CN110533644B - 一种基于图像识别的绝缘子检测方法 - Google Patents

Abstract

本发明公开了一种基于图像识别的绝缘子检测方法，其包括步骤：步骤S10，使待检测的绝缘子旋转；步骤S11，收集所述待检测的绝缘子旋转发出的X通道和Y通道的震荡数据；步骤S12，对两组震荡数据进行小波分析处理，获得所述待检测的绝缘子X轴方向以及Y轴方向的双谱灰度图，所述每一双谱灰度图对应有多个角度的灰度共生矩阵；步骤S13，根据每一方向的双谱灰度图所对应的灰度共生矩阵进行特征提取，根据所提取的特征对所述X轴方向以及Y轴方向的双谱灰度图进行小波图像融合，形成融合后的图像；步骤S14，将所述待检测的绝缘子的融合后的图像与基准图像进行比较，自动获得所述待检测的绝缘子的检测结果。实施本发明，可以自动识别绝缘子是否存在故障，且效率高、准确性好。

Description

一种基于图像识别的绝缘子检测方法

技术领域

本发明涉及供电网设备的检测领域，尤其涉及一种基于图像识别的绝缘子检测方法。

背景技术

绝缘子在电路运输中起着非常重要的作用，其作用起到绝缘高压线路，防止出现漏电泄电或者人体触电等安全事故，故绝缘子的质量对安全起着不可磨灭的作用。

在上线前需要对绝缘子进行检测，或者下线的绝缘子也要进行检测判断能否可以继续使用，从而淘汰不合格的绝缘子，保留合格的绝缘子以达到重复利用的目的，以降低成本。故在电网企业中存在大量的绝缘子需要检测，而现有技术中的检测都是靠人工进行检测，其效率低且容易出现人为失误。

发明内容

本发明所要解决的技术问题在于，本发明一种基于图像识别的绝缘子检测方法，有效监测绝缘子的质量，同时通过本方法实现标准化的检测，避免为人检测出现失误。

为解决上述的技术问题，本发明的一方面提供一种基于图像识别的绝缘子检测方法，其包括如下步骤：

步骤S10，将待检测的绝缘子套设在一设置于外壳内的旋转主机的轴承上，使所述旋转主机以预定的转速旋转，所述绝缘子随所述轴承一并旋转；

步骤S11，通过设置于所述外壳的水平面上的X轴检测传感器，以及设置于所述外壳的垂直面上的Y轴检测传感器，收集所述待检测的绝缘子旋转发出的震荡数据；

步骤S12，对所述X轴检测传感器和Y轴传感器所收集的震荡数据进行小波分析处理，获得所述待检测的绝缘子X轴方向以及Y轴方向的双谱灰度图，所述每一双谱灰度图对应有多个角度的灰度共生矩阵；

步骤S13，根据每一方向的双谱灰度图所对应的灰度共生矩阵进行特征提取，根据所提取的特征对所述X轴方向以及Y轴方向的双谱灰度图进行小波图像融合，形成融合后的图像；

步骤S14，将所述待检测的绝缘子的融合后的图像与基准图像进行比较，自动获得所述待检测的绝缘子的检测结果。

其中，进一步包括：

对由多组绝缘子获得的融合后的图像进行SVM算法分类，获得正常绝缘子的基准图像。

其中，所述步骤S12进一步包括：

对于每一方向上的震荡数据，采用下述公式获得灰度共生矩阵像素：

其中，d为给定的距离；θ表示方向角；i、j取值范围与灰度图像最大灰度级数L；

选取0°、45°、90°、135°四个方向统计图形，从而得到四个对应的灰度共生矩阵P_0°、P_45°、P_90°、P_135°，即：

P(i，j|d，0°)、P(i，j|d，45°)P(i，j|d，90°)、P(i，j|d，135°)，其中i∈[0,L-1]；

对四个方向上的灰度共生矩阵元素进行定义，获到相应的双谱灰度图。

其中，所述步骤S13进一步包括：

步骤S130,对每一方向双谱灰度图像所对应的四个角度的灰度共生矩阵进行特征提取，并获得每一特征值的权值，具体地，包括：

设M1、M2、M3、M4分别为四个方向上的同类特征值，根据下式计算其平均值：

M_n＝(M₁+M₂+M₃+M₄)/4

假定W_i＝1/(|M_i-M_n|+1)i＝1，2，3，4，并以下述方式计算获得各特征值的加权系数a、b、c、d：

步骤S131，将所述加权系统代入下述计算公式，对两组双谱灰度图像进行基于匹配度的小波图像进行融合：

S(i，j)＝aP_0°(i，j)+bP_45°(i，j)+cP_90°(i，j)+dP_135°(i，j)

其中，各方向灰度共生矩阵权值之和为融合灰度共生矩阵S(i,j)，a、b、c、d为加权系数。

其中，所述步骤S14具体包括：

将所述待检测的绝缘子的融合后的图像与基准图像进行比较，如果待检测的绝缘子的整合后的图像出现超过阀值的针刺、锯齿状，则判定所述待检测的绝缘子存在缺陷，否则确定所述待检测的绝缘子为正常的绝缘子。

实施本发明的实施例，具有如下的有益效果：

本发明通过检测装置获得绝缘子旋转时的X通道和Y通道的震荡信号进行小波处理，生成两组灰度图,然后基于GLCM矩阵特征提取，进行匹配度的小波图像进行融合，从而获得融合后的灰度图,根据所述融合后的灰度图与基准图像进行比较，从而快速将存在缺陷的绝缘子识别出来；

本发明的方法，可以有效快速的大批量的检测出结果，效率高且检测结果准确，通过有效淘汰缺陷的绝缘子确保电网的安全，同时更好的发现还能使用的绝缘子，回收利用，大大减少浪费，节约成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明提供的一种基于图像识别的绝缘子检测方法的主流程示意图；

图2为图1中待测绝缘子安装示意图；

图3为图1中涉及的Y通道数据形成的双谱灰度图像；

图4为图1中涉及的X通道数据形成的双谱灰度图像；

图5为图3和图4中的双谱灰度图像融合后的图像；

图6是对存在缺陷的待测绝缘子获得的融合后的图像。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

如图1所示，是本发明提供的一种基于图像识别的绝缘子检测方法的主流程示意图；一并结合图2-图5所示，在本实施例中，所述方法包括如下步骤：

步骤S10，将待检测的绝缘子2放置于测试设备1中，套设在一设置于所述测试设备的外壳10内的旋转主机12的轴承11上，使所述旋转主机11以预定的转速(例如120转/每分钟)旋转，所述绝缘子2随所述轴承11一并旋转；如图2所示，所述测试设备1包含一外壳10，其内水平设置一轴承11，所述轴承11由旋转主机12带动，在外壳11外面垂直方向设置有Y轴检测传感器14，在外壳外面水平方向设置有X轴检测传感器13。

步骤S11，通过设置于所述外壳的水平面上的X轴检测传感器13，以及设置于所述外壳的垂直面上的Y轴检测传感器14，收集所述待检测的绝缘子旋转发出的震荡数据，即X通道数据和Y通道数据；

步骤S12，对所述X轴检测传感器和Y轴传感器所收集的震荡数据进行小波分析处理，获得所述待检测的绝缘子X轴方向以及Y轴方向的双谱灰度图，所述每一双谱灰度图对应有多个角度的灰度共生矩阵；

可以理解的是，在一个实施例中，可以采用Matlab自带的小波工具包对上述的两组数据(X通道数据和Y通道数据)进行分析，原信号通过小波包可分解为低频、高频等不同频率段，在一定阈值滤波后进行重构，可很好地消除高频噪声干扰；从函数理论的角度来看，小波包变换是将信号投影到小波包基函数张成的空间中，也就是把线性的信号投射在二维空间中。小波分析是本领域常用的技术手段，很多时候可以采用自带的小波工具包来实现。

具体地，所述步骤S12进一步包括：

假定在某图像中，存在两个像素点(x,y)、(x+d,y+d)，其相应灰度值为i、j，两像素点间的距离为d，选取0°、45°、90°、135°四个方向统计图形，从而得到四个对应的灰度共生矩阵(GLCM矩阵)P_0°、P_45°、P_90°、P_135°，设定f(x,y)为图像N×N的灰度图像；

对于每一方向上的震荡数据，采用下述公式获得灰度共生矩阵像素：

其中，d为给定的距离；θ表示方向角；i、j取值范围与灰度图像最大灰度级数L；

选取0°、45°、90°、135°四个方向统计图形，从而得到四个对应的灰度共生矩阵P_0°、P_45°、P_90°、P_135°，即：

P(i，j|d，0°)、P(i，j|d，45°)P(i，j|d，90°)、P(i，j|d，135°)，其中i∈[0,L-1]；

对四个方向上的灰度共生矩阵元素进行定义，获到相应的双谱灰度图，如图3和图4分别示出了一个实施例中的两个双谱灰度图像。

步骤S13，根据每一方向的双谱灰度图所对应的灰度共生矩阵进行特征提取，根据所提取的特征对所述X轴方向以及Y轴方向的双谱灰度图进行小波图像融合，形成融合后的图像；

具体地，在本步骤中，其进一步包括：

步骤S130，对每一方向双谱灰度图像所对应的四个角度(0°、45°、90°、135°)的灰度共生矩阵进行特征提取，四个矩阵可分别获得四组特征值，从而可以获得每一特征值的权值，具体地，包括：

设M1、M2、M3、M4分别为四个方向上的同类特征值，根据下式计算其平均值：

M_n＝(M₁+M₂+M₃+M₄)/4

假定W_i＝1/(|M_i-M_n|+1)i＝1，2，3，4，并以下述方式计算获得各特征值的加权系数a、b、c、d：

步骤S131，将所述加权系统代入下述计算公式，对两组双谱灰度图像进行基于匹配度的小波图像进行融合：

S(i，j)＝aP_0°(i，j)+bP_45°(i，j)+cP_90°(i，j)+dP_135°(i，j)

其中，各方向灰度共生矩阵权值之和为融合灰度共生矩阵S(i,j)，a、b、c、d为加权系数。

如图5所示，即为前述图3和图4的融合图像。

步骤S14，将所述待检测的绝缘子的融合后的图像与基准图像进行比较，自动获得所述待检测的绝缘子的检测结果；

具体在，在本实施例中，将所述待检测的绝缘子的融合后的图像与基准图像进行比较，如果待检测的绝缘子的整合后的图像出现超过阀值的针刺、锯齿状，则判定所述待检测的绝缘子存在缺陷，否则确定所述待检测的绝缘子为正常的绝缘子。

可以理解的是，在步骤S14之前需要获得基准图像，具体地包括：

采用前述步骤S10至步骤S13的方法，可以对由多组绝缘子获得的融合后的图像进行SVM(Support Vector Machines，支持向量机)算法分类，获得基准图像；

具体地，在一些实施例中，需要对多个样本形成的融合后的图像进行SVM算法分类，以区分出正常的绝缘子和出现缺陷的绝缘子，然后选择正常的绝缘子对应的融合后的图像作为基准图像。可以理解的是，SVM算法是本领域常用的技术手段，在此不进行详述。

在一个例子中，可以将图5所示的图像作为基准图像，而图6中的图像示出了一个出现的缺陷(如缺齿)的绝缘子的融合后的图像，从中可以看出，正常绝缘子对应的图像中外边饱满，而且没有针刺。而存在缺陷的绝缘子，因为缺陷的原因，其对应的震动比较大，导致融合后的图像存在比较多针刺或锯齿状等情形。

在本发明的方法中，在诊断绝缘子时，使用传感器对振动信号进行检测，因而融合传感器的信号，有问题的绝缘子信号特征状况可得到全面反映，通常在振动信号基础上进行信息融合。每根轴均有垂直、水平方向加速度传感器的分布，本实验通过输入轴上的传感器来获得垂直方向和水平方向的信号，该信号经小波包双谱分析得到对应的双谱图，双谱图融合后可对两个方向上双谱图的特征进行综合处理。

实施本发明的实施例，具有如下的有益效果：

本发明通过检测装置获得绝缘子旋转时的X通道和Y通道的震荡信号进行小波处理，生成两组灰度图,然后基于GLCM矩阵特征提取，进行匹配度的小波图像进行融合，从而获得融合后的灰度图,根据所述融合后的灰度图与基准图像进行比较，从而快速将存在缺陷的绝缘子识别出来；

本发明的方法，可以有效快速的大批量的检测出结果，效率高且检测结果准确，通过有效淘汰缺陷的绝缘子确保电网的安全，同时更好的发现还能使用的绝缘子，回收利用，大大减少浪费，节约成本。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于图像识别的绝缘子检测方法，其特征在于，包括如下步骤：

步骤S10，将待检测的绝缘子设置于一测试设备中，套设在设置于所述测试设备的外壳内的旋转主机的轴承上，使所述旋转主机以预定的转速旋转，所述绝缘子随所述轴承一并旋转；

步骤S11，通过设置于所述外壳的水平面上的X轴检测传感器，以及设置于所述外壳的垂直面上的Y轴检测传感器，收集所述待检测的绝缘子旋转发出的震荡数据；

步骤S12，对所述X轴检测传感器和Y轴检测传感器所收集的震荡数据进行小波分析处理，获得所述待检测的绝缘子X轴方向以及Y轴方向的双谱灰度图，每一所述双谱灰度图对应有多个角度的灰度共生矩阵；

步骤S13，根据每一方向的双谱灰度图所对应的灰度共生矩阵进行特征提取，根据所提取的特征对所述X轴方向以及Y轴方向的双谱灰度图进行小波图像融合，形成融合后的图像；

步骤S14，将所述待检测的绝缘子的融合后的图像与基准图像进行比较，自动获得所述待检测的绝缘子的检测结果；

其中，所述步骤S12进一步包括：

对于每一方向上的震荡数据，采用下述公式获得灰度共生矩阵像素：

其中，d为给定的距离；θ表示方向角；i、j取值范围与灰度图像最大灰度级数L相关；

选取0°、45°、90°、135°四个方向角统计图形，从而得到四个对应的灰度共生矩阵P_0°、P_45°、P_90°、P_135°，即：

P(i，j|d，0°)、P(i，j|d，45°)、P(i，j|d，90°)、P(i，j|d，135°)，其中i∈[0,L-1]；

对四个方向角上的灰度共生矩阵元素进行定义，获得相应的双谱灰度图。

2.如权利要求1所述的方法，其特征在于，进一步包括：

对由多组绝缘子获得的融合后的图像进行SVM算法分类，获得正常绝缘子的基准图像。

3.如权利要求2所述的方法，其特征在于，所述步骤S13进一步包括：

步骤S130，对每一方向双谱灰度图像所对应的四个方向角的灰度共生矩阵进行特征提取，并获得每一特征值的权值，具体地，包括：

设M1、M2、M3、M4分别为四个方向角上的同类特征值，根据下式计算其平均值：

M_n＝(M₁+M₂+M₃+M₄)/4

假定W_i＝1/(|M_i-M_n|+1)，i＝1，2，3，4，并以下述方式计算获得各特征值的加权系数a、b、c、d：

步骤S131，将所述加权系数代入下述计算公式，对两组双谱灰度图像进行基于匹配度的小波图像进行融合：

S(i，j)＝aP_0°(i，j)+bP_45°(i，j)+cP_90°(i，j)+dP_135°(i，j)

其中，各方向角上的灰度共生矩阵权值之和为融合灰度共生矩阵S(i,j)，a、b、c、d为加权系数。

4.如权利要求3所述的方法，其特征在于，所述步骤S14具体包括：

将所述待检测的绝缘子的融合后的图像与基准图像进行比较，如果待检测的绝缘子的融合后的图像出现超过阀值的针刺、锯齿状，则判定所述待检测的绝缘子存在缺陷，否则确定所述待检测的绝缘子为正常的绝缘子。

Images