The invention discloses a method for diagnosing defects based on insulator image, which includes the following steps: denoising the insulator image with Gauss low-pass filter to remove noise pixels in the image; clustering the denoised image with color channel weighted super-pixels to segment the image into certain super-pixels; dividing the processed image into training set and test set and adding labels. Then, the support vector machine (SVM) algorithm is used to classify the images, and the prediction results are obtained. The method of the invention can fully improve the speed of identifying insulator defects without reducing the recognition rate, has a certain value for improving the efficiency of electric power patrol inspection and reducing the cost, and has a certain significance for ensuring the safe operation of the power grid.
【技术实现步骤摘要】
基于超像素分割图像识别的绝缘子缺陷检测方法
本专利技术涉及图像识别
,具体涉及基于超像素分割的绝缘子缺陷检测方法。
技术介绍
随着电力系统规模的日益发展,对电力线路的安全运行和供电可靠性的要求越来越高。电力线路在电网中起重要的作用,其安全稳定运行对保证电网结构的完整性起着决定性作用。绝缘子作为架空输电线路中的重要组成,是电力巡检工作的重点之一,因此高效、准确的绝缘子缺陷检测方法需求愈加迫切。传统的绝缘子缺陷检测通常是由检修员沿线逐塔巡视,这种方法虽然简单,但效率低、周期长、劳动强度大、费用高且危险性大。近年来,借助图像设备的巡检方法逐渐得到普及,巡检人员借助无人机等工具对线路拍摄照片在地面进行检测,但大多数绝缘子的缺陷诊断是由巡检人员依赖经验判断,仍会发生疏漏或误判、并且耗费大量的人力物力,并效率未得到提高,存在检测时间长、实时性差等诸多问题。随着电网朝着智能化方向发展,电力巡检也朝着自动化方向发展,渐渐将图像识别技术运用于绝缘子缺陷检测中。输电线路绝缘子的缺陷检测主要是将图像分为异常和正常两类,在众多分类算法中,现有技术已具有一定的分类效果,但是其或使用高分辨的绝缘子原始图像进行识别,给处理设备的计算速度带来了很大考验、并且实时性不佳;或对绝缘子原始图像进行压缩,利用低分辨率图像进行识别,这虽然保证了速度却又大大降低了识别率,上述问题都在一定程度上阻碍了图像识别技术的发展和在相关领域的应用。
技术实现思路
为了解决传统电力巡检和现有绝缘子缺陷检测技术中的一些不足,本专利技术提出一种基于超像素分割图像识别的绝缘子缺陷检测方法,利用本专利技术方法,可在不降 ...
【技术保护点】
1.一种基于超像素分割图像识别的绝缘子缺陷检测方法,其特征在于,包括以下步骤:步骤1:采集n张分辨率相同的绝缘子的原图像,进行去噪预处理;步骤2:根据n张绝缘子图像集合的复杂度,指定其分类数K,得到K个初始的超像素;步骤3:将K个初始的超像素中心点在间隔A个像素的规则栅格上进行分布,分布的原则是产生相等大小的超像素;步骤4:调整每个初始的超像素中心点位置,使中心点移动到其所在邻域内的梯度最小的像素点上;步骤5:针对每一个超像素中心点ζi,遍历在2A×2A的范围内的所有像素点,并进行如下操作:如果一个超像素点到超像素中心ζ的距离d小于这个超像素点到它原属于的初始超像素中心ζ′的距离d′,则这个点属于该超像素中心ζ所对应的超像素;遍历后得到超像素中心ζi的聚类区域Si以及Si所包含的像素数量Ni;步骤6:针对聚类区域Si中每个超像素区域,重新计算得到每个超像素区域的超像素中心ζi;步骤7:迭代步骤5~6,直至每个超像素区域的超像素中心ζi收敛或者达到预设迭代数;重新确定每个超像素区域的超像素中心,并以此得到K个更新后的超像素区域;步骤8:将更新后的超像素分别在RGB色彩空间的r通道、g通道 ...
【技术特征摘要】
1.一种基于超像素分割图像识别的绝缘子缺陷检测方法,其特征在于,包括以下步骤:步骤1:采集n张分辨率相同的绝缘子的原图像,进行去噪预处理;步骤2:根据n张绝缘子图像集合的复杂度,指定其分类数K,得到K个初始的超像素;步骤3:将K个初始的超像素中心点在间隔A个像素的规则栅格上进行分布,分布的原则是产生相等大小的超像素;步骤4:调整每个初始的超像素中心点位置,使中心点移动到其所在邻域内的梯度最小的像素点上;步骤5:针对每一个超像素中心点ζi,遍历在2A×2A的范围内的所有像素点,并进行如下操作:如果一个超像素点到超像素中心ζ的距离d小于这个超像素点到它原属于的初始超像素中心ζ′的距离d′,则这个点属于该超像素中心ζ所对应的超像素;遍历后得到超像素中心ζi的聚类区域Si以及Si所包含的像素数量Ni;步骤6:针对聚类区域Si中每个超像素区域,重新计算得到每个超像素区域的超像素中心ζi;步骤7:迭代步骤5~6,直至每个超像素区域的超像素中心ζi收敛或者达到预设迭代数;重新确定每个超像素区域的超像素中心,并以此得到K个更新后的超像素区域;步骤8:将更新后的超像素分别在RGB色彩空间的r通道、g通道、b通道上提取特征;并对提取特征进行归一化处理,由此得到绝缘子图像的特征向量Xi;步骤9:根据每张绝缘子超像素的缺陷情况给其对应的特征向量Xi加入标签yi∈{-1,1},其中yi=-1表示第i幅超像素图像的绝缘子形态正常,yi=1则表示第i幅超像素图像的绝缘子具有缺陷,由此建立样本数据集步骤10:将数据集D分层随机采样划分为k个大小相同的互斥子集;步骤11:将数据集的子集D1作为测试集,其余子集{D2,D3,···,Dn}作为训练集;步骤12:将训练集输入选定的支持向量机分类器,且选定核函数,并根据所选择的支持向量机分类器和核函数确定需要调整的参数,利用训练集训练后得到支持向量机分类器模型;步骤13:将测试集输入训练好的支持向量机分类器模型,获得分类结果,根据支持向量机分类器模型的输出预测图像绝缘子的缺陷情况;步骤14:依次将数据集D中除子集D1以外的一个子集作为一次测试集,剩余的子集作为训练集,重复k-1次进行步骤12~13,评估模型并进行参数整定;步骤15:重新随机将数据集D分层并随机采样划分为k个大小相同的互斥子集,重复p-1次进行步骤11~14,评估模型并进行参数整定;步骤16:重复步骤10~15进行p次k折交叉验证参数寻优,得到训练好的绝缘子缺陷识别模型;步骤17:将绝缘子超像素图像输入训练好的绝缘子缺陷识别模型进行绝缘子缺陷检测。2.根据权利要求1所述的基于超像素分割图像识别的绝缘子缺陷检测方法,其特征在于,步骤1中去噪预处理具体步骤为:对原图像进行离散傅里叶变换,二维离散傅里叶变换公式如下:其中F(u,v)为傅里叶变换结果即图像频域函数,u和v为频率分量,f(x,y)为...
【专利技术属性】
技术研发人员:马超,党文强,汪峰,李晨,彭杨,黄振刚,李杰义,杨畅,孙荣,马金全,徐虎刚,
申请(专利权)人:国家电网有限公司,国网陕西省电力公司安康供电公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。