一种绝缘子图像污秽状态检测方法技术

本发明专利技术涉及一种基于绝缘子图像污秽状态检测方法，属于输电线路设备运行状态检修和计算机视觉领域。其公开一种绝缘子图像污秽状态检测方法，解决传统技术中对绝缘子图像污秽状态检测方案存在的检测步骤繁琐、安全性低、评判标准不具备自适应性的问题。本发明专利技术根据不同污染状态下绝缘子图像颜色特征的不同，利用机器学习方法，通过训练绝缘子图像三个子分类器状态检测模型来检测绝缘子受污染程度。能快速有效地对绝缘子的污秽状态做出准确可靠分析，为及时清理绝缘子污秽提供基础，以减少绝缘子污闪停电事故。本发明专利技术适用于快速地准确检测绝缘子图像污秽状态。

【技术实现步骤摘要】

本专利技术设及一种基于绝缘子图像污秽状态检测方法，属于输电线路设备运行状态 检修和计算机视觉领域。
技术介绍
绝缘子作为一种特殊的绝缘控件，其防止电流回地和支撑导线的重要作用使其成 为高压输电线路中必不可少地设备之一。绝缘子工作状态的好坏将直接影响输电线路的使 用和运行寿命。但由于绝缘子通常安装于高空露天环境下，其在使用过程中，经常会被工业 粉尘、鸟粪等污秽附着，使得绝缘子绝缘效果降低，容易发生污闪，造成重大经济损失。此 夕h绝缘子的污秽程度，将直接决定相关部口对该绝缘子采取什么处理手段。因此，若能准 确检测绝缘子表面污秽情况，将有效减少绝缘子性能故障带来的巨大损失，进一步推进国 家电网建设的不断发展。 目前，绝缘子表面污秽测定方法主要有等值盐密巧SDD)法、积分表面污层导率法、 脉冲计数法、泄露电流法和绝缘子污闪电压梯度法等，其中应用最多的是等值盐密法和泄 露电流法:等值盐密法通过将绝缘子表面污物转化为每平方厘米含多少毫克Nacl的表示方 法对绝缘子污秽程度进行测定，该方法需要事先将绝缘子从运行线路上拆卸下来。泄露电 流法通过测定在运行电压下绝缘子受潮时流经表面污层到达地的电流与绝缘子临闪状态 的泄漏电流间的关系进行污秽判定。运些物理类方法或多或少存在一定的安全隐患，且操 作复杂。 近几年，针对W上方法存在的问题，延伸出了一种基于图像处理和模式识别的绝 缘子污秽检测方法。运些方法通常利用受污染绝缘子图像表面色彩信息与标准无污染绝缘 子进行比较，根据差异程度建立污染等级，可实现特定颜色绝缘子的污秽等级评定。但由于 绝缘子种类繁多，且不同光照下绝缘子图像颜色值会有明显差异，差异等级评判标准不具 有自适应性。
技术实现思路
本专利技术所要解决的技术问题是:提出，解决传 统技术中对绝缘子图像污秽状态检测方案存在的检测步骤繁琐、安全性低、评判标准不具 备自适应性的问题。 本专利技术解决上述技术问题所采用的方案是： -种绝缘子图像污秽状态检测方法，包括W下步骤：[000引A、训练绝缘子图像污秽检测分类模型： A1、将绝缘子表面污秽等级划分为四种类别，分别是:表面清洁、轻度污染、中度污 染W及重度污染； A2、捜集步骤A1中所划分的四种类别的绝缘子样本图像并进行伽马校正；[001。 A3、将步骤A2得到的绝缘子样本图像分别在HIS和RGB颜色空间进行分解，获得绝 缘子样本图像的H、S、I、R、G、B六个通道颜色分量； A4、分别提取所有绝缘子样本图像在所述六个通道颜色分量的均值、方差、斜度和 赌，并将提取的运些特征组成一个n*24维的数据集，其中η表示样本个数； Α5、提取数据集中的有效特征，并组成Ξ个子分类器训练集，每个子分类器训练集 均由正样本和负样本组成，将正样本类别标签置为1，将负样本类别标签置为-1; Α6、分别对Ξ个子分类器训练集中的数据进行训练，获得对应的Ξ个子分类器模 型； Β、在进行绝缘子图像污秽状态检测时，输入待检测绝缘子彩色图像，利用训练好 的Ξ个子分类器进行分类，输出最终分类结果： Β1、对待检测绝缘子彩色图像进行预处理；Β2、对步骤Β1经过预处理的绝缘子彩色图像分别在HS巧日RGB颜色空间进行分解， 得到绝缘子彩色图像的H、S、I、R、G、B六个通道颜色分量； B3、提取绝缘子彩色图像根据Fisher准则得到的在所述六个通道颜色分量上的m 个特征，组成一个1 *m维的特征向量； B4、将步骤B3获取的特征向量送入第一个子分类器进行分类，再根据分类结果有 选择地将特征向量输入第二或第Ξ个子分类器进行分类判断； B5、根据分类器分类结果输出绝缘子污秽等级。 作为进一步优化，步骤A4中，所述分别提取所有绝缘子样本图像在所述六个通道 颜色分量的均值、方差、斜度和赌的方法是： 其中，t表示不同颜色通道(取值为1，2,1-,6),Η表示样本图像的行数，W表示样本 图像的列数，f(i，j)表示样本图像在位置(i，j)处的像素值;Ν表示各颜色通道的灰度级总 数。 作为进一步优化，步骤A5中，利用Fisher准则对数据集中的特征进行选择，提取有 效特征，具体方法为： 定义数据集中共有η个样本属于C个类wi，W2,…，WC，每一类分别包含m个样本;定 义和分别表示第k个特征属性在样本集上的类间方差和类内方差，表达式为： 式中，分别表示样本X，第i类样本的均值、所有样本的均值在第k个 特征属性上的取值； 对于某个特征的Fisher准则函数为： 其中，Jf为特征的Fisher判据，某个特征在训练样本集上的Fisher准则函数值越 大，说明该特征属性区分度越好;k= 24; 根据上式计算每个绝缘子样本图像24个特征的Fisher准则函数值，并按大小进行 排序，选取前m(m含k)个特征作为该绝缘子样本图像最终特征向量。 作为进一步优化，步骤A5中，所述Ξ个子分类器训练集中，第一个子分类器训练集 的正样本包含表面清洁和轻度污染两类，负样本包含中度污染和重度污染两类;第二个子 分类器训练集正样本只包含表面清洁一类，负样本只包含轻度污染一类;第Ξ个子分类器 训练集的正样本只包含中度污染一类，负样本只包含重度污染一类。 作为进一步优化，步骤A6中，选用高斯径向基核函数做支持向量机的核函数，针对 步骤A5中获取的Ξ个子分类器训练集采用K重交叉验证法进行参数寻优，训练得到对应的 Ξ个子分类器模型。 作为进一步优化，步骤B1中，所述对待检测绝缘子彩色图像进行预处理包括：图像 去噪和伽马校正处理。 作为进一步优化，步骤B4中，所述将步骤B3获取的特征向量送入第一个子分类器 进行分类，再根据分类结果有选择地将特征向量输入第二或第Ξ个子分类器进行分类判 断，具体方法为： 首先将特征向量输入第一个子分类器， a.若第一个子分类器的分类结果为1，说明该绝缘子图像污秽级别在表面清洁和 轻度污染两个类别中，再将特征向量送入第二个子分类器进行分类，若第二个子分类器的 输出结果为1，说明该绝缘子表面清洁，若第二个子分类器的输出结果为-1，说明该绝缘子 轻度污染； b、若第一个子分类器的分类结果为-1，说明该绝缘子图像污秽级别在中度清洁和 重度污染两个类别中，再将特征向量送入第Ξ个子分类器进行分类，若第Ξ个子分类器的 输出结果为1，说明该绝缘子中度污染，若第Ξ个子分类器的输出结果为-1，说明该绝缘子 重度污染。 本专利技术的有益效果是:该方法根据不同污染状态下绝缘子图像颜色特征的不同， 利用机器学习方法，通过训练绝缘子图像状态检测模型，能快速有效地对绝缘子的污秽状 态(分为表面清洁、轻度污染、中度污染和重度污染四类)做出准确可靠分析，为及时清理绝 缘子污秽提供基础，W减少绝缘子污闪停电事故。【附图说明】 图1为训练绝缘子图像污秽检测分类模型流程图； 图2为K重交叉验证流程图； 图3为对待检测样本污秽状态检测分类流程图。【具体实施方式】 本专利技术旨在提出，解决传统技术中对绝缘子图 像污秽状态检测方案存在的检测步骤繁琐、安全性低、评判标准不具备自适应性的问题。 在具体实现上，本专利技术中的绝缘子图像污秽状态检测方法包括W下步骤：1、训练绝缘子图像污秽检测分类模型，其具体步骤如下： 1)污秽等级划分:本专利技术将绝缘子表面污秽等级划分为四类，分别是:本文档来自技高网...

【技术保护点】
一种绝缘子图像污秽状态检测方法，其特征在于，包括以下步骤：A、训练绝缘子图像污秽检测分类模型:A1、将绝缘子表面污秽等级划分为四种类别，分别是：表面清洁、轻度污染、中度污染以及重度污染；A2、搜集步骤A1中所划分的四种类别的绝缘子样本图像并进行伽马校正；A3、将步骤A2得到的绝缘子样本图像分别在HIS和RGB颜色空间进行分解，获得绝缘子样本图像的H、S、I、R、G、B六个通道颜色分量；A4、分别提取所有绝缘子样本图像在所述六个通道颜色分量的均值、方差、斜度和熵，并将提取的这些特征组成一个n*24维的数据集，其中n表示样本个数；A5、提取数据集中的有效特征，并组成三个子分类器训练集，每个子分类器训练集均由正样本和负样本组成，将正样本类别标签置为1，将负样本类别标签置为‑1；A6、分别对三个子分类器训练集中的数据进行训练，获得对应的三个子分类器模型；B、在进行绝缘子图像污秽状态检测时，输入待检测绝缘子彩色图像，利用训练好的三个子分类器进行分类，输出最终分类结果：B1、对待检测绝缘子彩色图像进行预处理；B2、对步骤B1经过预处理的绝缘子彩色图像分别在HSI和RGB颜色空间进行分解，得到绝缘子彩色图像的H、S、I、R、G、B六个通道颜色分量；B3、提取绝缘子彩色图像根据Fisher准则得到的在所述六个通道颜色分量上的m个特征，组成一个1*m维的特征向量；B4、将步骤B3获取的特征向量送入第一个子分类器进行分类，再根据分类结果有选择地将特征向量输入第二或第三个子分类器进行分类判断；B5、根据分类器分类结果输出绝缘子污秽等级。...

【技术特征摘要】

【专利技术属性】
技术研发人员：徐一丹，周剑，陆宏伟，龙学军，王时丽，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川;51