multispectral imaging of paintings | |
CN109799195B (zh) | 一种激光诱导击穿光谱的高精度定量分析方法 | |
US8611620B2 (en) | Advanced digital pathology and provisions for remote diagnostics | |
CN108169213A (zh) | 一种激光诱导击穿光谱谱峰元素自动识别方法 | |
Amrania et al. | Digistain: a digital staining instrument for histopathology | |
JP2022522348A (ja) | 基板上の膜の検査のための装置及び方法 | |
WO2018184262A1 (zh) | 用于激光诱导击穿光谱采集的阶梯光谱仪动态校正方法 | |
Cuby et al. | Discovery of az= 6.17 galaxy from CFHT and VLT observations | |
CN113155809A (zh) | 一种矿石分类与实时定量分析的光谱检测新方法 | |
Houck et al. | Spitzer spectra of a 10 mJy galaxy sample and the star formation rate in the local universe | |
Alexander et al. | Identifying spatial structure in phytoplankton communities using multi‐wavelength fluorescence spectral data and principal component analysis | |
Churchwell et al. | Adaptive band target entropy minimization: Optimization for the decomposition of spatially offset Raman spectra of bone | |
CN110160978A (zh) | 一种饮用水综合性感官指标的检测系统及检测方法 | |
Formanek et al. | Contrast improvement of terahertz images of thin histopathologic sections | |
CN111272735B (zh) | 一种激光诱导击穿光谱的检测方法 | |
CN109001182A (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
JP6795010B2 (ja) | X線分析方法及びx線分析装置 | |
Wetzer et al. | Image processing using color space models for forensic fiber detection | |
CN116482079A (zh) | 基于激光诱导击穿光谱的检测方法及系统 | |
Reddy et al. | Modeling fourier transform infrared spectroscopic imaging of prostate and breast cancer tissue specimens | |
CN204044085U (zh) | 一种基于光谱成像的异物检测系统 | |
CN103983649B (zh) | 一种基于光谱成像的异物检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220609 Address after: 610031 north section of two ring road, Sichuan, Chengdu Patentee after: SOUTHWEST JIAOTONG University Patentee after: State Grid Zhejiang Electric Power Co., Ltd Address before: 610031 north section of two ring road, Sichuan, Chengdu Patentee before: SOUTHWEST JIAOTONG University |