本發(fā)明涉及識別絕緣子污穢狀態(tài)的方法，尤其是涉及基于紅外圖像輔助的可見光圖像識別絕緣子污穢狀態(tài)方法。

背景技術(shù)：

絕緣子在輸、配電網(wǎng)中占有重要地位，空氣中的塵土、鹽堿、工業(yè)煙塵等各種微?；蝤B糞都會堆積在絕緣子外表面形成污穢層，使絕緣子絕緣強度降低，容易發(fā)生污閃，造成很大的經(jīng)濟損失。如果能夠便捷、安全、準確地測定污穢的程度，并據(jù)此制定合理的清洗計劃，能更有效地防治污閃，加強電網(wǎng)穩(wěn)定運行，減少污閃帶來的經(jīng)濟損失。

為了能夠準確的確定絕緣子的清掃或沖洗周期，目前國內(nèi)外采用的檢測絕緣子污穢量值的方法主要有等值鹽密法和泄漏電流法。等值鹽密法必須首先對輸電線路進行停電借助水洗后測定鹽分密度，難以反映絕緣子在運行中的真實情況。泄漏電流法是通過檢測運行電壓作用下流過絕緣子表面污層電流的大小變化來檢測絕緣子的污穢程度。盡管泄漏電流法能反映較嚴重的絕緣故障，但在判斷出絕緣失效后留給操作人員處理的時間有限，很難廣泛應(yīng)用，且它要求每個絕緣子串上安裝一套檢測裝置，成本過高，裝置的維護檢修需停電進行。

相比之下，基于圖像的絕緣子污穢狀態(tài)檢測方法具有成本低、不必拆解、不必停電、不必安裝復(fù)雜裝置、不易受電磁干擾、遠距離非接觸測量等優(yōu)點，包括可見光圖像法、紅外圖像法和紫外圖像法。紅外圖像的溫度信息和紫外圖像的放電光斑信息只有在高相對濕度環(huán)境下的放電過程中才會足夠明顯，而平常時無明顯特征，所以這兩種方法存在相當大的局限性，但溫度信息比放電信息更穩(wěn)定、更容易捕捉，紅外熱像儀價格也普遍低于紫外成像儀?？梢姽鈭D像法能夠根據(jù)絕緣子盤面顏色特征反映出絕緣子積污量的多少，且積污信息的獲取不要求絕緣子放電，若能克服環(huán)境光照影響(色溫、照度等)這一難點，并選取合適的可見光特征值，找到特征值與污穢積累量的對應(yīng)關(guān)系，即可通過可見光圖像識別絕緣子污穢等級。而高相對濕度下污穢受潮后被稀釋，污穢顏色特征也被改變，污穢等級識別準確率下降，故相對濕度較高時應(yīng)用其它信息對可見光法進行輔助。

近年來，絕緣子污穢等級識別方法大多數(shù)基于人工智能方法，如人工神經(jīng)網(wǎng)絡(luò)、支持向量機等，但如此一來仍需要事先采集大量絕緣子樣本，并通過清洗絕緣子盤面等方法對樣本污穢等級進行測定，才能將模型訓(xùn)練到較高精度。若能利用污穢絕緣子表面顏色特征和溫度特征隨積污量不同而漸變的特點，建立簡潔、通用的數(shù)學(xué)模型，即可免去大量訓(xùn)練樣本的采集和測定，切實提高絕緣子污穢等級識別方法的現(xiàn)場實用性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供基于紅外圖像輔助的可見光圖像識別絕緣子污穢狀態(tài)方法，該方法能排除環(huán)境光照的影響，并考慮環(huán)境相對濕度，快速建立簡潔、通用的絕緣子污穢等級識別模型，對當前運行中大量絕緣子的污穢狀態(tài)做出準確可靠分析，為及時清理絕緣子污穢提供依據(jù)，以減少絕緣子污閃停電事故。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于紅外圖像輔助的可見光圖像識別絕緣子污穢狀態(tài)方法，該方法包括以下步驟：

步驟S1，采集絕緣子可見光圖像；

步驟S2，絕緣子可見光圖像處理及可見光特征值提??；

步驟S3，采集絕緣子紅外圖像；

步驟S4，絕緣子紅外圖像處理及紅外特征值提?。?/p>

步驟S5，建立基于可見光圖像的污穢等級識別數(shù)學(xué)模型和基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型；

步驟S6，根據(jù)環(huán)境相對濕度，選擇步驟S5中相應(yīng)的數(shù)學(xué)模型，代入步驟S2和步驟S4中的數(shù)據(jù)，求取絕緣子污穢等級。

步驟S1中采集絕緣子可見光圖像，需事先去除環(huán)境光照影響，具體操作為：

獲取可見光圖像前，用白卡對相機進行色溫矯正，降低環(huán)境光線色溫影響，再用灰卡對相機進行曝光矯正，降低環(huán)境光線照度影響。

步驟S2中絕緣子可見光圖像處理及可見光特征值提取具體操作包括：

將絕緣子可見光圖像轉(zhuǎn)換為灰度圖；對灰度圖像用種子區(qū)域生長法提取絕緣子盤面區(qū)域，并得到對應(yīng)的可見光圖像盤面區(qū)域；提取可見光圖像盤面區(qū)域在YUV顏色空間中U分量均值和V分量均值；比較0級和IV級污穢絕緣子盤面顏色U分量均值之差的絕對值、0級和IV級污穢絕緣子盤面顏色V分量均值之差的絕對值，將絕對值較大者對應(yīng)的分量選為最終特征值。

步驟S4中絕緣子紅外圖像處理及紅外特征值提取具體操作包括：用每個像素的溫度值作為灰度值，將紅外圖像轉(zhuǎn)換為灰度圖像；對灰度圖像用最大類間方差法提取絕緣子盤面區(qū)域，并得到對應(yīng)的紅外圖像盤面區(qū)域；提取紅外圖像盤面區(qū)域的溫升最大值T_max作為紅外圖像特征值。

步驟S6中根據(jù)環(huán)境相對濕度確定所應(yīng)用的數(shù)學(xué)模型方法為：環(huán)境相對濕度RH<60％時，利用基于可見光圖像的污穢等級識別數(shù)學(xué)模型計算等值附鹽密度值；環(huán)境相對濕度RH≥60％時需要紅外圖像特征值進行輔助識別，以環(huán)境相對濕度RH決定可見光圖像信息和紅外圖像信息的權(quán)重，利用基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型計算等值附鹽密度值；根據(jù)得到的等值附鹽密度值判斷絕緣子污穢等級。

基于可見光圖像的污穢等級識別數(shù)學(xué)模型為：

其中，ESDD：等值附鹽密度值；

V：待識別污穢絕緣子的可見光圖像特征值V分量均值；

V₁：IV級污穢絕緣子的可見光圖像特征值V分量均值；

V₀：0級污穢絕緣子的可見光圖像特征值V分量均值；

RH：環(huán)境相對濕度。

基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型為：

其中，ESDD：等值附鹽密度值；

V：待識別污穢絕緣子的可見光圖像特征值V分量均值；

V₁：IV級污穢絕緣子的可見光圖像特征值V分量均值；

V₀：0級污穢絕緣子的可見光圖像特征值V分量均值；

T_max：待識別污穢絕緣子的紅外圖像盤面區(qū)域的溫升最大值；

RH：環(huán)境相對濕度。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

1)絕緣子可見光圖像的采集過程中對色溫和照度的影響進行了初步去除；可見光特征U分量(或V分量)作為RGB顏色空間中B分量(或R分量)與亮度信號Y之差，進一步用數(shù)學(xué)方法去除了圖像中的亮度信息差異，最終完成對環(huán)境光照影響的去除，有利于提高污穢等級識別的準確率和效率；

2)考慮了高相對濕度環(huán)境對可見光法的影響，采用紅外信息對可見光法進行輔助，實現(xiàn)不同相對濕度下絕緣子污穢等級的準確識別；

3)利用污穢絕緣子表面顏色特征和溫度特征隨積污量不同而漸變的特點，建立簡潔、通用的數(shù)學(xué)模型，免去了大量訓(xùn)練樣本的采集和測定，切實提高絕緣子污穢等級識別方法的現(xiàn)場實用性；

4)無需在桿塔上安裝任何設(shè)備，運行和維護成本低，操作簡單，使用安全可靠，檢測精度高。

附圖說明

圖1為本發(fā)明提供的一種基于紅外圖像信息輔助的可見光圖像的絕緣子污穢狀態(tài)識別方法實施方式流程圖；

圖2為本發(fā)明中采集的絕緣子可見光圖像；

圖3為本發(fā)明中采集的絕緣子可見光圖像處理結(jié)果圖；

圖4為本發(fā)明中采集的絕緣子紅外圖像；

圖5為本發(fā)明中采集的絕緣子紅外圖像處理結(jié)果圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都應(yīng)屬于本發(fā)明保護的范圍。

實施例

本發(fā)明提出基于紅外圖像輔助的可見光圖像識別絕緣子污穢狀態(tài)方法，能排除環(huán)境光照的影響，并考慮環(huán)境相對濕度，快速建立簡潔、通用的絕緣子污穢等級識別模型，對當前運行中大量絕緣子的污穢狀態(tài)做出準確可靠分析，為及時清理絕緣子污穢提供依據(jù)，以減少絕緣子污閃停電事故。

參見圖1，本發(fā)明提供了基于紅外圖像輔助的可見光圖像識別絕緣子污穢狀態(tài)方法，包括以下步驟：

步驟10，采集絕緣子可見光圖像；

用數(shù)碼相機具體采集絕緣子可見光圖像；

具體實現(xiàn)中，獲取可見光圖像前，需用白卡對相機進行色溫矯正，以降低環(huán)境光線色溫影響，再用灰卡對相機進行曝光矯正，以降低環(huán)境光線照度影響。用灰卡矯正曝光值通常是在固定相機光圈后讓相機自動調(diào)節(jié)快門速度；

優(yōu)選地，拍攝距離為0.5～4m，俯角為15°～45°，順光拍攝；

除了待測污穢等級的絕緣子可見光圖像，還需采集一張0級污穢絕緣子(ESDD<0.01mg/cm²)的可見光圖像和一張IV級污穢絕緣子(ESDD≥0.3mg/cm²)的可見光圖像，以建立污穢等級識別數(shù)學(xué)模型；若現(xiàn)場并無IV級污穢絕緣子，可掃下若干污穢絕緣子盤面的污穢，堆積到足夠厚度后進行拍攝，以得到與IV級污穢絕緣子盤面顏色特征相近的顏色特征值。

步驟11，絕緣子可見光圖像處理及可見光特征值提?。?/p>

首先將絕緣子可見光圖像轉(zhuǎn)換為灰度圖；

種子區(qū)域生長法是從種子點開始以一定閾值向鄰近像素逐步擴張，從而分割出特征相似的區(qū)域的圖形分割算法，對絕緣子可見光圖像轉(zhuǎn)換得來的灰度圖，均勻選取若干個盤面種子點，并設(shè)定種子生長的閾值ε(如ε＝15),提取灰度圖像中絕緣子盤面區(qū)域，再得到對應(yīng)的可見光圖像盤面區(qū)域。采集的絕緣子可見光圖像及圖像處理結(jié)果如圖2(圖2不是本發(fā)明所需必要圖)、圖3(圖3不是本發(fā)明所需必要圖)所示。

在步驟10采集可見光圖像時通過相機降低了光照條件的差異，但色溫、光圈、快門均是有極調(diào)控，存在一定偏差。YUV顏色空間是被歐洲電視系統(tǒng)所采用的一種顏色編碼方法，其中包括亮度分量Y、色度分量U和V，用RGB顏色空間的R、G、B來表示YUV顏色空間的Y、U、V的方程如下：

Y＝0.299*R+0.587*G+0.114*B

U＝0.492*(B-Y)

V＝0.877*(R-Y)

由方程可見，色度分量U、V是B、R減去亮度分量Y，從數(shù)學(xué)上進一步去除了亮度差異的影響。這一特性使得U和V分量在各種色彩空間的特征分量中，更適用于作為不同光照條件下絕緣子可見光圖像盤面顏色特征值。

由于不同型號的絕緣子盤面顏色特征和不同現(xiàn)場的污穢顏色特征存在差異，故在具體實現(xiàn)中，需對U分量和V分量進行取舍以獲取更好的污穢等級識別準確率，其實質(zhì)是選出絕緣子盤面從原有顏色特征過渡到污穢顏色特征后U分量和V分量的變化更大者：求取一個0級污穢絕緣子(ESDD<0.01mg/cm²)的可見光圖像特征值U分量均值U₀和V分量均值V₀，求取一個IV級污穢絕緣子(ESDD≥0.3mg/cm²)的可見光圖像特征值U分量均值U₁和V分量均值V₁；若|U₀-U₁|>|V₀-V₁|，則取U變量作為最終的可見光圖像特征值，否則取V變量作為最終可見光圖像特征值。

步驟12，采集絕緣子紅外圖像；

用紅外熱像儀采集絕緣子紅外圖像；

優(yōu)選地，推薦拍攝距離為0.5～4m，俯角為15°～30°，實際拍攝中以獲取待測絕緣所有盤面的同時盡量減少背景復(fù)雜程度為宜。

步驟13，絕緣子紅外圖像處理及紅外特征值提??；

用每個像素的溫度值作為灰度值，將紅外圖像轉(zhuǎn)換為灰度圖像；

對灰度圖像用最大類間方差法提取絕緣子盤面區(qū)域，并得到對應(yīng)的紅外圖像盤面區(qū)域；

提取紅外圖像盤面區(qū)域的溫升最大值T_max作為紅外圖像特征值。

具體步驟為：

對灰度圖像用最大類間方差法提取絕緣子盤面區(qū)域，該方法的方程為：

σ²(T)＝W_A(μ_A-μ)²+W_B(μ_B-μ)²

式中，T為目標區(qū)域A與背景區(qū)域B的分割閾值，取值范圍0～255；μ_A為區(qū)域A平均灰度；W_A為區(qū)域A像素點數(shù)占圖像的比例；μ_B為區(qū)域B平均灰度；W_B為區(qū)域B像素點數(shù)占圖像的比例；μ為圖像的總平均灰度；σ²(T)為區(qū)域A和B的方差。當T的取值使得σ²(T)最大時，區(qū)域A與區(qū)域B差別最大，用該灰度值作為閾值對灰度圖進行分割，獲取目標區(qū)域A，即絕緣子盤面區(qū)域，最后得到灰度圖對應(yīng)的紅外圖像盤面區(qū)域。采集的絕緣子紅外圖像及圖像處理結(jié)果如圖4(圖4不是本發(fā)明所需必要圖)、圖5(圖5不是本發(fā)明所需必要圖)所示。

提取紅外圖像盤面區(qū)域的溫升最大值T_max作為紅外圖像特征值。

步驟14，建立基于可見光圖像的污穢等級識別數(shù)學(xué)模型和基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型；

具體實現(xiàn)中，對于所述基于可見光圖像的污穢等級識別數(shù)學(xué)模型的適用范圍是相對濕度RH<60％。以人工硅藻土涂污的不同污穢等級的紅棕色陶瓷絕緣子為例，通過步驟11選出V分量作為可見光特征，得到一個0級污穢絕緣子特征值V₀和一個IV級污穢絕緣子特征值V₁后，可列出V-ESDD關(guān)系式：

V＝V₁-(V₁-V₀)e^-10·ESDD

化簡后的ESDD-V關(guān)系式即為所述基于可見光圖像的污穢等級識別數(shù)學(xué)模型：

具體實現(xiàn)中，對于所述基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型的適用范圍是相對濕度RH≥60％。以人工硅藻土涂污的不同污穢等級的紅棕色陶瓷絕緣子為例，通過步驟11選出V分量作為可見光特征，得到一個0級污穢絕緣子特征值V₀和一個IV級污穢絕緣子特征值V₁后，考慮相對濕度RH，可列出V-ESDD關(guān)系式：

V＝[V₁-(V₁-V₀)e^-10·ESDD-V₀]·e^{-0.3(RH-60％)/10％}+V₀

化簡后的ESDD-V關(guān)系式即為所述基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型的可見光部分：

以人工硅藻土涂污的不同污穢等級的紅棕色陶瓷絕緣子為例，通過步驟13選出紅外特征T_max后，并考慮相對濕度RH，可列出T_max-ESDD關(guān)系式：

T_max＝(12-12e^-10·ESDD)·e^{0.3(RH-100％)/10％}

化簡后的ESDD-V關(guān)系式即為所述基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型紅外部分：

最后根據(jù)相對濕度RH對可見光部分和紅外部分求加權(quán)和，RH越高，可見光部分的權(quán)重越低，紅外部分的權(quán)重越高。

綜上，建立基于可見光圖像的污穢等級識別數(shù)學(xué)模型和基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型如下式：

其中，RH的值需從濕度計讀取，各變量含義為：

ESDD：等值附鹽密度值；

V：待識別污穢絕緣子的可見光圖像特征值V分量均值；

V₁：IV級污穢絕緣子的可見光圖像特征值V分量均值；

V₀：0級污穢絕緣子的可見光圖像特征值V分量均值；

T_max：待識別污穢絕緣子的紅外圖像盤面區(qū)域的溫升最大值；

RH：環(huán)境相對濕度。

步驟15，求取絕緣子污穢等級；

其中，所述基于可見光圖像的污穢等級識別數(shù)學(xué)模型和基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型，實質(zhì)上是以環(huán)境相對濕度RH＝60％為分界點：環(huán)境相對濕度RH<60％時，ESDD是關(guān)于V的函數(shù)；環(huán)境相對濕度RH≥60％時需要紅外圖像特征值進行輔助識別，ESDD是關(guān)于V、T_max和RH的函數(shù)，并以RH決定可見光圖像信息和紅外圖像信息的權(quán)重。

具體實現(xiàn)中，利用步驟14建立的數(shù)學(xué)模型，代入待測絕緣子樣本的特征值V(RH<60％)、或V、T_max和RH(RH≥60％)，即可計算出ESDD，從而得出相應(yīng)的污穢等級。

實施本發(fā)明提供的一種基于紅外圖像信息輔助的可見光圖像的絕緣子污穢狀態(tài)識別方法，通過采集絕緣子可見光圖像，經(jīng)圖像處理技術(shù)提取可見光特征值，建立基于可見光圖像的污穢等級識別數(shù)學(xué)模型，采用紅外圖像信息輔助，建立基于紅外圖像信息輔助的可見光圖像污穢狀態(tài)識別數(shù)學(xué)模型，實現(xiàn)絕緣子污穢等級識別，進而制定清洗計劃。本方法排除了光照對可見光圖像的影響，并在高相對濕度下引入紅外圖像信息輔助，實現(xiàn)復(fù)雜環(huán)境條件下絕緣子污穢等級的準確識別；利用污穢絕緣子表面顏色特征和溫度特征隨積污量不同而漸變的特點，建立簡潔、通用的數(shù)學(xué)模型，免去了大量訓(xùn)練樣本的采集和測定，切實提高絕緣子污穢等級識別方法的現(xiàn)場實用性；不需要在桿塔上安裝任何額外設(shè)備，不需要停電，節(jié)省了人力、物力、財力，安全經(jīng)濟可靠。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替換，這些修改或替換都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以權(quán)利要求的保護范圍為準。