一种GIS内部典型缺陷图像自动识别方法技术

本申请实施例公开了一种GIS内部典型缺陷图像自动识别方法，包括获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。本申请实施例通过训练多类分类器对缺陷类型进行特征分类，然后筛选出满足缺陷类型特征的缺陷图像，从而确定缺陷图像类型，能够提高GIS设备检测的效率和精确性，实现在线监测。

【技术实现步骤摘要】
一种GIS内部典型缺陷图像自动识别方法
本申请涉及电气设备检测领域，尤其涉及一种GIS内部典型缺陷图像自动识别方法。
技术介绍
GIS(GasInsultedSwitchgear，气体绝缘全封闭组合电器)由于具有体积较小(相比敞开式电气设备)、占地面积少、受外界环境影响较小等优点，因此得到广泛应用。虽然GIS设备具有的优越性十分显著，但GIS设备一旦发生故障就会影响电网正常运行，特别是内部放电故障或者内部缺陷故障，涉及的停电范围有时就不单是发生故障的间隔、很有可能是相邻间隔，甚至整个变电站。及时确定GIS设备的故障原因并对其进行维修才能保证电网的安全稳定运行。现有技术中，在对GIS设备内部故障进行检测时，首先使用X光线对GIS设备进行照射，获得GIS设备各个部分的X光线检测图片，然后对X光线检测图片进行预处理，为确定缺陷类型做准备，随后维护人员对预处理后的X光线检测图片进行逐张观察，通过判断X光线检测图片中不同区域的灰度等数值确定GIS设备的内部故障原因。从上述对GIS设备内部故障进行检测的方法中可以看出，通过维护人员对X光线检测图片进行逐张观察来判断GIS设备缺陷类型，严重影响了GIS设备故障检测的效率，当发生大规模GIS故障时难以及时确定GIS设备缺陷类型，从而影响电网的及时修复，同时，通过人工观察X光线检测图片难以避免的会产生错误判断，影响了GIS设备故障检测的精确性。
技术实现思路
为克服相关技术中存在的问题，本申请提供了一种GIS内部典型缺陷图像自动识别方法。一种GIS内部典型缺陷图像自动识别方法，其特征在于，包括：获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。可选地，所述对所述缺陷图像进行预处理，获得目标图像包括：对所述缺陷图像进行图像灰度化处理，获得灰度图像；对所述灰度图像进行平滑处理，获得平滑灰度图像；对所述平滑灰度图像进行锐化处理，获得锐化灰度图像；对所述锐化灰度图像进行直方图均衡化处理，获得均衡化灰度图像；对所述均衡化灰度图像进行图像分割，提取出目标图像。可选地，所述对所述均衡化灰度图像进行图像分割包括：利用阈值分割方法将所述均衡化灰度图像分割为目标图像和背景图像。可选地，所述对所述目标图像进行特征提取包括：从所述目标图像中提取灰度特征、纹理特征和HOG方向梯度直方图特征，其中，所述灰度特征包括均值、方差、歪度、峭度和熵；所述纹理特征包括0°、45°、90°和135°四个方向上的灰度共生矩；所述HOG特征是通过计算所述目标图像的方向梯度直方图得到。可选地，所述从所述特征数据中提取特征向量包括：从所述特征数据中选取一组特征子集构成新的特征空间；通过主成分分析法从所述特征空间中找到一组方差最大的正交向量，作为特征向量。可选地，所述采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别包括：将所述特征向量作为识别样本；设置所述多类分类器的筛选分类为第一预设缺陷类型；将符合所述筛选分类的所述识别样本标记为1，不符合所述多类分类器筛选分类的所述识别样本标记为-1；将标记为1的识别样本进行显示；判断是否存在标记为-1的样本；如果存在标记为-1的样本，则重新设置所述多类分类器的筛选分类为第二预设缺陷类型，将所述标记为-1的样本作为所述多类分类器的输入，重新进行筛选。可选地，构造所述多类分类器的方法包括：构造K个SVM支持向量机模型，利用所述K个SVM模型组成多类分类器，其中，K为GIS设备所有内部缺陷类型的数量；用已知缺陷类型的历史缺陷图像对所述多类分类器进行训练；确定所述多类分类器的核函数和惩罚因子；对构造完的多类分类器进行测试。可选地，所述对构造完的多类分类器进行测试包括：选取预设数量的待检测缺陷图像输入所述多类分类器进行识别，获得识别类型；对所述预设数量的待检测缺陷图像进行人工识别，确定缺陷类型；将人工识别的所述缺陷类型与所述识别类型进行对比，确定多类分类器的识别精度；判断所述识别精度是否满足工作要求；如果所述识别精度不满足工作要求，则继续对所述多类分类器进行训练。本申请实施例提供的GIS内部典型缺陷图像自动识别方法，包括获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。本申请实施例通过训练多类分类器对缺陷类型进行特征分类，然后筛选出满足缺陷类型特征的缺陷图像，从而确定缺陷图像类型，能够实现GIS设备检测的效率和精确性，实现在线监测。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种GIS内部典型缺陷图像自动识别方法的流程示意图；图2为本申请实施例提供的一种图像预处理的流程示意图；图3为本申请实施例提供的一种多类分类器的识别方法流程示意图；图4为本申请实施例提供的一种多类分类器的构造方法流程图；图5为本申请实施例提供的一种多类分类器构造方法的测试流程图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。参见图1，本申请提供的一种GIS内部典型缺陷图像自动识别方法的流程示意图，如图1所示，本申请实施例提供的GIS内部典型缺陷图像自动识别方法，包括如下步骤：S1：获取缺陷图像。缺陷图像为X射线检测设备拍摄到的检测图像。缺陷图像尽可能的包括待检测GIS设备全方位的检测信息，从而保证可以准确的判断GIS的故障类型。S2:对所述缺陷图像进行预处理，获得目标图像。不可避免的，在用X射线检测装置对GIS设备进行检测时会将周围的景物拍摄进去，造成在一幅检测图像中会存在大量的干扰因素，从而影响检测质量，也增加了检测的负担。图像的预处理具体方法参见图2，为本申请实施例提供的图像预处理的流程示意图，如图2所示，图像预处理的过程包括如下步骤：S201：对所述缺陷图像进行图像灰度化处理，获得灰度图像。在对缺陷图像进行图像灰度化处理时，可以利用OpenCV(OpenSourceComputerVisionLibrary，开源计算机视觉库)软件中的cvCvtColor函数来实现RGB(Red，Green，Blue，红、绿、蓝)颜色向灰度图像的转化。由于在进行检测时颜色并不会对缺陷类型造成影响，因此不需要在RGB三个分量上进行计算，将图像转换成灰度图像可以减少后续计算的步骤，提高检测效率。S202：对所述灰度图像进行平滑处理，获得平滑灰度图像。利用OpenCV软件中的cvSmooth函数，选择3*3的模板对图像进行中值滤波来实现图像的平滑处理。缺陷图像会经过采集、处理、存储和传输等一系本文档来自技高网...

【技术保护点】
一种GIS内部典型缺陷图像自动识别方法，其特征在于，包括：获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。

【技术特征摘要】
1.一种GIS内部典型缺陷图像自动识别方法，其特征在于，包括：获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。2.如权利要求1所述的方法，其特征在于，所述对所述缺陷图像进行预处理，获得目标图像包括：对所述缺陷图像进行图像灰度化处理，获得灰度图像；对所述灰度图像进行平滑处理，获得平滑灰度图像；对所述平滑灰度图像进行锐化处理，获得锐化灰度图像；对所述锐化灰度图像进行直方图均衡化处理，获得均衡化灰度图像；对所述均衡化灰度图像进行图像分割，提取出目标图像。3.如权利要求2所述的方法，其特征在于，所述对所述均衡化灰度图像进行图像分割包括：利用阈值分割方法将所述均衡化灰度图像分割为目标图像和背景图像。4.如权利要求1所述的方法，其特征在于，所述对所述目标图像进行特征提取包括：从所述目标图像中提取灰度特征、纹理特征和HOG方向梯度直方图特征，其中，所述灰度特征包括均值、方差、歪度、峭度和熵；所述纹理特征包括0°、45°、90°和135°四个方向上的灰度共生矩；所述HOG特征是通过计算所述目标图像的方向梯度直方图得到。5.如权利要求1所述的方法，其特征在于，所述从所述特征数据中提取特征向量包括：从所述特征数据中选取一组特征子集构成新的特征空间；通过主成分分析法从所述特征空...

【专利技术属性】
技术研发人员：刘荣海，于虹，杨迎春，郭新良，吴章勤，李志翔，许宏伟，郑欣，周静波，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南,53