一種絕緣子圖像污穢狀態(tài)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于絕緣子圖像污穢狀態(tài)檢測方法，屬于輸電線路設(shè)備運(yùn)行狀態(tài) 檢修和計算機(jī)視覺領(lǐng)域。
【背景技術(shù)】
[0002] 絕緣子作為一種特殊的絕緣控件，其防止電流回地和支撐導(dǎo)線的重要作用使其成 為高壓輸電線路中必不可少地設(shè)備之一。絕緣子工作狀態(tài)的好壞將直接影響輸電線路的使 用和運(yùn)行壽命。但由于絕緣子通常安裝于高空露天環(huán)境下，其在使用過程中，經(jīng)常會被工業(yè) 粉塵、鳥糞等污穢附著，使得絕緣子絕緣效果降低，容易發(fā)生污閃，造成重大經(jīng)濟(jì)損失。此 夕h絕緣子的污穢程度，將直接決定相關(guān)部口對該絕緣子采取什么處理手段。因此，若能準(zhǔn) 確檢測絕緣子表面污穢情況，將有效減少絕緣子性能故障帶來的巨大損失，進(jìn)一步推進(jìn)國 家電網(wǎng)建設(shè)的不斷發(fā)展。
[0003] 目前，絕緣子表面污穢測定方法主要有等值鹽密巧SDD)法、積分表面污層導(dǎo)率法、 脈沖計數(shù)法、泄露電流法和絕緣子污閃電壓梯度法等，其中應(yīng)用最多的是等值鹽密法和泄 露電流法:等值鹽密法通過將絕緣子表面污物轉(zhuǎn)化為每平方厘米含多少毫克Nacl的表示方 法對絕緣子污穢程度進(jìn)行測定，該方法需要事先將絕緣子從運(yùn)行線路上拆卸下來。泄露電 流法通過測定在運(yùn)行電壓下絕緣子受潮時流經(jīng)表面污層到達(dá)地的電流與絕緣子臨閃狀態(tài) 的泄漏電流間的關(guān)系進(jìn)行污穢判定。運(yùn)些物理類方法或多或少存在一定的安全隱患，且操 作復(fù)雜。
[0004] 近幾年，針對W上方法存在的問題，延伸出了一種基于圖像處理和模式識別的絕 緣子污穢檢測方法。運(yùn)些方法通常利用受污染絕緣子圖像表面色彩信息與標(biāo)準(zhǔn)無污染絕緣 子進(jìn)行比較，根據(jù)差異程度建立污染等級，可實(shí)現(xiàn)特定顏色絕緣子的污穢等級評定。但由于 絕緣子種類繁多，且不同光照下絕緣子圖像顏色值會有明顯差異，差異等級評判標(biāo)準(zhǔn)不具 有自適應(yīng)性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是:提出一種絕緣子圖像污穢狀態(tài)檢測方法，解決傳 統(tǒng)技術(shù)中對絕緣子圖像污穢狀態(tài)檢測方案存在的檢測步驟繁瑣、安全性低、評判標(biāo)準(zhǔn)不具 備自適應(yīng)性的問題。
[0006] 本發(fā)明解決上述技術(shù)問題所采用的方案是：
[0007] -種絕緣子圖像污穢狀態(tài)檢測方法，包括W下步驟：
[000引A、訓(xùn)練絕緣子圖像污穢檢測分類模型：
[0009] A1、將絕緣子表面污穢等級劃分為四種類別，分別是:表面清潔、輕度污染、中度污 染W(wǎng)及重度污染；
[0010] A2、捜集步驟A1中所劃分的四種類別的絕緣子樣本圖像并進(jìn)行伽馬校正；
[001。 A3、將步驟A2得到的絕緣子樣本圖像分別在HIS和RGB顏色空間進(jìn)行分解，獲得絕 緣子樣本圖像的H、S、I、R、G、B六個通道顏色分量；
[0012] A4、分別提取所有絕緣子樣本圖像在所述六個通道顏色分量的均值、方差、斜度和 賭，并將提取的運(yùn)些特征組成一個n*24維的數(shù)據(jù)集，其中η表示樣本個數(shù)；
[0013] Α5、提取數(shù)據(jù)集中的有效特征，并組成Ξ個子分類器訓(xùn)練集，每個子分類器訓(xùn)練集 均由正樣本和負(fù)樣本組成，將正樣本類別標(biāo)簽置為1，將負(fù)樣本類別標(biāo)簽置為-1;
[0014] Α6、分別對Ξ個子分類器訓(xùn)練集中的數(shù)據(jù)進(jìn)行訓(xùn)練，獲得對應(yīng)的Ξ個子分類器模 型；
[0015] Β、在進(jìn)行絕緣子圖像污穢狀態(tài)檢測時，輸入待檢測絕緣子彩色圖像，利用訓(xùn)練好 的Ξ個子分類器進(jìn)行分類，輸出最終分類結(jié)果：
[0016] Β1、對待檢測絕緣子彩色圖像進(jìn)行預(yù)處理；
[0017]Β2、對步驟Β1經(jīng)過預(yù)處理的絕緣子彩色圖像分別在HS巧日RGB顏色空間進(jìn)行分解， 得到絕緣子彩色圖像的H、S、I、R、G、B六個通道顏色分量；
[0018] B3、提取絕緣子彩色圖像根據(jù)Fisher準(zhǔn)則得到的在所述六個通道顏色分量上的m 個特征，組成一個1 *m維的特征向量；
[0019] B4、將步驟B3獲取的特征向量送入第一個子分類器進(jìn)行分類，再根據(jù)分類結(jié)果有 選擇地將特征向量輸入第二或第Ξ個子分類器進(jìn)行分類判斷；
[0020] B5、根據(jù)分類器分類結(jié)果輸出絕緣子污穢等級。
[0021] 作為進(jìn)一步優(yōu)化，步驟A4中，所述分別提取所有絕緣子樣本圖像在所述六個通道 顏色分量的均值、方差、斜度和賭的方法是：
[0026] 其中，t表示不同顏色通道(取值為1，2,1-,6),Η表示樣本圖像的行數(shù)，W表示樣本 圖像的列數(shù)，f(i，j)表示樣本圖像在位置(i，j)處的像素值;Ν表示各顏色通道的灰度級總 數(shù)。
[0027] 作為進(jìn)一步優(yōu)化，步驟A5中，利用Fisher準(zhǔn)則對數(shù)據(jù)集中的特征進(jìn)行選擇，提取有 效特征，具體方法為：
[0028] 定義數(shù)據(jù)集中共有η個樣本屬于C個類wi，W2,…，WC，每一類分別包含m個樣本;定 義和分別表示第k個特征屬性在樣本集上的類間方差和類內(nèi)方差，表達(dá)式為：
[0029]
[0030]
[0031] 式中，分別表示樣本X，第i類樣本的均值、所有樣本的均值在第k個 特征屬性上的取值；
[0032] 對于某個特征的Fisher準(zhǔn)則函數(shù)為：
[0033]
[0034] 其中，Jf為特征的Fisher判據(jù)，某個特征在訓(xùn)練樣本集上的Fisher準(zhǔn)則函數(shù)值越 大，說明該特征屬性區(qū)分度越好;k= 24;
[0035] 根據(jù)上式計算每個絕緣子樣本圖像24個特征的Fisher準(zhǔn)則函數(shù)值，并按大小進(jìn)行 排序，選取前m(m含k)個特征作為該絕緣子樣本圖像最終特征向量。
[0036] 作為進(jìn)一步優(yōu)化，步驟A5中，所述Ξ個子分類器訓(xùn)練集中，第一個子分類器訓(xùn)練集 的正樣本包含表面清潔和輕度污染兩類，負(fù)樣本包含中度污染和重度污染兩類;第二個子 分類器訓(xùn)練集正樣本只包含表面清潔一類，負(fù)樣本只包含輕度污染一類;第Ξ個子分類器 訓(xùn)練集的正樣本只包含中度污染一類，負(fù)樣本只包含重度污染一類。
[0037] 作為進(jìn)一步優(yōu)化，步驟A6中，選用高斯徑向基核函數(shù)做支持向量機(jī)的核函數(shù)，針對 步驟A5中獲取的Ξ個子分類器訓(xùn)練集采用K重交叉驗(yàn)證法進(jìn)行參數(shù)尋優(yōu)，訓(xùn)練得到對應(yīng)的 Ξ個子分類器模型。
[0038] 作為進(jìn)一步優(yōu)化，步驟B1中，所述對待檢測絕緣子彩色圖像進(jìn)行預(yù)處理包括：圖像 去噪和伽馬校正處理。
[0039] 作為進(jìn)一步優(yōu)化，步驟B4中，所述將步驟B3獲取的特征向量送入第一個子分類器 進(jìn)行分類，再根據(jù)分類結(jié)果有選擇地將特征向量輸入第二或第Ξ個子分類器進(jìn)行分類判 斷，具體方法為：
[0040] 首先將特征向量輸入第一個子分類器，
[0041] a.若第一個子分類器的分類結(jié)果為1，說明該絕緣子圖像污穢級別在表面清潔和 輕度污染兩個類別中，再將特征向量送入第二個子分類器進(jìn)行分類，若第二個子分類器的 輸出結(jié)果為1，說明該絕緣子表面清潔，若第二個子分類器的輸出結(jié)果為-1，說明該絕緣子 輕度污染；
[0042] b、若第一個子分類器的分類結(jié)果為-1，說明該絕緣子圖像污穢級別在中度清潔和 重度污染兩個類別中，再將特征向量送入第Ξ個子分類器進(jìn)行分類，若第Ξ個子分類器的 輸出結(jié)果為1，說明該絕緣子中度污染，若第Ξ個子分類器的輸出結(jié)果為-1，說明該絕緣子 重度污染。
[0043] 本發(fā)明的有益效果是:該方法根據(jù)不同污染狀態(tài)下絕緣子圖像顏色特征的不同， 利用機(jī)器學(xué)習(xí)方法，通過訓(xùn)練絕緣子圖像狀態(tài)檢測模型，能快速有效地對絕緣子的污穢狀 態(tài)(分為表面清潔、輕度污染、中度污染和重度污染四類)做出準(zhǔn)確可靠分析，為及時清理絕 緣子污穢提供基礎(chǔ)，W減少絕緣子污閃停電事故。
【附圖說明】
[0044] 圖1為訓(xùn)練絕緣子圖像污穢檢測分類模型流程圖；
[0045] 圖2為K重交叉驗(yàn)證流程圖；
[0046] 圖3為對待檢測樣本污穢狀態(tài)檢測分類流程圖。
【具體實(shí)施方式】
[0047] 本發(fā)明旨在提出一種絕緣子圖像污穢狀態(tài)檢測方法，解決傳統(tǒng)技術(shù)中對絕緣子圖 像污穢狀態(tài)檢測方案存在的檢測步驟繁瑣、安全性低、評判標(biāo)準(zhǔn)不具備自適應(yīng)性的問題。
[0048] 在具體實(shí)現(xiàn)上，本發(fā)明中的絕緣子圖像污穢狀態(tài)檢測方法包括W下步驟：
[0049]1、訓(xùn)練絕緣子圖像污穢檢測分類模型，其具體步驟如下：
[0050] 1)污穢等級劃分:本發(fā)明將絕緣子表面污穢等級劃分為四類，分別是:表面清潔、 輕度污染、中度污染W(wǎng)及重度污染。
[0051] 2)分類器模型訓(xùn)練:本發(fā)明采用支持向量機(jī)分類算法對絕緣子圖像污穢狀態(tài)進(jìn)行 檢測，采用"一對一"方法訓(xùn)練絕緣子污穢狀態(tài)分類器模型。該模型包括Ξ個子分類器，運(yùn)Ξ 個子分類器除了訓(xùn)練集不同外，訓(xùn)練步驟完全相同。分類器訓(xùn)練過程如圖1所示：
[0052] a、獲取清潔、輕度污染、中度污染W(wǎng)及重度污染四種類別的絕緣子樣本圖像，并對 其進(jìn)行伽馬校正，消除光照影響;絕緣子樣本圖像污染級別可由等值鹽密等方法確定；
[0053] b、將步驟a得到的絕緣子圖像分別在HSI和RGB顏色空間進(jìn)行分解，得到絕緣子圖 像的H、S、I、R、G、B六個通道顏色分量。絕緣子表面污穢程度反映在可見光圖像上，表現(xiàn)為色 彩的差異。RGB和服I是兩種主要的顏色標(biāo)準(zhǔn)。RGB顏色標(biāo)準(zhǔn)利用紅色(Red)、綠色(Greeb)、藍(lán) 色(Blue)S個分量表示彩色圖像;服V顏色標(biāo)準(zhǔn)利用色彩化ue)、飽和度(Saturation)、亮度 (Intensity)^個分量表示彩色圖像。兩者從不同角度對圖像進(jìn)行描述，本發(fā)明綜合利用兩 種色彩空間的信息，可W更加全面地表征不同污穢等級絕緣子圖像的差異，降低識別的不 確定性，提局識別準(zhǔn)確率。
[0054] C、分別提取所有樣本圖像在六個通道顏色分量的均值、方差、斜度、賭等4個特征， 并組成一個n*24維的數(shù)據(jù)集，其中η表示樣本個數(shù)。運(yùn)些特征描述了圖