一种基于机器学习的绝缘子缺陷自动检测方法技术

本发明专利技术公开了高压输变电领域设备运行状态检修领域，尤其涉及一种基于机器学习的绝缘子缺陷自动检测方法，其技术方案是，通过无人机航拍获取高压输电设备中绝缘图像，通过基于颜色信息的实现绝缘子区域的正确定位方法，采用基于纹理特征分类方法实现绝缘子缺陷的准确检测。本发明专利技术能准确识别处无人机航拍图像中高压输电中绝缘子缺陷自动检测，为绝缘子的维修提供必要的技术支持。

【技术实现步骤摘要】
一种基于机器学习的绝缘子缺陷自动检测方法技术邻域本专利技术属于高压输变电领域设备运行状态检修领域，其涉及一种基于机器学习的绝缘子缺陷自动检测方法。
技术介绍
目前，中国电网规模已经超过美国，居世界第一，绝缘子是高压输变电领域设备的关键部件之一,其性能优劣直接影响到整条输电线路的运行安全.近年来,我国电力系统向着超高压、特高压、大容量方向发展,为绝缘子行业的发展带来了巨大的机遇。绝缘子在高压传输线路中被越来越广泛的使用。在电网设备上的绝缘子由于长期暴露在自然环境下,时间长后容易出现开裂，污损和缺失等缺陷,这些缺陷会严重影响绝缘子的正常工作。目前国内外高压输变电线路铁塔上的绝缘子的缺陷检测主要通过采集图像后，采用传统的人工肉眼检测的方法,人工检测会影响缺陷识别的效率，同时检测率也会因人而异。
技术实现思路
1.专利技术要解决的技术问题针对现有无人机巡检高压输变电中绝缘子的缺陷检测中无法进行自动识别的问题，本专利技术提供了基于机器学习的绝缘子缺陷自动检测方法。采用本专利技术的技术方案，可以满足绝大多数的高压输变电中绝缘子缺陷自动检测，为绝缘子的维修提供必要的技术支持。2.技术方案为达到上述目的，本专本文档来自技高网...

【技术保护点】
一种基于机器学习的绝缘子缺陷自动检测方法，该方法设计了基于颜色信息的绝缘子定位方法和基于纹理特征的绝缘子缺陷检测的方法，具体包括以下步骤：1：图像采集。利用无人机对自然环境下的高压输电铁塔中的绝缘子进行拍摄，获取绝缘子的彩色RGB图像。2：颜色归一化。将绝缘子的彩色RGB图像按照下面公式转换成归一化的红/绿图像ΩRG：

【技术特征摘要】
1.一种基于机器学习的绝缘子缺陷自动检测方法，该方法设计了基于颜色信息的绝缘子定位方法和基于纹理特征的绝缘子缺陷检测的方法，具体包括以下步骤：1：图像采集。利用无人机对自然环境下的高压输电铁塔中的绝缘子进行拍摄，获取绝缘子的彩色RGB图像。2：颜色归一化。将绝缘子的彩色RGB图像按照下面公式转换成归一化的红/绿图像ΩRG：其中，ΩRG图像中每一点的像素值为该点在原始图像中R分量占总分量的比例值和R分量占总分量的比例值中的最大值。其中总分量为该点在原始图像中R分量、G分量和B分量之和。3：区域生长。对ΩRG图像进行区域生长操作生成ΩTH，进而使得绝缘子主体成分连接为一体。4：MSER检测。对ΩTH图像进行最大稳定极值区域(MSER)检测，获取绝缘子所在原始图像中的候选矩形区域R。5：利用分类器检测候选区域是否为绝缘子区域。对绝缘子所在的候选矩形区域R计算HOG特征，并将HOG特征输入到SVM分类器...

【专利技术属性】
技术研发人员：霍滨焱，龙海生，
申请(专利权)人：北京海风智能科技有限责任公司，
类型：发明
国别省市：北京,11