一种硅橡胶老化程度的识别方法及装置制造方法及图纸

本发明专利技术公开了一种硅橡胶老化程度的识别方法及装置，所述方法包括：根据待识别的硅橡胶图像计算纹理特征值组合；将纹理特征值组合输入至硅橡胶老化程度识别模型中，以使硅橡胶老化程度识别模型根据纹理特征值组合计算得到待识别的硅橡胶图像的硅橡胶老化程度；其中，硅橡胶老化程度识别模型根据不同老化程度硅橡胶图像的纹理特征值组合以及BP神经网络训练而成。采用本发明专利技术实施例有效提高了对于硅橡胶老化程度的识别精度。橡胶老化程度的识别精度。橡胶老化程度的识别精度。

【技术实现步骤摘要】
一种硅橡胶老化程度的识别方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及供一种硅橡胶老化程度的识别方法及装置。

技术介绍

[0002]近年来，随着用电量的快速上升，电力变压器的电压等级以及传输容量也随之向更高和更大的方向发展。电力变压器作为电力系统安全、高效、持续运行的核心设备，同时也决定了电网能否安全可靠的运行。因此为减小变压器由于故障而必须停运所造成的损失，对电力变压器进行可靠性评估和剩余寿命预测显得尤为重要。
[0003]其中，电力变压器所使用的硅橡胶材料因其耐高低温、绝缘可靠等优异特性而被广泛应用于电子工业、机械工程和电磁等行业，但它容易受到外界应力而引起老化，最终导致故障的发生。所以需要对电力变压器所使用的硅橡胶材料的老化程度进行识别与判断，以保证电网的安全可靠运行。
[0004]但现有技术中通常通过人工目视的方式对硅橡胶老化程度进行判定与识别，导致识别精度不高的问题，从而错误的判定硅橡胶的老化程度，最终导致电网运行的安全性低下。

技术实现思路

[0005]本专利技术实施例提供一种硅橡胶老化程度的识别方法及装置，有效提高了对于硅橡胶老化程度的识别精度。
[0006]本申请实施例的第一方面提供了一种硅橡胶老化程度的识别方法，包括：
[0007]根据待识别的硅橡胶图像计算纹理特征值组合；
[0008]将纹理特征值组合输入至硅橡胶老化程度识别模型中，以使硅橡胶老化程度识别模型根据纹理特征值组合计算得到待识别的硅橡胶图像的硅橡胶老化程度；其中，硅橡胶老化程度识别模型根据不同老化程度硅橡胶图像的纹理特征值组合以及BP神经网络训练而成。
[0009]在第一方面的一种可能的实现方式中，根据待识别的硅橡胶图像计算纹理特征值组合，具体为：
[0010]根据MATLAB中内置图像转化函数对待识别的硅橡胶图像进行转化处理，生成灰度图、二值图像、直方图和均衡化图像；
[0011]通过graycomatrix函数，根据灰度图、二值图像、直方图和均衡化图像生成灰度行程矩阵；
[0012]根据灰度行程矩阵进行计算生成纹理特征值组合。
[0013]在第一方面的一种可能的实现方式中，纹理特征值组合包括：
[0014]角二矩、对比度、相关性、方差、逆矩阵、和均值、和方差、熵、和熵、差方差、差熵、第一相关信息测度、第二相关信息测度和最大相关系数。
[0015]在第一方面的一种可能的实现方式中，硅橡胶老化程度识别模型的训练过程具体为：
[0016]将不同老化程度硅橡胶图像的纹理特征值组合输入至BP神经网络的输入层中，BP神经网络的传递函数使用Purelin，采用梯度下降法对BP神经网络进行训练，当训练效果满足预设条件时，完成训练过程并生成硅橡胶老化程度识别模型。
[0017]在第一方面的一种可能的实现方式中，当训练效果满足预设条件时，具体为：
[0018]当训练次数达到1000次、学习效率为0.01的前提下，训练目标的最小误差满足0.00001时，判定训练效果满足预设条件。
[0019]在第一方面的一种可能的实现方式中，根据MATLAB中内置图像转化函数对待识别的硅橡胶图像进行转化处理，生成灰度图、二值图像、直方图和均衡化图像，具体为：
[0020]内置图像转化函数包括：rgb2gray函数、graythresh函数、imhist函数和Histeq函数；
[0021]根据rgb2gray函数将待识别的硅橡胶图像转换为灰度图；
[0022]根据graythresh函数将待识别的硅橡胶图像转换为二值图像；
[0023]根据imhist函数将待识别的硅橡胶图像转换为直方图；
[0024]根据Histeq函数将待识别的硅橡胶图像转换为均衡化图像。
[0025]在第一方面的一种可能的实现方式中，BP神经网络的结构包括：
[0026]含10个神经元的输入层、节点数目为8的2层隐含层以及含1个神经元的输出层。
[0027]本申请实施例的第二方面提供了一种硅橡胶老化程度的识别装置，包括：计算模块和识别模块；
[0028]其中，计算模块用于根据待识别的硅橡胶图像计算纹理特征值组合；
[0029]识别模块用于将纹理特征值组合输入至硅橡胶老化程度识别模型中，以使硅橡胶老化程度识别模型根据纹理特征值组合计算得到待识别的硅橡胶图像的硅橡胶老化程度；其中，硅橡胶老化程度识别模型根据不同老化程度硅橡胶图像的纹理特征值组合以及BP神经网络训练而成。
[0030]在第二方面的一种可能的实现方式中，根据待识别的硅橡胶图像计算纹理特征值组合，具体为：
[0031]根据MATLAB中内置图像转化函数对待识别的硅橡胶图像进行转化处理，生成灰度图、二值图像、直方图和均衡化图像；
[0032]通过graycomatrix函数，根据灰度图、二值图像、直方图和均衡化图像生成灰度行程矩阵；
[0033]根据灰度行程矩阵进行计算生成纹理特征值组合。
[0034]在第二方面的一种可能的实现方式中，纹理特征值组合包括：
[0035]角二矩、对比度、相关性、方差、逆矩阵、和均值、和方差、熵、和熵、差方差、差熵、第一相关信息测度、第二相关信息测度和最大相关系数。
[0036]相比于现有技术，本专利技术实施例提供的一种硅橡胶老化程度的识别方法及装置，所述方法包括：根据待识别的硅橡胶图像计算纹理特征值组合；将纹理特征值组合输入至硅橡胶老化程度识别模型中，以使硅橡胶老化程度识别模型根据纹理特征值组合计算得到待识别的硅橡胶图像的硅橡胶老化程度；其中，硅橡胶老化程度识别模型根据不同老化程
度硅橡胶图像的纹理特征值组合以及BP神经网络训练而成。
[0037]其有益效果在于：本专利技术实施例通过待识别的硅橡胶图像计算纹理特征值组合后，将纹理特征值组合输入至硅橡胶老化程度识别模型中，以使硅橡胶老化程度识别模型根据纹理特征值组合计算得到待识别的硅橡胶图像的硅橡胶老化程度，通过训练好的硅橡胶老化程度识别模型对硅橡胶图像的老化程度进行识别，避免了由于人工目视的方式对硅橡胶老化程度进行判定与识别而导致识别精度不高的问题，能够有效提高了对电力变压器的硅橡胶老化程度的识别精度，保证电网运行的安全性。
附图说明
[0038]图1是本专利技术一实施例提供的一种硅橡胶老化程度的识别方法的流程示意图；
[0039]图2是本专利技术一实施例提供的硅橡胶图像特征识别与提取系统的操作页面示意图；
[0040]图3是本专利技术一实施例提供的图像转换示意图；
[0041]图4是本专利技术一实施例提供的硅橡胶老化程度的识别预测值和期望值的对比示意图；
[0042]图5是本专利技术一实施例提供的一种硅橡胶老化程度的识别装置的结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硅橡胶老化程度的识别方法，其特征在于，包括：根据待识别的硅橡胶图像计算纹理特征值组合；将所述纹理特征值组合输入至硅橡胶老化程度识别模型中，以使所述硅橡胶老化程度识别模型根据所述纹理特征值组合计算得到所述待识别的硅橡胶图像的硅橡胶老化程度；其中，所述硅橡胶老化程度识别模型根据不同老化程度硅橡胶图像的纹理特征值组合以及BP神经网络训练而成。2.根据权利要求1所述的一种硅橡胶老化程度的识别方法，其特征在于，所述根据待识别的硅橡胶图像计算纹理特征值组合，具体为：根据MATLAB中内置图像转化函数对所述待识别的硅橡胶图像进行转化处理，生成灰度图、二值图像、直方图和均衡化图像；通过graycomatrix函数，根据所述灰度图、所述二值图像、所述直方图和所述均衡化图像生成灰度行程矩阵；根据所述灰度行程矩阵进行计算生成所述纹理特征值组合。3.根据权利要求2所述的一种硅橡胶老化程度的识别方法，其特征在于，所述纹理特征值组合包括：角二矩、对比度、相关性、方差、逆矩阵、和均值、和方差、熵、和熵、差方差、差熵、第一相关信息测度、第二相关信息测度和最大相关系数。4.根据权利要求3所述的一种硅橡胶老化程度的识别方法，其特征在于，所述硅橡胶老化程度识别模型的训练过程具体为：将所述不同老化程度硅橡胶图像的纹理特征值组合输入至所述BP神经网络的输入层中，所述BP神经网络的传递函数使用Purelin，采用梯度下降法对所述BP神经网络进行训练，当训练效果满足预设条件时，完成训练过程并生成所述硅橡胶老化程度识别模型。5.根据权利要求4所述的一种硅橡胶老化程度的识别方法，其特征在于，所述当训练效果满足预设条件时，具体为：当训练次数达到1000次、学习效率为0.01的前提下，训练目标的最小误差满足0.00001时，判定所述训练效果满足所述预设条件。6.根据权利要求5所述的一种硅橡胶老化程度的识别方法，其特征在于，所述根据MATLAB中内置图像转化函数对所述待识别的硅橡胶图像进...

【专利技术属性】
技术研发人员：付强，李智，彭磊，张丽，林木松，钱艺华，赵耀洪，林明伟，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：