基于自动识别算法的复合绝缘子憎水性检测研究

基于自动识别算法的复合绝缘子憎水性检测研究

韦海坤叶堂柱邝凡

（广东电网有限责任公司东莞供电局广东省东莞市523050）

摘要：本文通过输电线路复合绝缘子憎水性智能检测现状研究，提出了一套基于憎水性图像自动识别改善算法设计方案，完善输电线路智能检测手段，有效提高输电设备的运维质量。

关键词：复合绝缘子；自动识别；憎水性

1引言

为防止污闪事故的发生，需要定期对绝缘子憎水性进行检测，传统的喷水分级法需要将绝缘子从输电线路上取下，耗费了大量的人力、物力和时间，为了保证输电线路的安全运行，有必要对复合绝缘子憎水性等级的自动识别方法展开深入研究。

目前评判绝缘子的憎水性主要有3种方法：静态接触角法、表面张力法和喷水分级法[1]。静态接触角法对实验环境的要求比较严格，只能在实验室条件下进行检测。表面张力法采用的液体对人体有害，限制了其在绝缘子憎水性等级评判中的应用，喷水分级法操作简单、方便快捷，但受人的主观性影响较大，这种方法的检测结果由于操作人员的不同而出现一定的差异性。为了使检测结果更加客观准确，国内外一些学者已将数字图像处理技术和人工智能技术应用到复合绝缘子憎水性等级识别中。

2复合绝缘子憎水性智能检测现状[2.3.4.5]

现在的复合绝缘子憎水性智能检测判别方法主要有采用改进的形状因子法、采用支持向量机(supportvectormachine,SVM)决策树、采用k-近邻法以及采用自适应滤波处理图像技术等。根据相关研究结果表明上述方法能够在一定程度上有效地克服人的主观性判定结果的影响，但自身也存在一定的不足。例如改进的形状因子法利用最大水珠的形状因子和最大水珠与整幅图像的面积比作为特征量，通过对大量憎水性图像进行统计分析，得出了憎水性等级和这2个特征值之间的量化关系，但实际中，这两个特征值和憎水性等级之间呈现出非常复杂的非线性关系，此方法给出的量化关系并不能涵盖所有的绝缘子；SVM决策树对大规模的训练样本难以实施；k-近邻法的精度和计算效率受k值影响较大。

因此，有部分研究引入图像处理技术和BP神经网络，采用同态滤波和直方图均衡对绝缘子憎水性图像进行增强预处理，然后采用改进的Canny算子和数学形态学对图像进行较为准确的分割，并提取了4个可以反映绝缘子憎水性等级的特征量，这4个特征量作为BP神经网络的输入量以识别绝缘子憎水性等级。

3基于自动识别算法的憎水性检测

上述方法中所得出的憎水性等级均来自图像本身的像素参数，无法得出实际尺寸这一参量，因此在图像预处理算法中需加入光照不均背景消除方法，并利用彩色图像饱和度增强及直方图均衡化算法，减弱复合绝缘子背景图层、增强水珠图层，已达到图像对比度增强效果，能够更为有效且准确的分离水珠；在憎水性等级判定中引入图像标定，借以获取水珠实际尺寸，使憎水性等级判定更符合标准要求，提高其准确度。

复合绝缘子憎水性图像的自动识别主要包括复合绝缘子水滴分布规律的提取及水滴分布图像的模式识别与图像匹配。

水滴分布图像可以理解为由不同的封闭区域组成，即一个一个离散分部的水滴，这些水滴涵盖的区域在统计学上满足某种一致性准则。区别这些封闭区域之间的分界线体现了重要的景物结构，也就是不同的水滴分布结构，这些分界线在图像中也表现为强度的非连续性，由于存在其他噪声源，使得被处理的图像信号相当复杂。为了能够精确表示水滴的分布规律，所应用的检测算法必须能够检测出强度的非连续性，又要能够精确确定他们的空间位置，同时又要抑制其他不相干的噪声。在经典边缘检测算子基础上发展起来的边缘检测算法主要包括：最优算子、多尺度方法以及自适应方法，处理框图如图3.1所示。

图3.1图像平滑处理及边缘检测

得到水滴的分布规律还不能满足检测要求，还需要将样品的憎水性检测图像与标准的憎水性分级图形进行对比，判断当前样品的憎水性等级，这实际上是模式识别及图像匹配的问题。采用贝叶斯决策理论对目标图形进行识别与匹配，该方法是一种统计处理方法，其具体的原理框图如图3.2所示：

4憎水性图像自动识别算法设计

本项目中采用的憎水性等级的自动识别算法框图如图3.4所示，主要分为四步：第一步，图像预处理；第二步，水珠分离；第三步，特征提取与统计；第四步，憎水性等级判定。

图4.1憎水性等级自动识别算法框图

在图像预处理中引入了基于EMD趋势项背景提取方法，该方法能够有效的提取出受光照及绝缘子自身结构影响而产生的亮度不均背景图像，为后续水珠目标的有效分离提供了可靠的数据信息。并利用彩色图像饱和度增强和直方图均衡化算法相结合的方法对图像进行增强处理，明显提高了图像的对比度，许多边缘细节表现的也更加清晰。在水珠分离中采用了基于OTSU自适应水珠图像分割算法，水珠自动分离后的二值图像中绝大大部分水珠得到了有效的分离。

在此基础上利用基于粗糙集改进的数学形态学水珠图像修正算法进行图像修正，保证了水珠图像的边缘的连续性和光滑性以及水珠图像自身的连通性，为后续憎水性图像特征值的准确提取奠定了良好的基础。在特征提取与统计中，采用BLOB分析统计方法，根据区域连通性将水珠图像分割为离散的连通区域，并统计了各连通区域的信息，汇集成一个包含了多维信息的数据集合。这些集合中每一元素代表一滴水珠图像，水珠图像的表征变为了多维信息数据存储，这些信息包含了水珠的位置、像素面积、边缘、外接矩形、形心、重心等几何参数。并根据这些数据提取了4个与绝缘子憎水性相关的特征量：水珠(或水迹)覆盖率W，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)的长轴a，为憎水性等级判定提供数据支撑。在憎水性等级判定中采用基于BP神经网络的憎水性识别模型方法，并结合实际尺寸参数，参照增数性等级判定标准对憎水性等级进行准确判定。

5结论

本文根据输电线路复合绝缘子憎水性智能检测现状研究，提出了一套基于憎水性图像自动识别改善算法设计方案，完善输电线路智能检测手段，有效提高输电设备的运维质量。

参考文献：

[1]徐志钮，律方成，赵丽娟，等.憎水性材料接触角算法的选择及在硅橡胶憎水性检测中的应用[J].高电压技术，2012，38(4)：814-819.

[2]陈秀娟.复合绝缘子憎水性及憎水迁移性在线检测技术的研究[D].北京：华北电力大学，2005：15-35.

[3]王泉德，文必洋，王先培.采用图像识别和分类判定绝缘材料憎水等级[J].电机与控制学报，2008，12(1)：94-98.

[4]彭克学，王泉德，王先培.基于表面喷水图像分析的绝缘子表面憎水性检测方法[J].绝缘材料，2005，7(1)：47-51.

[5]张重远，闫康，汪佛池，杨升杰，李宁彩.基于图像特征提取与BP神经网络的绝缘子憎水性识别方法[J].高电压技术,2014,Vol.40,No.5:1446-1452.

职创项目：输电线路复合绝缘子憎水性带电无损远程自动化检测成套装置研究(031900KK52180110)