一种复合绝缘子憎水等级自动识别方法技术

本发明专利技术公开了属于输电线路绝缘子性能检测技术领域的一种复合绝缘子憎水等级自动识别方法。该方法包括图像增强、图像滤波、图像分割、图像特征量提取和建立神经网络识别模型等步骤，通过对复合绝缘子憎水图像进行分析，实现对复合绝缘子憎水等级的自动识别。消除人为因素影响，判断结果准确度高、操作简单，具备对不同电压等级、型号、厂家、污秽度等级、运行年限等绝缘子憎水等级的自动识别能力。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了属于输电线路绝缘子性能检测
的。该方法包括图像增强、图像滤波、图像分割、图像特征量提取和建立神经网络识别模型等步骤，通过对复合绝缘子憎水图像进行分析，实现对复合绝缘子憎水等级的自动识别。消除人为因素影响，判断结果准确度高、操作简单，具备对不同电压等级、型号、厂家、污秽度等级、运行年限等绝缘子憎水等级的自动识别能力。【专利说明】
本专利技术属于输电线路绝缘子性能检测
，特别涉及。
技术介绍
硅橡胶复合绝缘子以其优良的抗污闪性能广泛应用于输电线路外绝缘，而其优良的抗污闪性能主要得益于它本身的憎水性和憎水迁移性。但实际运行经验表明，由于受运行年限、电场、紫外线、污秽等因素的影响，复合绝缘子硅橡胶伞群憎水性将逐步下降，甚至完全丧失，导致复合绝缘子的抗污闪性能下降、输电线路污闪事故发生。为减少污闪事故发生，针对复合绝缘子憎水性开展检测分析势在必行，传统检测方法采用喷水分级方法对输电线路上摘除的复合绝缘子进行喷水，而后通过比对绝缘子表面水滴附着状态与标准图谱上的差异获得绝缘子的憎水等级，这种方法往往具有主观性，不利于快速、准确获得复合绝缘子的憎水状态。为此，通过相关图像分析技术和人工智能技术实现复合绝缘子憎水等级的自动识别，这对于准确获知复合绝缘子憎水性及保障输电线路安全可靠运行具有重要意义。为了客观分析复合绝缘子表面憎水等级，消除主观因素在憎水等级确定过程中的影响，国内外相关研究人员针对复合绝缘子憎水等级自动识别技术进行了相关研究，如改进形状因子法、SVM决策树等进行复合绝缘子憎水性检测。结果表明这些方法在一定程度上克服主观因素对憎水等级判定的影响，但也存在一定的不足，如改进形状因子法采用最大水珠的形状因子及最大水珠与整幅图像的面积比作为特征量，通过比对这两个特征量与憎水等级的量化关系获得复合绝缘子的憎水等级，但这两个特征量与憎水性等级之间并非线性关系，依据该方法给出的量化关系判定绝缘子憎水状态往往存在误差；复合绝缘子憎水图像千差万别，而SVM决策树针对大规模样本训练难以实施。为此通过建立憎水图像多参量的自动识别方法，将有助于更加准确的获得复合绝缘子的憎水状态，这对于确保输电线路安全可靠运行具有重要意义。
技术实现思路
本专利技术的目的是提出一种复合绝缘子憎水等级的自动识别方法，其特征在于，通过对复合绝缘子憎水图像进行分析，实现对复合绝缘子憎水等级的自动识别，所述复合绝缘子憎水等级自动识别方法包括步骤如下:I)选取运行多年的绝缘子一支，采集绝缘子伞群表面水滴附着的原始图像，并采用自适应直方图均衡算法实现图像增强，通过计算图像的局部直方图，然后自适应的对其进行修正，把原始图像不均衡的直方图变换为均匀分布的形式，增加了灰度值的动态范围，从而达到提高图像整体对比度的效果；2)图像滤波采用形态学开闭滤波算法实现，该算法是分别用两个不同尺度的结构元素B1和B2对图像进行顺序开闭运算，小尺度结构元素B1去除噪声能力较弱，但能够保持更多的图像边缘细节信息；大尺度结构元素B2去除噪声能力较强，但会模糊掉很多细节信息，因此，顺序的运用两个形态学结构元素对图像进行开闭滤波既能够去除噪声，又能够保持细节信息，达到平滑图像去除噪声的目的，B1为3X3十字形的结构元素，B2为5X5菱形结构元素，【权利要求】1.一种复合绝缘子憎水等级的自动识别方法，其特征在于，通过对复合绝缘子憎水图像进行分析，实现对复合绝缘子憎水等级的自动识别，所述复合绝缘子憎水等级自动识别方法包括步骤如下: 1)选取运行多年的绝缘子一支，采集绝缘子伞群表面水滴附着的原始图像，并采用自适应直方图均衡算法实现图像增强，通过计算图像的局部直方图，然后自适应的对其进行修正，把原始图像不均衡的直方图变换为均匀分布的形式，增加了灰度值的动态范围，从而达到提高图像整体对比度的效果； 2)图像滤波采用形态学开闭滤波算法实现，该算法是分别用两个不同尺度的结构元素B1和B2对图像进行顺序开闭运算，小尺度结构元素B1去除噪声能力较弱，但能够保持更多的图像边缘细节信息；大尺度结构元素B2去除噪声能力较强，但会模糊掉很多细节信息，因此，顺序的运用两个形态学结构元素对图像进行开闭滤波既能够去除噪声，又能够保持细节信息，达到平滑图像去除噪声的目的，B1为3X3十字形的结构元素，B2为5X5菱形结构元素， 2.根据权利要求1所述一种复合绝缘子憎水等级的自动识别方法，其特征在于，所述步骤5)中LVQ神经网络是一种用于训练竞争层的有监督学习方法的输入前向神经网络，由3层神经元组成，即输入层、竞争层和线性输出层，网络结构简单，只通过内部单元的相互作用就可以完成十分复杂的分类处理，而且它不需要对输入向量进行归一化、正交化处理，只需要直接计算输入向量与 竞争层之间的距离，从而实现模式识别，因此简单易行。【文档编号】G06K9/60GK103440495SQ201310329151【公开日】2013年12月11日 申请日期:2013年7月31日 优先权日:2013年7月31日 【专利技术者】汪佛池, 张重远, 闫康 申请人:华北电力大学（保定）本文档来自技高网...

【技术保护点】
一种复合绝缘子憎水等级的自动识别方法，其特征在于，通过对复合绝缘子憎水图像进行分析，实现对复合绝缘子憎水等级的自动识别，所述复合绝缘子憎水等级自动识别方法包括步骤如下：1）选取运行多年的绝缘子一支，采集绝缘子伞群表面水滴附着的原始图像，并采用自适应直方图均衡算法实现图像增强，通过计算图像的局部直方图，然后自适应的对其进行修正，把原始图像不均衡的直方图变换为均匀分布的形式，增加了灰度值的动态范围，从而达到提高图像整体对比度的效果；2）图像滤波采用形态学开闭滤波算法实现，该算法是分别用两个不同尺度的结构元素B1和B2对图像进行顺序开闭运算，小尺度结构元素B1去除噪声能力较弱，但能够保持更多的图像边缘细节信息；大尺度结构元素B2去除噪声能力较强，但会模糊掉很多细节信息，因此，顺序的运用两个形态学结构元素对图像进行开闭滤波既能够去除噪声，又能够保持细节信息，达到平滑图像去除噪声的目的，B1为3×3十字形的结构元素，B2为5×5菱形结构元素，B1=010111010B2=0010001110111110111000100;3）图像分割采用Ostu阈值法实现，该方法是在最小二乘法原理的基础上推导出来的一种自适应阈值确定方法，利用该方法获得的最佳阈值能够将整幅图像的像素分成前景和背景两部分，使前景和背景的差别最大，从而准确的分割出憎水性图像中的水珠或水迹；设图像像素数为N，灰度范围为[0,L?1]，对应灰度级i的像素数为ni，其概率为：pi=ni/N(i=0,1,2...L?1)???(1)把图像中的像素用阈值T分成两类C0和C1，C0由灰度值在[0,T]之间的像素组成，C1由灰度值在[T+1,L?1]之间的像素组成，对于灰度分布概率，整幅图像的均值为：μT=Σi=0L-1ipi---(2)则C0和C1的均值为：μ0=Σi=0Tipi/w0---(3)μ1=Σi=T+1L-1ipi/w1---(4)其中w0和w1的表达式为:w0=Σi=0Tpi---(5)w1=Σi=T+1L-1pi=1-w0---(6)由式(2)(3)(4)(5)(6)可得：μT=w0μ0+w1μ1???(7)则类间方差定义为：σB2=w0(μ0-μT)2+w1(μ1-μT)2---(8)令T在[0,L?1]范围内依次取值，使最大的T值即为最佳阈值；4）图像特征量，采用水珠覆盖率A、最大水珠或水迹的形状因子fc、最大水珠或水迹与整幅图像的面积比K、最大水珠或水迹的偏心率e和最大水珠或水迹的矩形度R，实验证明这五个特征量的值不受绝缘子的伞形结构、污秽分布、拍摄的光照条件、拍摄距离和拍摄角度因素的影响，只与绝缘子的憎水等级相关，它们的表达式如下：(1)水珠覆盖率其中，N为识别出的水珠或水迹数，Si为第i个水珠或水迹的面积，XY表示憎水性图像的面积；(2)形状因子其中，Smax为最大水珠或水迹的面积，l为最大水珠或水迹的周长；(3)最大面积比其中，Smax为最大水珠或水迹的面积，XY为憎水性图像的面积；(4)偏心率其中，a为最大水珠或水迹的外接矩形的长轴，b为最大水珠或水迹的外接矩形的短轴；(5)矩形度其中，Smax为最大水珠或水迹的面积，SMER为最大水珠或水迹的最小外接矩形的面积；5）LVQ神经网络识别模型的设计（1）网络结构的确定以图像的特征值作为输入向量，以期望的憎水等级作为输出向量，由于提取的图像特征值总共5个，因此网络输入层神经元个数确定为5，输入向量即为X=AfcKeRT;输出为7个憎水等级，因此网络输出层神经元个数确定为7，分别利用1,2,3,4,5,6,7表示7个不同的憎水等级；根据Kolmogorve定理，竞争层神经元个数m与输入层神经元个数n有如下的近似关系：m=2n+1???（9）根据式（9）可以确定网络竞争层神经元个数为11。综上所得，设计出一个三层的LVQ神经网络，结构为5?11?7，即输入层有5个神经元，竞争层有11个神经元，输出层有7个神经元；（2）网络训练网络结构确定以后，然后将训练样本数据输入到设计好的LVQ神经网络中，最后采用LVQ1算法对网络进行训练，训练好的网络模型即可对复合绝缘子的憎水等级进行识别。FDA00003603861000027.jpg,FDA00003603861000028.jpg,FDA00003603861000029.jpg,FDA00003603861000031.jpg,FDA00003603861000032.jpg,FDA00003603861000033.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：汪佛池，张重远，闫康，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：