【技术实现步骤摘要】
一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法
[0001]本申请涉及绝缘子状态检测
,具体涉及一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法。
技术介绍
[0002]在电力系统中,绝缘子作为一种重要的电力设备,主要用于保持电力线路的绝缘性能和支撑电力导线,承受着极为重要的任务。然而,由于环境污染和长时间的暴露在恶劣环境中,绝缘子表面易受到盐灰和污秽等有害物质的侵蚀,导致其表面电阻增大、绝缘能力下降,严重时还会引发电力事故,对电力系统的安全可靠运行造成严重威胁。因此,对绝缘子的污秽状态进行及时、准确、全面的检测和评估是保障电力系统安全稳定运行的重要措施之一。
[0003]传统的绝缘子检测方法大多采用目视法和接触式检测法,目测法是通过肉眼直接观察绝缘子的外观、颜色、表面是否有明显的污染、磨损、裂纹等缺陷。接触式检测法是用手轻轻地摸索绝缘子的表面,观察是否有明显的凹凸不平、裂纹等缺陷,或者用手或敲棒轻轻敲打绝缘子,观察是否有响声,判断绝缘子的内部结构是否有损坏。这些方法存在数据缺乏、误差大、时间耗费长、人力成本高等缺陷。
[0004]目前通常采用无人机巡检的方式克服传统绝缘子检测方法存在的上述缺陷,但现有的无人机巡检方法一般采用图像识别技术来检测绝缘子的污秽状态,检测精度通常会收到图像处理和机器学习算法的限制,可能存在误判或漏判的情况。除此之外,采用图像识别技术来检测绝缘子的污秽状态对数据量的要求较高,无人机巡检方法需要大量的图像数据进行训练和测试,且数据质量对结果影响较大,具有波段覆盖范围 ...
【技术保护点】
【技术特征摘要】
1.一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法,其特征在于,包括如下步骤:S1:使用无人机搭载高光谱相机进行巡检飞行,采集绝缘子的高光谱图像数据;S2:对采集到的高光谱图像数据进行预处理,包括多元散射校正、大气校正、黑白校正、波段选择和小波去噪;S3:采用特征提取算法对完成预处理的高光谱图像进行处理,提取绝缘子污秽状态的特征;所述特征提取算法包括基于统计学的特征提取算法、基于图像处理的特征提取算法、基于深度学习的特征提取算法或基于频域分析的特征提取算法;S4:采用机器学习算法对提取到的绝缘子污秽状态的特征进行训练,建立绝缘子污秽状态分类模型;S5:将绝缘子污秽状态的特征代入训练好的绝缘子污秽状态分类模型中,得到绝缘子的污秽度,确定绝缘子的污秽状态。2.根据权利要求1所述的一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法,其特征在于,采集绝缘子的高光谱图像数据时,高光谱相机需与绝缘子垂直。3.根据权利要求1所述的一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法,其特征在于,所述多元散射校正的计算过程为:(1)计算平均光谱:(2)一元线性回归:(3)多元散射校正:其中,n为定标样品数,为样本的平均光谱数据矩阵中第i个采样点第j个波段数的元素,A
ij
是定标光谱数据矩阵A中第i个采样点第j个波段数的元素,m
i
为第i个采样点的相对倾斜偏移系数,A
i
是第i个采样点的原始光谱矢量,为样本的平均光谱数据矩阵,b
i
为第i个采样点的线性平移量,A
i(MSC)
为第i个采样点校正后的光谱矢量;所述大气校正的具体步骤如下:根据图像的光谱特征和大气模型,对高光谱图像进行大气校正反演,以获取地表反射率和大气参数;根据高光谱图像的波段和特征选择合适的光谱库进行匹配,设置校正参数并将校正结果输出为标准格式;所述黑白校正的计算公式为:其中,B是校正后的图像反射率,B0为原始高光谱图像反射率,B
b
为全黑定标图像反射强度,B
w
为反射强度;所述波段选择处理中选择的波段为对绝缘子污秽状态影响最大的波段;所述小波去噪的具体方法为:将高光谱图像转换到小波域中,利用小波变换的特性,对图像进行降噪处理,通过分解和重构图像信号,去除不同尺度和方向上的噪声。4.根据权利要求1所述的一种基于高光谱技术的无人机巡检绝缘子污秽状态的方法,其特征在于,提取绝缘子污秽状态的特征时,可使用一种或多种特征提取算法对完成预处理的高光谱图像进行特征提取;
所述...
【专利技术属性】
技术研发人员:罗孙梅,范爱娟,何海燕,肖金平,朱延平,宋光瑞,姜俊杰,周执航,韩思宁,宋永臣,张梓轩,张子怡,何香媛,杨悦,
申请(专利权)人:南昌航空大学,
类型:发明
国别省市:
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。