[发明专利]一种二重学习的绝缘子串缺陷识别方法及设备

权利要求书

1.一种二重学习的绝缘子串缺陷识别方法，其特征在于，包括：

对采集到的待处理图像进行预处理；

将经过预处理的图像利用一重学习分类器进行迭代训练，获得绝缘子串特征集；

将所述绝缘子串特征集进行分解得到绝缘子特征集，将所述绝缘子特征集利用二重学习分类器进行迭代训练，以便更新所述绝缘子特征集；

将所述更新后的绝缘子特征集进行组合得到新绝缘子串特征集，将所述新绝缘子串特征集利用所述一重学习分类器进行迭代训练，以便更新所述绝缘子串特征集，得到更新后的绝缘子串特征集；

将所述更新后的绝缘子串特征集和绝缘子特征集中的图像作为对象图像，利用模板匹配方法从所述对象图像中进行定位获得结果图像；

根据所述结果图像计算确定所述对象图像中包含有缺陷绝缘子的绝缘子串图像。

2.根据权利要求1所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，所述将经过预处理的图像利用一重学习分类器进行迭代训练，获得绝缘子串特征集具体包括：

将经过预处理的图像划分为初始绝缘子串特征集和绝缘子串非特征集；

将所述初始绝缘子串特征集利用所述一重学习分类器进行识别训练，获得绝缘子串特征集；

将所述绝缘子串特征集和所述绝缘子串非特征集进行重组得到绝缘子串测试集；

将所述绝缘子串测试集利用所述一重学习分类器进行识别训练，以便更新所述绝缘子串特征集。

3.根据权利要求1所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，所述将所述绝缘子串特征集进行分解得到绝缘子特征集，将所述绝缘子特征集利用二重学习分类器进行迭代训练，以便更新所述绝缘子特征集具体包括：

将所述绝缘子串特征集进行分解得到初始绝缘子特征集和绝缘子非特征集；

将所述初始绝缘子特征集利用所述二重学习分类器进行识别训练，获得绝缘子特征集；

将所述绝缘子特征集和所述绝缘子非特征集进行重组得到绝缘子测试集；

将所述绝缘子测试集利用所述二重学习分类器进行识别训练，以便更新所述绝缘子特征集。

4.根据权利要求1所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，所述利用模板匹配方法从所述对象图像中进行定位获得结果图像具体包括：

建立与特征图像大小相适应的掩膜，所述特征图像为所述对象图像中只包含绝缘子串和绝缘子的区域的图像；

以所述掩膜为窗口遍历所述对象图像，每次遍历均计算处于所述掩膜范围内的黑像素图像大小与所述掩膜大小的差异度；

获得所述差异度小于预置阈值的结果图像，所述结果图像包括表征绝缘子串的结果图像和表征绝缘子的结果图像。

5.根据权利要求4所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，根据平方差公式描述所述差异度，所述平方差公式具体为

式中，为运算的结果图像，为特征图像，为对象图像，为所述掩膜顶点的像素值，为掩膜内的像素值。

6.根据权利要求1所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，所述根据所述结果图像计算确定所述对象图像中包含有缺陷绝缘子的绝缘子串图像具体包括：

根据所述结果图像中用于表征绝缘子的结果图像，计算所述用于表征绝缘子的结果图像的面积，将该面积记为实际绝缘子面积；

将所述实际绝缘子面积小于预置面积阈值的所述用于表征绝缘子的结果图像确定为缺陷绝缘子图像；

根据所述缺陷绝缘子图像确定所述对象图像中与所述缺陷绝缘子图像对应的绝缘子串图像。

7.根据权利要求1所述的一种二重学习的绝缘子串缺陷识别方法，其特征在于，所述对采集到的待处理图像进行预处理具体包括：

对采集到的待处理图像进行积分运算，获得所述待处理图像中每个像素的自适应阈值；

根据所述自适应阈值对所述待处理图像进行二值化处理，得到第一二值化图像；

将所述第一二值化图像利用边缘检测方法进行处理，获得只含有图像轮廓信息的第二二值化图像，所述图像轮廓信息为所述第一二值化图像中黑像素图像的轮廓信息。