[发明专利]一种基于统计特征与机器学习的配电线路中绝缘子识别方法

说明书

本发明涉及一种基于统计特征与机器学习的配电线路中绝缘子识别方法，包括：将巡视配电线路时得到的航拍图片，按照合适的比例分成两组，分别作为训练集图片和测试集图片；YCbCr变换；分别在Y通道、Cb通道、Cr通道上提取统计特征，选用的统计特征是图像的一阶矩到六阶矩，以及标准差；归一化处理，将原始数据规整到[0,1]内；制作符合支持向量机SVM的标签文件,作为SVM分类器的训练样本；训练SVM分类器，进行特征优选，从7个统计特征中挑选出最具有识别优势的数据集合；输入测试集图片，利用训练好的分类器，输出分类结果。

技术领域

本发明属于电力技术和计算机视觉领域，涉及一种基于图像处理技术和机器学习技术的无人机巡检航拍图像中绝缘子识别的方法。

背景技术

配电网络是指电力系统内中二次降压变压器低压侧直接或降压后向用户供电的网络，配电线路是指从降压变电站把电力送到配电变压器或将配电变电站的电力送到用电单位的线路。绝缘子是架空配电线路中重要的组成部分，用来支持和固定母线与带电导体、并使带电导体间或导体与大地之间有足够的距离和绝缘，同时也承受导线的垂直荷重和水平荷重。按照使用的绝缘材料的不同，绝缘子可分为瓷绝缘子、玻璃绝缘子和复合绝缘子(也称合成绝缘子)，在本专利中，研究对象是陶瓷绝缘子。

由于配电线路终年暴露在复杂的自然环境中，绝缘子要遭受工厂的排烟、海风带来的盐雾、空气中漂浮的尘埃和大风刮起的灰尘等逐渐积累带来的污秽层；遭受自然天气，如风吹、日晒、雨淋带来的的损害；遭受雷击等自然灾害带来的过电压影响；遭受内部应力和外部应力长期作用下带来的疲劳损伤。绝缘子又是故障多发元件，其污秽、裂纹、破损等表面缺陷，以及电力绝缘子的掉串、绝缘阻抗低会造成停电等电力故障，严重的会造成电网大面积停电。在电力网络故障的统计和调查中，由于绝缘子污损造成的停电故障占到八成，并且在各个地区均发生过大面积由于污损而闪断的情况。

因此，在定期或不定期的电力巡视中，对绝缘子的识别可有助于我们分析和确认绝缘子的情况，为后续对绝缘子进行检修、维护等事务提供重要信息，这是保障配电线路安全运行的必然手段。目前普遍应用的巡检方式是人工巡检，但是绝大部分配电线路处于崇山峻岭，交通死区，通讯盲区，甚至无人区，导致巡视难度大、周期长，而且巡视结果受巡视人员技能以及天气、地形等客观因素影响较大。为了应对巡检工作的巨大需求和配电线路的扩张趋势，无人机巡视这种人工和智能巡视相结合的新型巡视模式，由于其低成本、高效率、维护简单等特点，逐步开始进入实用化的阶段。利用无人机搭载高清相机和图传设备对杆塔和线路的某些细节进行巡视，比如绝缘子污秽、裂痕、塔材锈蚀等，可将电力巡检视频实时传输至地面站，获取大量详实的线路通道航拍视频和照片，这些图像数据存储了配电线路基本特征和运行状态信息，若能应用计算机视觉、图像处理等技术对巡检图像自动进行处理，实现绝缘子的识别和定位，进而可以进行状态监测和故障诊断，既能避免使用人工方式的弊病，大幅提升工作效率和检测精确度，又能极大地改善电路巡检的自动化水平，降低线路维护人员的巡检工作量。

目前，配电线路绝缘子的检测方法种类繁多，包括基于红外图像的、基于激光的、基于声学的、基于可见光图像的等等，这些方法对于大规模、频繁性的巡检工作来说，并不能被广泛的使用。国内外基于可见光图像的绝缘子识别方法大多依据其轮廓信息、颜色信息或纹理信息。基于轮廓特征的可见光图像绝缘子识别方法准确度受航拍的姿态角影响较大；基于颜色特征的可见光绝缘子识别方法中的绝缘子图像分割算法以绝缘子颜色已知作为分割前提；基于纹理特征的可见光绝缘子识别方法易受复杂背景下纹理相似的伪目标干扰。然而电力系统中绝缘子图像采集多由人工或航拍来完成，以需求的特定角度及焦距在特定的光照环境下进行拍摄。由于背景变化多且较为复杂，以上方法均不具有普遍性，不能很好地被运用到实际系统中。

[1]陈庆,闫斌,叶润,周小佳.航拍绝缘子卷积神经网络检测及自爆识别研究[J].电子测量与仪器学报,2017,31(06):942-953.

[2]伍洋.基于机器学习的航拍图像绝缘子识别方法研究[D].华北电力大学,2016.