采用图像分析与神经网络识别绝缘子憎水性

为了快捷准确的识别复合绝缘子的憎水性等级,提出了基于图像分析与神经网络的绝缘子憎水性识别方法.试验获取各个憎水性等级的绝缘子图像,对图像进行直方图均衡增强、自适应中值滤波处理后,利用二维Otsu阈值法对图像进行分割;然后,提取4个与绝缘子憎水性相关的4个特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的BP(back propagation)神经网络识别模型,并用于绝缘子憎水性等级的识别.试验结果表明该方法能够准确识别绝缘子的憎水性等级,总识别率超过了90％,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础.     

基于BP神经网络的复合绝缘子憎水性等级的判定

憎水性检测对于确保复合绝缘子安全可靠运行具有重要意义。笔者提出把图像处理技术和BP神经网络引入到绝缘子憎水性检测中。首先,运用对比度受限自适应直方图均衡和数学形态学滤波对憎水性图像进行增强。然后,利用自适应阈值对图像进行分割,并提取图像中与憎水性相关的4个特征量。最后,选择BP神经网络判定绝缘子憎水性等级。分别采用BP标准算法和4种改进算法对网络进行训练,并对测试样本进行了憎水性等级判定。基于4个特征量的BP网络在一定程度上能够准确地判定绝缘子的憎水性等级。各种算法的判定结果表明L-M算法是比较合理的判定绝缘子憎水性等级的BP神经网络算法。     

基于图像处理与RBF神经网络的绝缘子憎水性识别方法的研究

为了快捷准确地识别复合绝缘子的憎水性等级,提出了基于图像处理与RBF神经网络的绝缘子憎水性识别方法。首先,对图像进行直方图均衡增强、自适应中值滤波处理;然后,利用二维Ostu阈值法对图像进行分割;最后提取4个与绝缘子憎水性相关的特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的RBF神经网络识别模型,并用于绝缘子憎水性等级的识别。试验结果表明,该方法能够准确识别绝缘子的憎水性等级,总识别率高达90%,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础。     

基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法

为实现复合绝缘子憎水性等级自动、准确判别,提出一种基于迁移学习和特征融合的复合绝缘子憎水性等级判别方法。该方法以深度学习为基础,针对传统方法憎水性图像特征表述能力不足的缺点,基于VGG-19卷积神经网络构建了憎水性图像深度特征提取模型,并基于迁移学习理论,通过共享ImageNet集深度特征,提取模型卷积层及网络层参数,实现了训练样本数量受限背景下憎水性图像深度特征提取模型网络优化。针对现场实测环境光照条件多变,深度特征易受影响的缺点,基于局部二值模式提取了憎水性图像局部特征,并以VGG-19网络为基础,通过融合深度特征及局部特征,构建了基于迁移学习和特征融合的复合绝缘子憎水性等级判别模型。算例验证结果表明:所提方法提取的特征含量丰富,有效提高了憎水性等级判别效果,并可改善光照条件变化对憎水性等级判别结果不利影响。     

基于深度卷积神经网络的绝缘子憎水性图像识别方法*

针对传统的复合绝缘子憎水性检测方法效率不高、准确性差的问题,提出了一种用于绝缘子憎水性图像识别的方法。该方法基于深度卷积神经网络智能算法,结合国际复合绝缘子憎水性分级标准,构建了能自动识别出六个憎水性等级的算法,并首次在憎水性图像识别上使用了网格化剖分图像的方法,逐网格分析憎水性等级,最终形成了复合绝缘子憎水性图像自动识别算法。结果显示,应用该算法可清楚地识别绝缘子的憎水性等级,得到绝缘子老化程度的分布情况。     

基于Faster R-CNN的复合绝缘子憎水性分析研究

定期对复合绝缘子的憎水性进行检查,及时更换严重老化的复合绝缘子,是保障电网安全稳定运行的关键。为实现无人机图像拍摄后复合绝缘子憎水性的准确判别,提出一种基于候选区域的快速卷积神经网络绝缘子憎水性分析方法,利用训练得到的Faster R-CNN深度神经网络模型精确定位复杂背景中的复合绝缘子伞裙,通过位置修正提取其中水迹信息区域,最后送入图像分类卷积神经网络完成憎水性等级的判定。测试结果表明,该方法在无人工参与的情况下,能在复杂背景图像中准确定位复合绝缘子伞裙水迹区域,憎水性等级判定结果达到了较高的准确率。     

基于MATLAB平台的复合绝缘子憎水性分析软件开发

复合绝缘子憎水性状况对于电力系统的安全稳定运行具有重要影响。为了准确、快捷、方便地识别复合绝缘子憎水性,借助MATLAB图像处理工具和GUI图形用户界面功能开发了一款复合绝缘子憎水性分析软件。该软件开发运用了模块化思想,建立了图像处理、水珠特征量提取、憎水性检测方法和数据库管理等功能模块;采用改进的Canny算子对图像进行分割,提取了水珠(或水迹)的特征;最后利用改进径向基函数(radial basis function,RBF)神经网络对绝缘子憎水性进行分级。实验结果表明,该软件能够准确、客观地识别绝缘子憎水性等级,准确识别率高达92%。避免了人为因素的影响,提高了工作效率,为现场运行人员提供了数据支持和参考。     

基于蚁群算法的绝缘子憎水性等级判别方法

憎水性是衡量绝缘材料电性能的一个重要指标,也是确保绝缘子安全运行的重要保证,且对绝缘子憎水性等级进行判决的关键是准确地分割出水珠(或水迹)区域,因此将蚁群算法引入到憎水性图像处理中,该方法首先采用自适应局部灰度均衡对图像进行增强,以减小水珠的透明性导致的目标与背景的相似度;然后采用蚁群算法建立憎水性图像的知觉图表,利用图表信息实现对图像边缘信息的提取,从而获取水珠(或水迹)的轮廓信息。最后采用改进的形状因子法对处理后的图像进行憎水性等级的判别。实验结果表明,该算法能够较好地提取污秽绝缘子憎水性图像的水珠(或水迹)的轮廓信息,并能够通过合适的判别方法准确地判别出憎水性等级。     

局部自适应复合绝缘子检测与憎水性分类网络

憎水性等级(Hydrophobicity Class,HC)是衡量绝缘子性能的重要指标之一。在实际环境的多种因素作用下绝缘子伞裙表面存在局部憎水性差异,为了准确识别绝缘子的性能,本文提出了一种基于深度学习的局部自适应绝缘子检测与憎水性分类模型。首先,通过绝缘子分割模块分离绝缘子与背景区域,为后续针对绝缘子区域的操作提供分割信息;然后将绝缘子区域划分为固定大小的图像块,在缩小分辨率减小运算难度的同时保留了绝缘子表面的细节信息;最后通过憎水性分类模块分析图像块内绝缘子的憎水性。实验使用巡检维护现场的绝缘子图片作为样本集,分阶段构建模型,分别对分割阶段和憎水性分类阶段的准确性进行评估。实验结果显示分割阶段模块能有效识别绝缘子和背景区域,交叉验证的测试集准确率均大于97.21%,并且憎水性分类阶段模块能准确分析绝缘子憎水性,对140幅测试图片的识别准确率达到98.65%。经过实验证明本文提出的模型在复杂自然环境中检测绝缘子性能是一种有效的解决方案。     

基于纹理对比度的复合绝缘子表面水珠区域检测算法

在复合绝缘子憎水性的喷水分级检测中,提取复合绝缘子表面的水珠信息是判断憎水性级别的关键。为了提高水珠信息提取的准确性,本文提出了一种基于纹理特征的水珠区域检测算法,并对影响因素进行了分析。该算法利用检测窗提取出各窗口中纹理对比度特征量,通过自适应的对比度最小方差法,判断检测窗中是否含有水珠边缘,从而识别出图像中的水珠区域。最后通过实验验证,该算法能够有效识别出复合绝缘子表面水珠区域。     

基于信息测度和Hausdorff距离的复合绝缘子憎水性等级判定

把图像处理技术应用到复合绝缘子憎水性的测量中,通过对绝缘子图像的对比度增强、图像的灰度、梯度及度的信息测度的综合考虑,结合Hausdorff距离(HD)和形态学对憎水性图像进行边缘提取,获取大水珠(或水迹)边缘信息,最后用改进形状因子法判定绝缘子的憎水性等级.试验结果表明,该方法能准确地测量绝缘子的憎水性,其准确性满足测量的要求.     

基于改进的Canny算子的憎水性图像分割方法的研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,对于电力系统的安全运行有着重要的意义。传统的分割算法分割效果不理想,从而影响憎水性分级的准确性。为此提出了基于改进的Canny算子的憎水性图像分割方法。考虑到绝缘子背景的复杂性,首先,利用自适应直方图均衡对图像进行增强,然后利用改进的Canny算子提取图像中水珠(或水迹)的边缘,最后利用数学形态学中的区域填充、膨胀、腐蚀、移除对象等操作对图像进行处理。实验结果表明:该方法能够对憎水性图像进行有效地分割,为后续绝缘子性能的判定提供依据。     

基于改进的Canny算子的憎水性图像分割方法的研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,对于电力系统的安全运行有着重要的意义。传统的分割算法分割效果不理想,从而影响憎水性分级的准确性。为此提出了基于改进的Canny算子的憎水性图像分割方法。考虑到绝缘子背景的复杂性,首先,利用自适应直方图均衡对图像进行增强,然后利用改进的Canny算子提取图像中水珠(或水迹)的边缘,最后利用数学形态学中的区域填充、膨胀、腐蚀、移除对象等操作对图像进行处理。实验结果表明:该方法能够对憎水性图像进行有效地分割,为后续绝缘子性能的判定提供依据。     

基于多重分形的复合绝缘子憎水性等级判定方法

针对单重分形只能从单一测度对憎水性图像进行分形特征度量,不能全面度量其特征值的情况,提出了基于多重分形对憎水性图像分类判断的机理,从多个测度对其度量,以广义维数序列代替单一测度下的分形维数值或区域对复合绝缘子的憎水性等级进行精确判断,且构建了标准憎水性图像样本的Dq-q曲线,根据该曲线对未知憎水性等级的图像进行憎水性等级判断。结果表明:该分析方法能较好识别出测试样本的憎水性等级,弥补了使用单重分形分析方法时相邻等级间无法划分的缺陷,达到了各个憎水性等级逐级细分的目的。     

基于表面喷水图像分析的绝缘子表面憎水性检测方法

绝缘子表面憎水性检测是判别其性能优劣的主要手段。把数字图像处理技术引入到合成绝缘子的憎水性检测中,通过对绝缘子表面喷水图像的方向滤波、自适应滤波和基于熵的自动阈值区域分割来获取喷水图像中的水滴边界信息。并完成图像的特征提取。最后用k-近邻法判定绝缘子的憎水性等级。实验结果表明,该方法有效克服了传统目测法的主观性。检测结果的准确性能满足实际检测的需要。     

基于在线自动检测装置的复合绝缘子憎水性评价

针对目前复合绝缘子检测工作存在的局限和不足,研制了一套复合绝缘子憎水性在线自动检测装置。该装置由喷水装置、微型拍摄装置和安装有憎水性分析软件的便携式电脑组成。憎水性分析软件利用Matlab平台开发,应用先进的图像处理技术和BP神经网络实现了对绝缘子憎水性的自动识别。软件具有数据库管理功能,可对历史数据进行查询,对检测结果进行评价。同时,考虑到复合绝缘子憎水性受季节变化因素影响,建立了科学的评价方法,提出合理的运行维护方案和建议。试验结果表明,该装置能够安全、快速、准确地在线自动检测复合绝缘子的憎水性等级,准确率高达90%以上,满足工程实际需求。     

应用动态接触角评判复合绝缘子憎水性等级的研究

复合绝缘子表面憎水性是影响其耐污性能的重要因素之一,同时也是判断运行中复合绝缘子老化程度的重要指标。对动态接触角理论进行分析,表明表面粗糙度通过影响动态接触角,造成复合绝缘子具有不同憎水性。基于此,利用动态接触角实测不同憎水性等级复合绝缘子样片,然后,利用扫描电镜对不同憎水性等级复合绝缘子表面进行形貌分析。试验结果表明:与静态接触角相比,综合利用前进接触角和后退接触角能客观、精确地对复合绝缘子憎水性等级进行评判;表面粗糙度影响水珠在复合绝缘子表明的浸润和铺张等特性,验证了动态接触角评判复合绝缘子憎水性等级的可行性。     

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。     

卷积神经网络在复合绝缘子憎水性智能识别中的应用

喷水法是目前检测复合绝缘子憎水性的常用方法,但存在依赖人工判断导致效率低下、准确率较差等问题.为解决该问题,提出一种基于卷积神经网络的复合绝缘子憎水性智能识别方法.首先,通过喷洒不同浓度乙醇溶液模拟绝缘子不同憎水性等级;在各憎水性等级下,综合考虑不同拍摄角度、不同拍摄距离以及不同光照强度等实际条件,分别获取绝缘子表面干...     

基于旋翼无人机的绝缘子憎水性检测

传统的绝缘子憎水性检测采用人工带电作业方式,不仅耗时费力,而且存在一定的安全隐患,为此设计了一种基于旋翼无人机的憎水性检测装置。利用旋翼无人机搭载的电动喷水装置、GoPro微型数码摄像机和图像传输设备,对输电线路绝缘子进行喷水、拍摄、图像传输等高空操作;然后在地面站通过图像处理软件分析绝缘子憎水性等级,其中主观判别采用喷水分级法,客观判别采用改进形状因子法。采用该装置对4组绝缘子进行憎水性测试,主观判别与客观判别所得结果一致。测试效果表明该装置能提高检测效率、准确性和安全性。