【技术实现步骤摘要】
一种基于混合蚁群算法的绝缘子轮廓检测方法
本专利技术属于绝缘子图像识别
，具体涉及一种基于混合蚁群算法的绝缘子轮廓检测方法。
技术介绍
当前，我国电网规模持续扩大，绝缘子作为电力系统中的故障多发器件，一定程度上决定着输电线路是否可以安全运行，因此，作为对绝缘子运行状态检测的前提，绝缘子的轮廓检测一直都是研究的热点；传统的绝缘子轮廓检测方法通常是地面目测法，这种方法不仅准确率低，而且耗费大量的时间成本和人力物力；近年来，随着无人机技术和图像识别技术的不断发展，无人机巡检在电力系统中的应用逐渐普及，通过无人机拍摄的图像进行绝缘子轮廓检测具有识别成功率高、节省人力物力以及可以应用于复杂环境等优点，但无人机拍摄的绝缘子图像通常分辨率低、噪声大，传统的图像分割方法精度和适用性方面都受到了限制。随着人工智能的不断发展，多种智能算法可以应用于绝缘子轮廓检测技术中。在众多算法中，蚁群算法因其较强的搜索能力，在图像分割领域效果较好，但是其算法性能受初始参数影响较大，而初始参数又通常是由大量实验参数修正得到的，有较大的不确定性。<...
【技术保护点】
1.一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，包括以下步骤：/n步骤1：采集绝缘子图像；/n步骤2：将步骤1采集的绝缘子图像按下式进行灰度化，得到灰度图像；/n步骤3：对粒子群算法涉及的参数进行初始化，需要初始化的参数包括惯性权重值ω、最大迭代次数M、每个粒子的初始位置x
【技术特征摘要】
1.一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，包括以下步骤：
步骤1：采集绝缘子图像；
步骤2：将步骤1采集的绝缘子图像按下式进行灰度化，得到灰度图像；
步骤3：对粒子群算法涉及的参数进行初始化，需要初始化的参数包括惯性权重值ω、最大迭代次数M、每个粒子的初始位置xiS＝(xiS1,xiS2)和初始速度viS(t)、粒子的个体学习因子c1，粒子的社会学习因子c2；
步骤4、使用蚁群算法计算每个粒子对应的自适应函数值和个体极值PiS(t)；
步骤5：根据步骤4得到的每个粒子对应的自适应函数值更新个体极值与全局最优解PgS；
步骤6：步骤3初始化的参数和根据步骤4得到的个体极值PiS(t)和步骤5得到全局最优解PgS，按照下式更新粒子的位置与速度：
viS(t+1)＝ωviS(t)+c1r1S(t)[PiS(t)-xiS(t)]+c2r2S(t)[PgS(t)-xiS(t)]；
xiS(t+1)＝xiS(t)+viS(t+1)；
其中，r1S与r2S是[0,1]上服从均匀分布的伪随机数，PiS(t)为更新前的个体极值；viS(t+1)为更新后的速度，xiS(t+1)为更新后的位置；
步骤7：判断当前迭代次数是否大于步骤3设置的最大迭代次数M，若满足则输出全局最优解PgS；否则，重复步骤4-步骤6继续进行迭代，直至迭代结束，并输出全局最优解PgS，PgS＝(PgS1，PgS2)，由此得到最优聚类中心数cbest＝PgS1和最优聚类半径rbest＝PgS2；
步骤8：根据步骤7中得到的最优聚类中心数cbest和最优聚类半径rbest求出每一类的像素灰度值的平均值Ti，再分别计算相邻两类的灰度平均值Tij，将Tij作为阈值，将步骤2得到的目标图像的灰度图转化为二值图像：二值图像中灰度值大于Tij的像素点的灰度值变为1，否则变为0，由此得到图像分割后的绝缘子轮廓。
2.根据权利要求1所述的一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，在进行步骤8之前，生成步骤2得到的灰度图像的灰度直方图，并对绝缘子灰度直方图进行拉伸。
3.根据权利要求2所述的一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，将拉伸后的灰度直方图中的噪声进行滤波处理后再进行步骤8。
4.根据权利要求1所述的一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，所述步骤3中，粒子的个体学习因子c1＝粒子的社会学习因子c2。
5.根据权利要求1所述的一种基于混合蚁群算法的绝缘子轮廓检测方法，其特征在于，所述步骤4包括以下步骤：
步骤4.1、初始化蚁群算法相关参数：...
【专利技术属性】
技术研发人员：孙浩飞，琚泽立，吕新良，邢伟，孙鑫，侯喆，王倩，蒲路，牛全保，李立鹏，王森，杨博，赵学风，
申请(专利权)人：国网陕西省电力公司电力科学研究院，西安理工大学，国网陕西省电力公司，国网陕西省电力公司铜川供电公司，国家电网有限公司，
类型：发明
国别省市：陕西;61
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。