CN112414950B - 一种协同高光谱与红外技术的绝缘子等值盐密检测方法 - Google Patents

Abstract

本发明公开了一种协同高光谱与红外技术的绝缘子等值盐密检测方法，其包括：采集输变电系统多个积污绝缘子的高光谱图像和红外图像，将其划分为若干区域；拆取部分绝缘子并根据图像划分结果选择其中部分区域测量等值盐密；对高光谱图像数据和红外图像数据进行预处理，提取已测量等值盐密区域的高光谱图像数据与红外图像数据中有利于等值盐密划分的特征量；将高光谱图像与红外图像特征量结合，建立其与等值盐密间的映射关系模型，利用该模型实现输电线路绝缘子等值盐密检测与污秽程度评估。本发明为输电线路绝缘子污秽程度评估提供有力的理论基础及技术支撑，运维人员可根据评估结果制定相应的清扫或更换策略，提高工作效率，节省人力和物力。

Description

一种协同高光谱与红外技术的绝缘子等值盐密检测方法

技术领域

本发明属于输变电设备运行状态检修技术领域，具体涉及一种协同高光谱与红外技术的绝缘子等值盐密检测方法。

背景技术

绝缘子等值盐密的有效测量对指导绝缘子清洁具有重要意义。目前相较于传统接触式检测方法，非接触检测法成为研究热点。高光谱成像波段范围广，利用物质对光反射强度差异性从而实现物质检测，因此高光谱技术可识别污秽成分以及含量，但是获取的图像质量受光照强度的影响。红外热成像技术利用绝缘子运行过程中污秽层受潮导致表面产生泄漏电流引起焦耳热，使得绝缘子表面温度分布发生变化，实现电气设备的检测，如绝缘子表面放电发热等，但绝缘子表面温度变化受环境温度与湿度的影响，因此温度分布对污秽信息的反应具有局限性。绝缘子等值盐密由物质成分、含量以及湿度共同决定，而高光谱与红外技术可以分别获取这两大层面的污秽信息，因此本发明专利结合高光谱图像与红外图像特征量，从污秽物质成分以及电气量两大方面综合利用污秽表征参数，解决单一图谱反应污秽信息有限的问题，实现对现场绝缘子污秽成分复杂表征困难的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种协同高光谱与红外技术的绝缘子等值盐密检测方法解决了现有绝缘子污秽检测局限性的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种协同高光谱与红外技术的绝缘子等值盐密检测方法，包括以下步骤：

S1、通过高光谱仪和红外成像仪分别采集输变电系统中若干样本绝缘子的高光谱图像和红外图像，将样本绝缘子的采集图像划分为N个扇形区域并计算各个区域实际面积S_i，i＝1,2,..,N，选择样本绝缘子的M个区域进行等值盐密测量，M∈(1，N)；

S2、以图像划分区域为单位，对高光谱图像的各个区域依次进行数字量化值校正、黑白校正和多元散射校正处理，对红外图像的各个区域依次进行图像去噪、图像增强和图像分割处理；

S3、在处理后的高光谱图像和红外图像的基础上，提取已测量等值盐密区域中有利于等值盐密划分的高光谱特征量和红外特征量；

S4、联合高光谱特征量和红外特征量，得到联合特征量，并将联合特征量作为映射关系模型中输入层的输入值，将样本绝缘子的等值盐密作为映射关系模型中输出层的输出值，利用BP神经网络建立联合特征量和等值盐密之间的映射关系模型；

S5、分别提取待检测绝缘子的高光谱图像和红外图像划分区域中有利于等值盐密划分的高光谱特征量和红外特征量并将特征量组合，通过映射关系模型识别待检测绝缘子表面各区域的等值盐密，获取整支绝缘子的等值盐密。

本发明的有益效果为：结合高光谱图像数据与红外图像数据，利用不同波段范围下绝缘子受污秽影响的信息，从不同角度反映绝缘子污秽状况，将不同光谱的优势集中，从污秽物质以及电气特征两大层面充分反应污秽状态，解决因现场绝缘子污秽成分复杂使得单一光谱数据信息有限的问题，同时此方法还能解决高光谱图像质量依赖于光照强度、绝缘子表面温度分布受温湿度影响的问题，避免由人工对绝缘子污秽程度直接测量带来的误差，更加高效准确的实现绝缘子污秽程度的整体评估，以便及时进行线路绝缘子的清扫工作，提高输电线路运行的可靠性与安全性。

优选的，所述步骤S1中选择样本绝缘子的M个区域进行等值盐密测量的具体方法为：在绝缘子表面对所选区域边界进行标记，利用洁净的棉花或者小毛刷粘取去离子水擦拭绝缘子表面选定区域，对污秽进行收集，反复擦拭表面区域并且每次将棉花或小毛刷浸于去离子水中30-60秒以保证污秽完全处于去离子水中，测量溶液电导率并计算等值盐密。

采用上述优选方案的有益效果为：获取积污绝缘子部分区域等值盐密，为建立绝缘子等值盐密映射关系模型提供真实数据集。

所述步骤S2中图像去噪处理为小波变换或线性滤波，所述图像增强处理为直方图均衡化或Gamma校正，所述图像分割处理包括阈值法和区域生长法。

采用上述优选方案的有益效果为：针对红外图像进行去噪处理，增强图像的局部特性和放大感兴趣区域，能够有效利用像素邻域信息，增强图像的视觉效果以及提高检测结果的准确率。

优选的，所述步骤S3中有利于等值盐密划分的高光谱特征量提取方法为：计算红外图像对应区域温度

根据区域温度在高光谱图像中提取对应像素点温度大于T的高光谱曲线，以高光谱曲线构成高光谱谱线特征量P＝[p₁、p₂、...、p_k]'，p_j为第j个谱线数据，j＝1,2,...,k，k为所提取区域温度大于T的个数，t₁、t₂、…、t_n为红外图像区域各点的温度值，n为单位区域中温度点的个数。

采用上述优选方案的有益效果为：红外图像温度大的地方则电导率大，相应的等值盐密就大，污秽信息含量多，选取一定温度值范围所对应的光谱曲线，充分包含物质含量与成分，真正利用污秽的信息。

优选的，所述步骤S3中有利于等值盐密划分的红外特征量提取方法为：通过已测量等值盐密区域中每一类红外特征量对该区域进行等值盐密检测，选取识别率>＝90％的特征量作为利于污秽程度划分的红外特征量。

优选的，所述步骤S4中联合高光谱特征量与红外特征量，得到联合特征量的具体方法为：

B1、将高光谱谱线特征量P＝[p₁、p₂、...、p_k]'和红外特征量H＝[h₁、h₂、...、h_q]'构成组合矩阵Z_组＝[p₁、p₂、...、p_k、h₁、h₂、...、h_q]'，并将组合矩阵Z_组进行z-score标准化，得到标准化矩阵Z_标＝[z₁、z₂、...、z_k+q]；

B2、计算标准化矩阵Z_标对应的协方差矩阵Z_协方差，并提取协方差矩阵Z_协方差的特征值r₁、r₂、...、r_e与特征向量t₁、t₂、...、t_e，e为特征值个数；

B3、计算贡献率

将贡献率G大于0.9的特征值r_x对应的特征向量组成特征向量矩阵Z_特；

B4、将特征向量矩阵Z_特与组合矩阵Z_组相乘，得到联合特征量Z_联合＝[a₁,a₂,...,a_g]，g表示联合特征量Z_联合中的特征数。

优选的，所述步骤S5中整支绝缘子等值盐密X_整体的计算公式为：

式中：N为绝缘子表面划分区域个数，X₁、X₂、…、X_N为由映射关系模型得到的每块区域等值盐密，S₁、S₂、…、S_N为绝缘子每块区域计算面积。

采用上述优选方案的有益效果为：有效的将高光谱谱线和红外图像的特征量进行结合，利用高光谱与红外技术从不同层面反映污秽信息的优势并解决高光谱及红外技术在应用过程中受环境因素影响的问题，确保映射关系模型准确。

本发明的有益效果为：

(1)本发明中高光谱技术利用物质对光的反射具有差异性实现对物质成分以及含量的检测，红外图像可反映绝缘子在一定环境温湿度条件下受污秽的影响信息，将高光谱识别成分的优势与红外图像记录绝缘子泄露电流引起表面温度变化的优势相结合，从不同角度反映绝缘子受污后的影响，充分结合不同图谱的优势，实现自然污秽绝缘子污秽程度的整体评估。

(2)本发明中高光谱图像质量依赖于环境光照强度而不受温湿度影响，光照强度较好时样本的质量较高，红外图像对污秽信息的反映不受环境光照强度的影响而受环境温湿度条件的影响，将两种图谱相结合，可弥补两种技术在应用时的缺陷。

(3)本发明结合不同图谱检测技术，可避免传统方法测量带来的人工误差，提高对自然积污绝缘子污秽程度整体评估的准确率，而且该技术满足智能电网的发展需求。

附图说明

图1为本发明提出的一种协同高光谱与红外技术的绝缘子等值盐密检测方法流程图。

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。

下面结合附图详细说明本发明的实施例。

如图1所示，一种协同高光谱与红外技术的绝缘子等值盐密检测方法，包括以下步骤：

S1、通过高光谱仪和红外成像仪分别采集输变电系统中若干样本绝缘子的高光谱图像和红外图像，将样本绝缘子的采集图像划分为N个扇形区域并计算各个区域实际面积S_i，i＝1,2,..,N，选择样本绝缘子的M个区域进行等值盐密测量，M∈(1，N)；

S2、以图像划分区域为单位，对高光谱图像的各个区域依次进行数字量化值校正、黑白校正和多元散射校正处理，对红外图像的各个区域依次进行图像去噪、图像增强和图像分割处理；

S3、在处理后的高光谱图像和红外图像的基础上，提取已测量等值盐密区域中有利于等值盐密划分的高光谱特征量和红外特征量；

S4、联合高光谱特征量和红外特征量，得到联合特征量，并将联合特征量作为映射关系模型中输入层的输入值，将样本绝缘子的等值盐密作为映射关系模型中输出层的输出值，利用BP神经网络建立联合特征量和等值盐密之间的映射关系模型；

S5、分别提取待检测绝缘子的高光谱图像和红外图像划分区域中有利于等值盐密划分的高光谱特征量和红外特征量并将特征量组合，通过映射关系模型识别待检测绝缘子表面各区域的等值盐密，获取整支绝缘子的等值盐密。

在本实施例中，高光谱图像与红外图像所提取的数据来源于利用去离子水所清洗的伞裙对应的数据区域，高光谱图像与红外图像所提取的数据来源于已测量等值盐密的伞裙区域对应的数据区域。

在本实施例中，所述步骤S1中选择样本绝缘子的M个区域进行等值盐密测量的具体方法为：在绝缘子表面对所选区域边界进行标记，利用洁净的棉花或者小毛刷粘取去离子水擦拭绝缘子表面选定区域，对污秽进行收集，反复擦拭表面区域并且每次将棉花或小毛刷浸于去离子水中30-60秒以保证污秽完全处于去离子水中，测量溶液电导率并计算等值盐密。

所述步骤S2中数字量化值校正具体为：

其中，X_Rb为数字量化值校正后的高光谱图像，X_0b是校正前的原始高光谱图像的每个波段数字量化值，X_Lb是校正白板不同深度图像的每个波段数字量化值，X_Wb是校正白板的白校正图像每个波段数字量化值，b为256个波段；

所述步骤S2中黑白校正的处理公式为：

其中，R表示黑白校正后的高光谱图像数据，Sample表示原始高光谱图像数据，dark为全黑标定高光谱数据；White为全白标定高光谱图像。

所述步骤S2中多元散射校正的具体方法为：

A1：计算高光谱数据平均值，平均值计算公式为：

A2：对高光谱数据进行一元线性回归，一元线性回归的公式为：

A3：对高光谱数据进行多元散射校正，多元散射校正公式为：

其中，m_f为高光谱原始数据与平均光谱数据进行线性回归后的相对偏移系数，b_f为平移量，n表示图像数据中样本点个数，f代表样本数，f＝1,2,…,n；d代表第d个波段，d＝1,2,……,256；A_f,d表示原始高光谱数据矩阵中第f个样本数据的第s个波段处的反射率值，

表示表示f个样本数据的平均值组成的矩阵，A_f表示第f个样本原始高光谱数据，A_f(MSC)表示经过MSC校正后的数据矩阵。

所述步骤S2中图像去噪处理为小波变换或线性滤波，所述图像增强处理为直方图均衡化或Gamma校正，所述图像分割处理包括阈值法和区域生长法。

所述步骤S3中有利于等值盐密划分的高光谱特征量提取方法为：计算红外图像对应区域温度

根据区域温度在高光谱图像中提取对应像素点温度大于T的高光谱曲线，以高光谱曲线构成高光谱谱线特征量P＝[p₁、p₂、...、p_k]'，p_j为第j个谱线数据，j＝1,2,...,k，k为所提取区域温度大于T的个数，t₁、t₂、…、t_n为红外图像区域各点的温度值，n为单位区域中温度点的个数。

所述步骤S3中有利于等值盐密划分的红外特征量提取方法为：通过已测量等值盐密区域中每一类红外特征量对该区域进行等值盐密检测，选取识别率>＝90％的特征量作为利于污秽程度划分的红外特征量。

所述步骤S4中联合高光谱特征量与红外特征量，得到联合特征量的具体方法为：

B1、将高光谱谱线特征量P＝[p₁、p₂、...、p_k]'和红外特征量H＝[h₁、h₂、...、h_q]'构成组合矩阵Z_组＝[p₁、p₂、...、p_k、h₁、h₂、...、h_q]'，并将组合矩阵Z_组进行z-score标准化，得到标准化矩阵Z_标＝[z₁、z₂、...、z_k+q]；

B2、计算标准化矩阵Z_标对应的协方差矩阵Z_协方差，并提取协方差矩阵Z_协方差的特征值r₁、r₂、...、r_e与特征向量t₁、t₂、...、t_e，e为特征值个数；

B3、计算贡献率

将贡献率G大于0.9的特征值r_x对应的特征向量组成特征向量矩阵Z_特；

B4、将特征向量矩阵Z_特与组合矩阵Z_组相乘，得到联合特征量Z_联合＝[a₁,a₂,...,a_g]，g表示联合特征量Z_联合中的特征数。

所述步骤S5中整支绝缘子等值盐密X_整体的计算公式为：

式中：N为绝缘子表面划分区域个数，X₁、X₂、…、X_N为由映射关系模型得到的每块区域等值盐密，S₁、S₂、…、S_N为绝缘子每块区域计算面积。

本发明的有益效果为：本发明中高光谱技术利用物质对光的反射具有差异性实现对物质成分以及含量的检测，红外图像可反映绝缘子在一定环境温湿度条件下受污秽的影响信息，将高光谱识别成分的优势与红外图像记录绝缘子泄露电流引起表面温度变化的优势相结合，从不同角度反映绝缘子受污后的影响，充分结合不同图谱的优势，实现自然污秽绝缘子污秽程度的整体评估。本发明中高光谱图像质量依赖于环境光照强度而不受温湿度影响，光照强度较好时样本的质量较高，红外图像对污秽信息的反映不受环境光照强度的影响而受环境温湿度条件的影响，将两种图谱相结合，可弥补两种技术在应用时的缺陷。本发明结合不同图谱检测技术，可避免传统方法测量带来的人工误差，提高对自然积污绝缘子污秽程度整体评估的准确率，而且该技术满足智能电网的发展需求。本发明对高光谱图像和红外图像进行处理，能够弱化环境因素对光谱数据的影响，提高光谱数据的信噪比。

Claims (5)

1.一种协同高光谱与红外技术的绝缘子等值盐密检测方法，其特征在于，包括以下步骤：

S1、通过高光谱仪和红外成像仪分别采集输变电系统中若干样本绝缘子的高光谱图像和红外图像，将样本绝缘子的采集图像划分为N个扇形区域并计算各个区域实际面积S_i，i＝1,2,..,N，选择样本绝缘子的M个区域进行等值盐密测量，M∈(1，N)；

S2、以图像划分区域为单位，对高光谱图像的各个区域依次进行数字量化值校正、黑白校正和多元散射校正处理，对红外图像的各个区域依次进行图像去噪、图像增强和图像分割处理；

S3、在处理后的高光谱图像和红外图像的基础上，提取已测量等值盐密区域中有利于等值盐密划分的高光谱特征量和红外特征量；

所述步骤S3中有利于等值盐密划分的高光谱特征量提取方法为：计算红外图像对应区域温度

根据区域温度在高光谱图像中提取对应像素点温度大于T的高光谱曲线，以高光谱曲线构成高光谱谱线特征量P＝[p₁、p₂、...、p_k]'，p_j为第j个谱线数据，j＝1,2,...,k，k为所提取区域温度大于T的个数，t₁、t₂、…、t_n为红外图像区域各点的温度值，n为单位区域中温度点的个数；

所述步骤S3中有利于等值盐密划分的红外特征量提取方法为：通过已测量等值盐密区域中每一类红外特征量对该区域进行等值盐密检测，选取识别率>＝90％的特征量作为利于污秽程度划分的红外特征量；S4、联合高光谱特征量和红外特征量，得到联合特征量，并将联合特征量作为映射关系模型中输入层的输入值，将样本绝缘子的等值盐密作为映射关系模型中输出层的输出值，利用BP神经网络建立联合特征量和等值盐密之间的映射关系模型；

S5、分别提取待检测绝缘子的高光谱图像和红外图像划分区域中有利于等值盐密划分的高光谱特征量和红外特征量并将特征量组合，通过映射关系模型识别待检测绝缘子表面各区域的等值盐密，获取整支绝缘子的等值盐密。

2.根据权利要求1所述的协同高光谱与红外技术的绝缘子等值盐密检测方法，其特征在于，所述步骤S1中选择样本绝缘子的M个区域进行等值盐密测量的具体方法为：在绝缘子表面对所选区域边界进行标记，利用洁净的棉花或者小毛刷粘取去离子水擦拭绝缘子表面选定区域，对污秽进行收集，反复擦拭表面区域并且每次将棉花或小毛刷浸于去离子水中30-60秒以保证污秽完全处于去离子水中，测量溶液电导率并计算等值盐密。

3.根据权利要求1所述的协同高光谱与红外技术的绝缘子等值盐密检测方法，其特征在于，所述步骤S2中图像去噪处理为小波变换或线性滤波，所述图像增强处理为直方图均衡化或Gamma校正，所述图像分割处理包括阈值法和区域生长法。

4.根据权利要求1所述的协同高光谱与红外技术的绝缘子等值盐密检测方法，其特征在于，所述步骤S4中联合高光谱特征量与红外特征量，得到联合特征量的具体方法为：

B1、将高光谱谱线特征量P＝[p₁、p₂、...、p_k]'和红外特征量H＝[h₁、h₂、...、h_q]'构成组合矩阵Z_组＝[p₁、p₂、...、p_k、h₁、h₂、...、h_q]'，并将组合矩阵Z_组进行z-score标准化，得到标准化矩阵Z_标＝[z₁、z₂、...、z_k+q]；

B2、计算标准化矩阵Z_标对应的协方差矩阵Z_协方差，并提取协方差矩阵Z_协方差的特征值r₁、r₂、...、r_e与特征向量t₁、t₂、...、t_e，e为特征值个数；

B3、计算贡献率

x＝1,2,...,e，将贡献率G大于0.9的特征值r_x对应的特征向量组成特征向量矩阵Z_特；

B4、将特征向量矩阵Z_特与组合矩阵Z_组相乘，得到联合特征量Z_联合＝[a₁,a₂,...,a_g]，g表示联合特征量Z_联合中的特征数。

5.根据权利要求1所述的协同高光谱与红外技术的绝缘子等值盐密检测方法，其特征在于，所述步骤S5中整支绝缘子等值盐密X_整体的计算公式为：

式中：N为绝缘子表面划分区域个数，X₁、X₂、…、X_N为由映射关系模型得到的每块区域等值盐密，S₁、S₂、…、S_N为绝缘子每块区域计算面积。

Images