复合绝缘子憎水性检测方法、装置、介质和设备制造方法及图纸

本发明专利技术公开了一种复合绝缘子憎水性检测方法、装置、介质和设备，该方法获取到训练样本，通过喷水分级法获取到训练样本的憎水等级，同时采集各训练样本喷水后的图像，作为训练样本图像；针对于训练样本图像提取特征向量，然后通过训练样本训练神经网络模型，得到憎水性检测模型；针对于要进行憎水性检测的复合绝缘子，采集其喷水后的图像，作为测试样本图像；从测试样本图像中提取出特征向量，然后将特征向量输入到憎水性检测模型检测出对应的憎水等级。本发明专利技术复合绝缘子憎水性，能够消除了人为主观因素的影响，提高了憎水等级检测的准确性；同时具有操作简单以及能够避免现有试验方法导致的人工污秽。

【技术实现步骤摘要】
复合绝缘子憎水性检测方法、装置、介质和设备
本专利技术属于输电线路设备性能检测领域，特别涉及一种复合绝缘子憎水性检测方法、装置、介质和设备。
技术介绍
绝缘子是指安装在不同电位的导体或导体与接地构件之间的能够耐受电压和机械应力作用的器件，它是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用。早年间绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的。绝缘子不应该由于环境和电负荷条件发生变化导致的各种机电应力而失效，否则绝缘子就不会产生重大的作用，就会损害整条线路的使用和运行寿命。硅橡胶复合绝缘子因其优良的憎水性和憎水迁移特性而表现出远优于瓷和玻璃绝缘子的防污闪性能，被广泛应用于输电线路中。运行经验表明，随着运行时间的增加，在雨雪、冰霜、高低温、紫外线、电场和化学腐蚀等多种因素的综合作用下，复合绝缘子硅橡胶伞裙将逐渐老化导致憎水性下降乃至完全丧失，防污闪性能大大降低，引发电网污闪事故。为保障输电线路安全可靠运行，有必要对运行复合绝缘子憎水性开展检测分析。喷水分级法是对复合绝缘子进行喷水获得表面水滴状态图，和STRI给出的标准图进行对比，得到绝缘子的憎水等级。该法所需设备简单，操作方便，成为复合绝缘子憎水性检测的常用方法。但这种方法受主观因素影响较大，不利于快速准确判定绝缘子的憎水等级。
技术实现思路
本专利技术的第一目的在于克服现有技术的缺点与不足，提供一种复合绝缘子憎水性检测方法，该检测方法能够消除人为主观因素的影响，有效提高了复合绝缘子憎水性检测的准确度。本专利技术的第二目的在于提供一种复合绝缘子憎水性检测装置。本专利技术的第三目的在于提供一种存储介质。本专利技术的第四目的在于提供一种计算设备。本专利技术的第一目的通过下述技术方案实现：一种复合绝缘子憎水性检测方法，该方法包括：步骤S1、获取训练样本，构建训练样本集；具体为：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；步骤S2、针对训练样本集中的各训练样本，通过喷水分级法获取到其憎水等级；同时采集各训练样本喷水后的图像，作为训练样本图像；步骤S3、针对于训练样本图像，进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；步骤S4、将从各训练样本图像中提取出的特征向量作为输入，以各训练样本的憎水等级作为标签，对神经网络模型进行训练，将训练后的神经网络模型作为憎水性检测模型；步骤S5、针对于要检测憎水性的复合绝缘子，获取该复合绝缘子喷水后的图像，作为测试样本图像；步骤S6、针对于测试样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；步骤S7、将测试样本图像中提取出的特征向量输入到憎水性检测模型中，通过憎水性检测模型检测出憎水等级。优选的，步骤S1中，针对于复合绝缘子试品，进行清洗后采用蒸馏水浸泡48～96个小时。优选的，针对于训练样本图像和测试样本图像进行如下图像处理：首先对图像依次进行灰度化处理和同态滤波处理；然后根据上述处理后出现的缺陷进行直方图均衡化处理；最后基于canny算子从图像中切割水珠的边缘，分割出图像中的水珠。优选的，针对于训练样本图像和测试样本图像，通过matlab软件进行图像处理；所述神经网络模型为BP神经网络模型。本专利技术的第二目的通过下述技术方案实现：一种复合绝缘子憎水性检测装置，包括：训练样本图像获取模块，用于获取训练样本喷水后的图像，作为训练样本图像；所述训练样本通过以下方式获取到：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；训练样本憎水等级获取模块，用于通过喷水分级法获取训练样本憎水等级；第一图像处理模块，用于针对训练样本图像进行图像处理；第一特征提取模块，用于在训练样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；憎水性检测模型构建模块，用于将各训练样本图像的特征向量作为输入，以各训练样本的憎水等级作为标签，对神经网络模型进行训练，将训练后的神经网络模型作为憎水性检测模型；测试样本图像获取模块，用于针对于要检测憎水性的复合绝缘子，获取该复合绝缘子喷水后的图像，作为测试样本图像；第二图像处理模块，用于针对测试样本图像进行图像处理；第二特征提取模块，用于在测试样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；憎水性检测模块，用于将测试样本图像中提取出的特征向量输入到憎水性检测模型中，检测出憎水等级。优选的，所述第一图像处理模块包括第一灰度化处理模块、第一同态滤波处理模块、第一直方图均衡化处理和第一图像分割模块；其中：第一灰度化处理模块，用于对训练样图像进行灰度化处理；第一同态滤波处理模块，用于针对第一灰度化处理模块处理后的图像进行同态滤波处理；第一直方图均衡化处理，用于将第一同态滤波处理模块处理后的图像中出现的缺陷进行直方图均衡化处理；第一图像分割模块，针对于第一直方图均衡化模块处理后的图像，采用基于canny算子从图像中切割水珠的边缘，分割出图像中的水珠；所述第二图像处理模块包括第二灰度化处理模块、第二同态滤波处理模块、第二直方图均衡化处理和第二图像分割模块；其中：第二灰度化处理模块，用于对训练样图像进行灰度化处理；第二同态滤波处理模块，用于针对第二灰度化处理模块处理后的图像进行同态滤波处理；第二直方图均衡化处理，用于将第二同态滤波处理模块处理后的图像中出现的缺陷进行直方图均衡化处理；第二图像分割模块，针对于第二直方图均衡化模块处理后的图像，采用基于canny算子从图像中切割水珠的边缘，分割出图像中的水珠。本专利技术的第三目的通过下述技术方案实现：一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现如下复合绝缘子憎水性检测方法：获取训练样本喷水后的图像，作为训练样本图像；其中训练样本为通过以下方式获取到：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；通过喷水分级法获取到训练样本憎水等级；针对训练样本图像进行图像处理；在训练样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、本文档来自技高网...

【技术保护点】
1.一种复合绝缘子憎水性检测方法，其特征在于，该方法包括：/n步骤S1、获取训练样本，构建训练样本集；具体为：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；/n步骤S2、针对训练样本集中的各训练样本，通过喷水分级法获取到其憎水等级；同时采集各训练样本喷水后的图像，作为训练样本图像；/n步骤S3、针对于训练样本图像，进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；/n步骤S4、将从各训练样本图像中提取出的特征向量作为输入，以各训练样本的憎水等级作为标签，对神经网络模型进行训练，将训练后的神经网络模型作为憎水性检测模型；/n步骤S5、针对于要检测憎水性的复合绝缘子，获取该复合绝缘子喷水后的图像，作为测试样本图像；/n步骤S6、针对于测试样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；/n步骤S7、将测试样本图像中提取出的特征向量输入到憎水性检测模型中，通过憎水性检测模型检测出憎水等级。/n...

【技术特征摘要】
1.一种复合绝缘子憎水性检测方法，其特征在于，该方法包括：
步骤S1、获取训练样本，构建训练样本集；具体为：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；
步骤S2、针对训练样本集中的各训练样本，通过喷水分级法获取到其憎水等级；同时采集各训练样本喷水后的图像，作为训练样本图像；
步骤S3、针对于训练样本图像，进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；
步骤S4、将从各训练样本图像中提取出的特征向量作为输入，以各训练样本的憎水等级作为标签，对神经网络模型进行训练，将训练后的神经网络模型作为憎水性检测模型；
步骤S5、针对于要检测憎水性的复合绝缘子，获取该复合绝缘子喷水后的图像，作为测试样本图像；
步骤S6、针对于测试样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；
步骤S7、将测试样本图像中提取出的特征向量输入到憎水性检测模型中，通过憎水性检测模型检测出憎水等级。


2.根据权利要求1所述的复合绝缘子憎水性检测方法，其特征在于，步骤S1中，针对于复合绝缘子试品，进行清洗后采用蒸馏水浸泡48～96个小时。


3.根据权利要求1所述的复合绝缘子憎水性检测方法，其特征在于，针对于训练样本图像和测试样本图像进行如下图像处理：
首先对图像依次进行灰度化处理和同态滤波处理；
然后根据上述处理后出现的缺陷进行直方图均衡化处理；
最后基于canny算子从图像中切割水珠的边缘，分割出图像中的水珠。


4.根据权利要求1所述的复合绝缘子憎水性检测方法，其特征在于，针对于训练样本图像和测试样本图像，通过matlab软件进行图像处理；
所述神经网络模型为BP神经网络模型。


5.一种复合绝缘子憎水性检测装置，其特征在于，包括：
训练样本图像获取模块，用于获取训练样本喷水后的图像，作为训练样本图像；所述训练样本通过以下方式获取到：首先获取多个复合绝缘子试品，进行清洗后采用水浸泡一定时间，然后将浸泡后的各复合绝缘子试品取出，分别晾干相应的时间，得到各种憎水等级的复合绝缘子试品，作为各训练样本；
训练样本憎水等级获取模块，用于通过喷水分级法获取训练样本憎水等级；
第一图像处理模块，用于针对训练样本图像进行图像处理；
第一特征提取模块，用于在训练样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；
憎水性检测模型构建模块，用于将各训练样本图像的特征向量作为输入，以各训练样本的憎水等级作为标签，对神经网络模型进行训练，将训练后的神经网络模型作为憎水性检测模型；
测试样本图像获取模块，用于针对于要检测憎水性的复合绝缘子，获取该复合绝缘子喷水后的图像，作为测试样本图像；
第二图像处理模块，用于针对测试样本图像进行图像处理；
第二特征提取模块，用于在测试样本图像进行图像处理后提取出以下特征向量：水珠占绝缘子表面积的比值、最大水珠的形状因子、最大水珠占绝缘子表面积的比值以及最大水珠的长轴；
憎水性检测模块，用于将测试样本图像中提取出的特征向量输入到憎水性检测模型中，检测出憎水等级。


6.根据权利要求5所述的复合绝缘子憎水性检测装置，其特征在于，所述第一图像处理模块包括第一灰度化处理模块、第一同态滤波处理模块、第一直方图均衡化处理和第一图像分割模块；其中：
第一灰度化处理模块，用于对训练样图像进行灰度化处理；
第一同态滤波处理模块，...

【专利技术属性】
技术研发人员：郝艳捧，毕继凯，阳林，况志强，孙艺杰，廖一帆，张福增，
申请(专利权)人：华南理工大学，南方电网科学研究院有限责任公司，中国南方电网有限责任公司电网技术研究中心昆明特高压实验室，
类型：发明
国别省市：广东;44