一种基于色彩特征的瓷质绝缘子灰密程度检测方法技术

本发明专利技术公开了一种基于色彩特征的瓷质绝缘子灰密程度检测方法，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对思维进化算法MEA优化BP神经网络进行训练，用测试集数据进行仿真预测并判断准确率，可以实现绝缘子污秽等级的非接触、在线高效检测。本发明专利技术一种基于色彩特征的瓷质绝缘子灰密程度检测方法，解决了现有灰密程度检测方法无法在线检测的问题。

A method for detecting the degree of grey density of porcelain insulators based on color characteristics

The invention discloses a detection method of porcelain insulator ash color feature density based on the color image channel conversion component H after using two-dimensional minimum error segmentation method to extract insulator surface area combined with morphological filtering, and then extract the mean value, the six channel disk area, maximum and minimum variance and gray anisotropy specifically, the 7 gray entropy feature and Fisher criterion function selected feature classification ability as gray density discriminant features, the training set of discriminant features as input, degree of dust density as output to train the BP neural network optimization evolutionary algorithm MEA simulation and prediction accuracy test set data, on-line and non-contact, insulator pollution level detection can be achieved. The invention relates to a method for detecting the ash tightness of porcelain insulators based on the color characteristics, which solves the problem that the existing ash density detection method can not be on-line detected.

【技术实现步骤摘要】
一种基于色彩特征的瓷质绝缘子灰密程度检测方法
本专利技术属于输电线路图像处理
，具体涉及一种基于色彩特征的瓷质绝缘子灰密程度检测方法。
技术介绍
绝缘子是高压输电线路中起着支撑与绝缘作用的重要部件，其工作状态直接关系到整个电力系统的安全稳定运行。由于受到空气中尘埃等污染物的长期作用，绝缘子表面会形成污秽层。空气湿度较大时污秽层吸收水分导致绝缘子外绝缘强度显著下降，极易发生污闪事故，造成大面积停电。如何准确、简便、可靠地实现绝缘子污秽检测是电力部门关心的重要问题，也是当前学术界的研究热点。目前，绝缘子污秽检测方法主要有等值附盐密度法、泄漏电流法和红外测温法等。等值附盐密度法由于污秽采样需要停电，且操作流程复杂，难以实现污秽等级的高效、在线检测。由于在低环境湿度条件下泄漏电流与发热现象均不明显，故泄漏电流法和红外测温法这两种方法需要在较高湿度条件下使用。利用可见光图像检测绝缘子污秽具有无需停电、非接触测量、不受温度和湿度等环境因素影响的优点，绝缘子表面灰密程度的差异在图像上表现为盘面区域色彩的不同，所以根据绝缘子盘面区域图像色彩的差异可以用来判断绝缘子灰密程度。
技术实现思路
本专利技术的目的是提供一种基于色彩特征的瓷质绝缘子灰密程度检测方法，解决了现有灰密程度检测方法无法非接触、在线高效检测的问题。本专利技术所采用的技术方案是，一种基于色彩特征的瓷质绝缘子灰密程度检测方法，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对思维进化算法MEA优化BP神经网络进行训练，用测试集数据进行仿真预测并判断准确率，可以实现绝缘子灰密程度的非接触、在线高效检测。本专利技术的特点还在于：一种基于色彩特征的瓷质绝缘子灰密程度检测方法，具体按照以下步骤实施：步骤1：将采集到的绝缘子彩色图像通道分解并转换，用二维最小误差法对H分量进行分割提取出绝缘子区域，然后采用形态学滤波消除干扰小区域及绝缘子之间的孔洞；步骤2：分别提取绝缘子盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征作为原始特征量，然后采用Fisher准则函数筛选出分类能力较强的特征作为灰密程度判别特征；步骤3：将步骤2中得到的N个训练样本的判别特征作为思维进化算法优化BP神经网络的输入，灰密程度作为输出，训练得到可见光灰密程度判别神经网络；步骤4：对步骤3中得到的MEA优化BP神经网络进行仿真测试，将步骤2中得到的M个测试样本的判别特征作为输入，得到输出的判别灰密程度。步骤1中二维最小误差法公式如下：其中，P0(s,t)，P1(s,t)表示先验概率，δ00(s,t)，δ01(s,t)，δ10(s,t)，δ11(s,t)表示正态分布方差，ρ0(s,t)，ρ1(s,t)表示相关系数；当取最小值时获得最佳阈值：步骤1中分割后图像有一些干扰小区域，且绝缘子片之间有一定的孔洞，对分割后的区域进行连通域标记，通过对二值图像中白色像素进行标记，让每个单独的连通区域形成一个被标识的块，进一步获取这些块的轮廓、外接矩形、质心、面积等几何参数，通过面积参数去除干扰小区域，筛选出绝缘子所在区域，然后利用形态学滤波对图像进行处理，得到干净的绝缘子盘面区域。步骤2具体为：将绝缘子盘面区域分解为R、G、B、H、S、I六个通道，分别提取六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征作为原始特征量，故总共可以得到42个特征量，然后采用Fisher准则函数进行筛选，Fisher准则函数筛选原理是分类能力强的特征类内方差应尽量小，类间方差应尽量大，函数值越大表示该特征的可分性越好；定义数据集Ω中一共有N个样本分别属于n个类L1,L2,...Ln，每类包含Ni个样本，和分别为样本的第j维特征的类间方差和类内方差，表达式如下：上式中，表示第i类样本第j维特征的均值，mj表示全部样本第j维特征的均值，aj表示样本a的第j维特征；单个特征的Fisher准则函数为：某维特征的Fisher准则函数值F越大，表示该维特征的可分性越好；筛选F值最大的三个特征量S均值、S最大值和S方差作为灰密程度判别特征来对灰密程度进行分类。步骤3具体为：步骤3.1：获取N个训练样本的输入和输出数据，并对输入数据进行归一化；步骤3.2：根据BP神经网络的拓扑结构3-7-5，将解空间映射到编码空间，编码长度S＝S1×S2+S2×S3+S2+S3，其中S1为输入层节点数，S2为隐含层节点数，S3为输出层节点数，编码长度即权值和阈值的总个数；步骤3.3：设置迭代次数为20，种群大小为200，优胜子种群大小和临时子种群大小均为5，定义一个得分函数val＝1/mse(T-Tout)，其中T为期望输出，Tout为每次迭代后输出层的输出值，SE为均方误差；根据得分筛选出得分最高的5个优胜个体和5个临时个体并以此为中心产生5个优胜子种群和5个临时子种群；步骤3.4：在各个子群体内部执行趋同操作直至该子群体成熟，计算该子群体内最优个体的得分，将各个子群体内最优个体的得分在全局公告板上张贴，子群体之间执行异化操作，从而得到全局最优个体及其得分；步骤3.5：若不满足迭代结束条件，返回步骤3.4继续执行，不断迭代，直到迭代结束后输出最优个体并进行解码，产生BP神经网络的初始权值和阈值，然后利用步骤3.1中产生的输入和输出数据对BP神经网络进行训练，得到灰密程度判别神经网络。本专利技术的有益效果是：本专利技术基于色彩特征的瓷质绝缘子灰密程度检测方法，将采集到的绝缘子图像转换为H分量图像后，考虑到最小误差法受目标大小影响小、精度高和速度快的优点，二维直方图可以充分利用图像信息，受噪声干扰小的优点，采用二维最小误差法对图像进行分割提取绝缘子区域，并结合形态学滤波去除干扰小区域和绝缘子之间的孔洞，得到清晰完整的绝缘子盘面区域，有利于后续的颜色特征提取。分别计算每级图像中六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征作为原始特征量，采用Fisher准则选择分类能力较强的特征作为灰密程度判别特征。思维进化算法(MEA)优化BP神经网络可以记忆不止一代的进化信息，指导趋同与异化向着有利的方向进行，利用其全局搜索性优化BP神经网络中的初始权值和阈值，比单一的BP神经网络预测精度有很大提高。附图说明图1是本专利技术灰密程度检测方法的流程图；图2是本专利技术灰密程度检测方法中不同灰密程度绝缘子图像三维特征分布图；图3是本专利技术灰密程度检测方法中MEA优化BP神经网络流程图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。本专利技术一种基于色彩特征的瓷质绝缘子灰密程度检测方法，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对本文档来自技高网...

【技术保护点】
一种基于色彩特征的瓷质绝缘子灰密程度检测方法，其特征在于，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对思维进化算法MEA优化BP神经网络进行训练，用测试集数据进行仿真预测并判断准确率，可以实现绝缘子污秽等级的非接触、在线高效检测。

【技术特征摘要】
1.一种基于色彩特征的瓷质绝缘子灰密程度检测方法，其特征在于，将彩色图像通道转换得到H分量后用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域，然后提取盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征量并用Fisher准则函数筛选出分类能力强的特征作为灰密程度判别特征，最后将训练集的判别特征作为输入，灰密程度作为输出对思维进化算法MEA优化BP神经网络进行训练，用测试集数据进行仿真预测并判断准确率，可以实现绝缘子污秽等级的非接触、在线高效检测。2.根据权利要求1所述的一种基于色彩特征的瓷质绝缘子灰密程度检测方法，其特征在于，具体按照以下步骤实施：步骤1：将采集到的绝缘子彩色图像通道分解并转换，用二维最小误差法对H分量进行分割提取出绝缘子区域，然后采用形态学滤波消除干扰小区域及绝缘子之间的孔洞；步骤2：分别提取绝缘子盘面区域六个通道的均值、最大值、最小值、极差、方差、灰度各向异性、灰度熵7个特征作为原始特征量，然后采用Fisher准则函数筛选出分类能力较强的特征作为灰密程度判别特征；步骤3：将步骤2中得到的N个训练样本的判别特征作为思维进化算法优化BP神经网络的输入，灰密程度作为输出，训练得到可见光灰密程度判别神经网络；步骤4：对步骤3中得到的MEA优化BP神经网络进行仿真测试，将步骤2中得到的M个测试样本的判别特征作为输入，得到输出的判别灰密程度。3.根据权利要求2所述的一种基于色彩特征的瓷质绝缘子灰密程度检测方法，其特征在于，所述步骤1中二维最小误差法公式如下：其中，P0(s,t)，P1(s,t)表示先验概率，δ00(s,t)，δ01(s,t)，δ10(s,t)，δ11(s,t)表示正态分布方差，ρ0(s,t)，ρ1(s,t)表示相关系数；当取最小值时获得最佳阈值：4.根据权利要求2所述的一种基于色彩特征的瓷质绝缘子灰密程度检测方法，其特征在于，所述步骤1中分割后图像有一些干扰小区域，且绝缘子片之间有一定的孔洞，对分割后的区域进行连通域标记，通过对二值图像中白色像素进行标记，让每个单独的连通区域形成一个被标识的块，进一步获取这些块的轮廓、外接矩形、质心、面积等几何参数，通过面积参数去除...

【专利技术属性】
技术研发人员：黄新波，杨璐雅，张烨，张慧莹，刘成，周岩，张峻歆，黄典庆，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西,61