基于红外高光谱分析的复合绝缘子材料污秽程度检测方法技术

本发明专利技术公开了一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，包括：采集高光谱图像；基于多元散射校正技术与竞争性自适应加权算法对所述高光谱图像进行预处理；基于随机森林算法构建定性分类模型，基于所述定性分类模型以及所述高光谱图像进行复合绝缘子污秽程度检测。本发明专利技术可以实现非接触的在线检测，并且在现场使用时可以只采集特征波段的高光谱图像，使用分类模型进行判断，通过对不同污秽程度进行附色，使得工作人员可以直观的看到绝缘子污秽程度。看到绝缘子污秽程度。看到绝缘子污秽程度。

【技术实现步骤摘要】
基于红外高光谱分析的复合绝缘子材料污秽程度检测方法


[0001]本专利技术属于绝缘子检测
，特别是涉及一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法。

技术介绍

[0002]复合绝缘子在高压输配电系统的机械支撑和电气绝缘方面起着关键作用。然而，由于长期暴露在室外环境中，复合绝缘子表面不可避免地会积累污秽。污秽的不均匀分布会导致电场的局部集中，这反过来又提高了雨雾天气下的爬行放电和闪络的风险。因此，准确评估复合绝缘子材料性质及表面污秽程度具有重要意义。
[0003]因为积污问题是不可能解决的，只可以通过检测复合绝缘子材料性质及表面污秽程度来制定合理的清扫方案来避免事故的发生。为了满足检测和评估的迫切需求，国内外研究并尝试了等效盐密法、表面污染层法、紫外成像法和红外成像法，但在实际应用中均具有一定的局限性，等效盐密法与表面污染层法在检测时需要操作过程繁琐，易引入人工误差。紫外成像法和红外成像法以非接触式检测的优势，被广泛应用到预防污闪工作中，但在特殊情况下具有较大误差。

技术实现思路

[0004]本专利技术的目的是提供一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，以解决上述现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，包括：
[0006]包括以下步骤：
[0007]采集高光谱图像；
[0008]基于多元散射校正技术与竞争性自适应加权算法对所述高光谱图像进行预处理；r/>[0009]基于随机森林算法构建定性分类模型，基于所述定性分类模型以及所述高光谱图像进行复合绝缘子污秽程度检测。
[0010]可选地，所述高光谱图像包括若干条红外高光谱谱线，所述高光谱图像的采集过程包括：
[0011]基于红外高光谱技术，通过光谱通道对地物进行持续成像，获取若干条复合绝缘子的红外高光谱谱线；
[0012]对若干条红外高光谱谱线进行分析，获取所述高光谱图像。
[0013]可选地，采集高光谱图像的过程中，基于黑白图像校正技术对所述高光谱图像进行处理，克服光强分布弱的波段存在的图像噪声和暗电流。
[0014]可选地，基于多元散射校正技术与竞争性自适应加权算法对所述高光谱图像进行预处理的过程包括：
[0015]基于多元散射校正技术剔除所述高光谱图像中误差较大的波谱曲线；
[0016]基于竞争性自适应加权算法对全波段光谱数据进行优化与选择，滤除光谱数据中的冗余信息与共线性信息，获取均方根误差最小的光谱特征波段。
[0017]可选地，基于黑白图像校正技术对所述高光谱图像进行处理的过程包括：
[0018]同时扫描标准白板，采集反射率99％的全白标定图像；盖上镜头盖，采集反射率为0的全黑标定图像；
[0019]基于所述全白标定图像、所述全黑标定图像、所述高光谱图像，采用黑白校正算法获取黑白校正后的高光谱图像。
[0020]可选地，基于多元散射校正技术剔除所述高光谱图像中误差较大的波谱曲线的过程包括：
[0021]计算所述高光谱图像中高光谱的平均光谱，将所述平均光谱作为标准光谱，对高光谱与标准光谱进行一元线性回归运算，获取各光谱相对于标准光谱的线性平移量和倾斜偏移量，在原始光谱中减去线性平移量，同时除以倾斜偏移量，修正光谱的基线相对倾斜，使每个光谱的基线平移和偏移在标准光谱的参考下予以修正。
[0022]可选地，基于竞争性自适应加权算法对全波段光谱数据进行优化与选择的过程包括：
[0023]采用蒙特卡罗模型对全波段光谱数据进行随机采样，获取样本集；
[0024]在样本集中抽取80％
‑
90％的样本作为校正集，分别构建PLS回归模型；
[0025]设置指数参量，选取所述指数参量数值大的波长变量，基于指数衰减函数去除所述指数参量为0的波长点；
[0026]基于自适应重加权算法对剩余波长进行筛选，获取若干新变量子集，基于若干新变量子集分别构建PLS回归模型；
[0027]计算每个PLS回归模型的交互验证均方差，比较每个PLS回归模型的RMSECV值，获取最小值，将最小值对应的变量子集作为最优波长组合。
[0028]可选地，基于随机森林算法构建定性分类模型的过程包括：
[0029]构建树型分类器集合，基于所述树型分类器集合对采集样本划分样本集与测试集，对样本集进行学习，对测试集进行测试并不断完善，构建所述定性分类模型。
[0030]本专利技术的技术效果为：
[0031]本专利技术的基于红外高光谱分析的复合绝缘子材料性质及表面污秽程度检测方法的有益效果在于：(1)可以实现非接触的在线的检测；(2)采集复合绝缘子材料性质及表面污秽程度的高光谱图像，计算特征波段，构建分类模型：(3)在现场使用时可以只采集特征波段的高光谱图像，使用分类模型进行判断，并通过对不同污秽程度进行附色，使得工作人员可以直观的看到绝缘子污秽程度。
附图说明
[0032]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0033]图1为本专利技术实施例中的定性分类模型构建流程图。
具体实施方式
[0034]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0035]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0036]实施例一
[0037]如图1所示，本实施例中提供一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法：
[0038]基于红外高光谱分析的复合绝缘子材料性质及表面污秽程度检测方法，是由红外高光谱技术利用窄而连续的光谱通道对地物进行持续成像，对复合绝缘子的红外高光谱谱线采集数十甚至数百个次，通过算法对谱线进一步分析；得到各物质的数百条波谱曲线后，由于采集高光谱图像过程中可能存在光线分布不均、光强分布弱的问题，因此高光谱某些波段存在图像噪声和暗电流的情况，通过黑白图像校正技术，克服光强分布弱的波段存在的图像噪声和暗电流的影响；通过多元散射校正技术剔除误差较大的波谱曲线，计算该物质的标准波谱曲线，可以有效地消除散射影响，增强了与成分含量相关的光谱吸收信息；采集获取的图像有数百个光谱波段，在建模分析时会耗费大量的计算资源，导致计算效率降低，通过竞争性自适应加权算法对全波段光谱数据进行优化与选择，滤除光谱数据中的冗余信息与共线性信息，寻找对建模具有关键作用的最敏感的光谱特征波段(每次通过自适应加权采样保留偏最小二乘模型中回归系数绝对值权重较大的点作为新的子集，去掉权值较小的点，然后基于新的子集建立PLS模型，经过多次计算，选择本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，其特征在于，包括以下步骤：采集高光谱图像；基于多元散射校正技术与竞争性自适应加权算法对所述高光谱图像进行预处理；基于随机森林算法构建定性分类模型，基于所述定性分类模型以及所述高光谱图像进行复合绝缘子污秽程度检测。2.根据权利要求1所述的基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，其特征在于，所述高光谱图像包括若干条红外高光谱谱线，所述高光谱图像的采集过程包括：基于红外高光谱技术，通过光谱通道对地物进行持续成像，获取若干条复合绝缘子的红外高光谱谱线；对若干条红外高光谱谱线进行分析，获取所述高光谱图像。3.根据权利要求1所述的基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，其特征在于，采集高光谱图像的过程中，基于黑白图像校正技术对所述高光谱图像进行处理，克服光强分布弱的波段存在的图像噪声和暗电流。4.根据权利要求1所述的基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，其特征在于，基于多元散射校正技术与竞争性自适应加权算法对所述高光谱图像进行预处理的过程包括：基于多元散射校正技术剔除所述高光谱图像中误差较大的波谱曲线；基于竞争性自适应加权算法对全波段光谱数据进行优化与选择，滤除光谱数据中的冗余信息与共线性信息，获取均方根误差最小的光谱特征波段。5.根据权利要求3所述的基于红外高光谱分析的复合绝缘子材料污秽程度检测方法，其特征在于，基于黑白图像校正技术对所述高光谱图像进行处理的过程包括：同时扫描标准白板，采集反射率99％的全白标定图像；盖上镜头盖，采集反射率为0的全黑标定图像；基于所述全白标定图像、所述全黑标定图像、所述高光谱图像，...

【专利技术属性】
技术研发人员：李成，荣汝钞，王敏珍，倪虹霞，齐恩铁，赵立英，张萧，刘丽，刘爽，孙晓婷，陈海燕，武鹏飞，
申请(专利权)人：长春工程学院，
类型：发明
国别省市：