一種複合絕緣子憎水等級自動識別方法
2024-03-26 10:41:05 1
一種複合絕緣子憎水等級自動識別方法
【專利摘要】本發明公開了屬於輸電線路絕緣子性能檢測【技術領域】的一種複合絕緣子憎水等級自動識別方法。該方法包括圖像增強、圖像濾波、圖像分割、圖像特徵量提取和建立神經網絡識別模型等步驟，通過對複合絕緣子憎水圖像進行分析，實現對複合絕緣子憎水等級的自動識別。消除人為因素影響，判斷結果準確度高、操作簡單，具備對不同電壓等級、型號、廠家、汙穢度等級、運行年限等絕緣子憎水等級的自動識別能力。
【專利說明】一種複合絕緣子憎水等級自動識別方法
【技術領域】
[0001]本發明屬於輸電線路絕緣子性能檢測【技術領域】，特別涉及一種複合絕緣子憎水等級自動識別方法。
【背景技術】
[0002]矽橡膠複合絕緣子以其優良的抗汙閃性能廣泛應用於輸電線路外絕緣，而其優良的抗汙閃性能主要得益於它本身的憎水性和憎水遷移性。但實際運行經驗表明，由於受運行年限、電場、紫外線、汙穢等因素的影響，複合絕緣子矽橡膠傘群憎水性將逐步下降，甚至完全喪失，導致複合絕緣子的抗汙閃性能下降、輸電線路汙閃事故發生。為減少汙閃事故發生，針對複合絕緣子憎水性開展檢測分析勢在必行，傳統檢測方法採用噴水分級方法對輸電線路上摘除的複合絕緣子進行噴水，而後通過比對絕緣子表面水滴附著狀態與標準圖譜上的差異獲得絕緣子的憎水等級，這種方法往往具有主觀性，不利於快速、準確獲得複合絕緣子的憎水狀態。為此，通過相關圖像分析技術和人工智慧技術實現複合絕緣子憎水等級的自動識別，這對於準確獲知複合絕緣子憎水性及保障輸電線路安全可靠運行具有重要意義。
[0003]為了客觀分析複合絕緣子表面憎水等級，消除主觀因素在憎水等級確定過程中的影響，國內外相關研究人員針對複合絕緣子憎水等級自動識別技術進行了相關研究，如改進形狀因子法、SVM決策樹等進行複合絕緣子憎水性檢測。結果表明這些方法在一定程度上克服主觀因素對憎水等級判定的影響，但也存在一定的不足，如改進形狀因子法採用最大水珠的形狀因子及最大水珠與整幅圖像的面積比作為特徵量，通過比對這兩個特徵量與憎水等級的量化關係獲得複合絕緣子的憎水等級，但這兩個特徵量與憎水性等級之間並非線性關係，依據該方法給出的量化關係判定絕緣子憎水狀態往往存在誤差；複合絕緣子憎水圖像千差萬別，而SVM決策樹針對大規模樣本訓練難以實施。為此通過建立憎水圖像多參量的自動識別方法，將有助於更加準確的獲得複合絕緣子的憎水狀態，這對於確保輸電線路安全可靠運行具有重要意義。
【發明內容】
[0004]本發明的目的是提出一種複合絕緣子憎水等級的自動識別方法，其特徵在於，通過對複合絕緣子憎水圖像進行分析，實現對複合絕緣子憎水等級的自動識別，所述複合絕緣子憎水等級自動識別方法包括步驟如下:
[0005]I)選取運行多年的絕緣子一支，採集絕緣子傘群表面水滴附著的原始圖像，並採用自適應直方圖均衡算法實現圖像增強，通過計算圖像的局部直方圖，然後自適應的對其進行修正，把原始圖像不均衡的直方圖變換為均勻分布的形式，增加了灰度值的動態範圍，從而達到提高圖像整體對比度的效果；
[0006]2)圖像濾波採用形態學開閉濾波算法實現，該算法是分別用兩個不同尺度的結構元素B1和B2對圖像進行順序開閉運算，小尺度結構元素B1去除噪聲能力較弱，但能夠保持更多的圖像邊緣細節信息；大尺度結構元素B2去除噪聲能力較強，但會模糊掉很多細節信息，因此，順序的運用兩個形態學結構元素對圖像進行開閉濾波既能夠去除噪聲，又能夠保持細節信息，達到平滑圖像去除噪聲的目的，B1為3X3十字形的結構元素，B2為5X5菱形結構元素，
【權利要求】
1.一種複合絕緣子憎水等級的自動識別方法，其特徵在於，通過對複合絕緣子憎水圖像進行分析，實現對複合絕緣子憎水等級的自動識別，所述複合絕緣子憎水等級自動識別方法包括步驟如下: 1)選取運行多年的絕緣子一支，採集絕緣子傘群表面水滴附著的原始圖像，並採用自適應直方圖均衡算法實現圖像增強，通過計算圖像的局部直方圖，然後自適應的對其進行修正，把原始圖像不均衡的直方圖變換為均勻分布的形式，增加了灰度值的動態範圍，從而達到提高圖像整體對比度的效果； 2)圖像濾波採用形態學開閉濾波算法實現，該算法是分別用兩個不同尺度的結構元素B1和B2對圖像進行順序開閉運算，小尺度結構元素B1去除噪聲能力較弱，但能夠保持更多的圖像邊緣細節信息；大尺度結構元素B2去除噪聲能力較強，但會模糊掉很多細節信息，因此，順序的運用兩個形態學結構元素對圖像進行開閉濾波既能夠去除噪聲，又能夠保持細節信息，達到平滑圖像去除噪聲的目的，B1為3X3十字形的結構元素，B2為5X5菱形結構元素，
2.根據權利要求1所述一種複合絕緣子憎水等級的自動識別方法，其特徵在於，所述步驟5)中LVQ神經網絡是一種用於訓練競爭層的有監督學習方法的輸入前向神經網絡，由3層神經元組成，即輸入層、競爭層和線性輸出層，網絡結構簡單，只通過內部單元的相互作用就可以完成十分複雜的分類處理，而且它不需要對輸入向量進行歸一化、正交化處理，只需要直接計算輸入向量與 競爭層之間的距離，從而實現模式識別，因此簡單易行。
【文檔編號】G06K9/60GK103440495SQ201310329151
【公開日】2013年12月11日 申請日期:2013年7月31日 優先權日:2013年7月31日
【發明者】汪佛池, 張重遠, 閆康 申請人:華北電力大學（保定）