当前位置: 首页> 交通专利数据库 >详情
原文传递 基于显微高光谱技术的绝缘子污秽成分识别方法
专利名称: 基于显微高光谱技术的绝缘子污秽成分识别方法
摘要: 本发明公开了一种基于显微高光谱技术的绝缘子污秽成分识别方法,属于输变电设备运行状态检修技术领域,其包括:获取积污绝缘子污秽样本的显微高光谱图像,并分为第一图谱集和第二图谱集;分别提取第一图谱集和第二图谱集中的污秽样本混合成分的高光谱谱线;分离出污秽样本的污秽成分,对各污秽成分进行显微高光谱成像,建立污秽成分波谱库;基于污秽成分波谱库和第一图谱集所对应污秽样本混合成分的高光谱谱线建立污秽成分识别模型,第二图谱集所对应污秽样本混合成分的高光谱谱线作为测试集,将测试集输入污秽成分识别模型进行优化。本发明实现了绝缘子污秽成分的微观检测,操作过程简单,利于污秽成分的识别,能够观测绝缘子表面污秽成分分布。
专利类型: 发明专利
国家地区组织代码: 四川;51
申请人: 西南交通大学
发明人: 吴广宁;邱彦;郭裕钧;张血琴;刘凯;高国强;高波;杨雁
专利状态: 有效
申请日期: 2019-07-31T00:00:00+0800
发布日期: 2019-09-20T00:00:00+0800
申请号: CN201910698780.4
公开号: CN110261405A
代理机构: 成都正华专利代理事务所(普通合伙)
代理人: 李蕊
分类号: G01N21/94(2006.01);G;G01;G01N;G01N21
申请人地址: 610031 四川省成都市二环路北一段
主权项: 1.一种基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,包括以下步骤: S1:取得积污绝缘子的污秽样本,并获取所述污秽样本的显微高光谱图像,将该显微高光谱图像分为第一图谱集和第二图谱集; S2:分别从第一图谱集和第二图谱集提取污秽样本混合成分的高光谱谱线; S3:从污秽样本中分离出污秽成分,对分离出的各污秽成分进行显微高光谱成像,并分别从各污秽成分的高光谱图像中提取单一成分的高光谱谱线,对每个污秽成分的若干高光谱谱线求平均值,获取到每个污秽成分的平均光谱,各污秽成分的平均光谱一起构成污秽成分波谱库; S4:将第一图谱集所对应污秽样本混合成分的高光谱谱线和第二图谱集所对应污秽样本混合成分的高光谱谱线分别作为训练集和测试集,根据训练集和污秽成分波谱库,建立污秽成分识别模型,将测试集输入污秽成分识别模型进行优化,剔除所述污秽成分识别模型中造成识别结果错误的数据,继而获取优化的污秽成分识别模型,完成绝缘子污秽成分的识别。 2.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S1中,取得积污绝缘子的污秽样本包括采用切割绝缘片并刮下污层的方式,获取显微高光谱图像的过程包括校正处理、变换处理和增强处理。 3.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述校正处理为黑白校正或多元散射校正。 4.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述变换处理为标准正态变换、小波去噪方法、Savitzky-Golay平滑方法、微分变换方法和对数变换方法中的任意一种。 5.根据权利要求2所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述增强处理为Gamma校正或直方图均衡化。 6.根据权利要求1所述的基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S3中,从污秽样本中分离出污秽成分的方法为X-射线能谱仪检测法、X-射线粉末衍射仪检测法、电感耦合等离子发射光谱仪检测法中的任意一种。 7.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S3中,污秽成分的平均光谱获取公式如下: 式中,为污秽成分所有高光谱图像在各个波长点处求平均值所得到的平均光谱矢量;为污秽成分各高光谱图像的光谱Ai之和;n为污秽成分高光谱图像总数;i为污秽成分高光谱图像标号。 8.根据权利要求1所述基于显微高光谱技术的绝缘子污秽成分识别方法,其特征在于,所述步骤S4中,使用欧氏距离分类法建立污秽成分识别模型,具体包括如下步骤: A-1:求得待测积污绝缘子污秽成分谱线欧式距离,公式为: 式中,dist(X,Y)为求得的待测积污绝缘子污秽成分谱线与成分波谱库中标准谱线的欧式距离;m为波段总数,xh为待测积污绝缘子污秽成分谱线在第h个波段的反射率值,yh为成分波谱库某成分标准谱线在第h个波段的标准反射率值; A-2:判别待测积污绝缘子污秽成分,公式为: y=min(distk(X,Y)) 式中,y为最小欧式距离对应成分类别,distk(X,Y)为求得的待测积污绝缘子污秽成分谱线与污秽成分波谱库第k种成分标准谱线的欧式距离;k=1,2,…,m;m为污秽成分波谱库中所含污秽成分种类总数。
所属类别: 发明专利
检索历史
应用推荐