[发明专利]一种基于红外图像和机器学习的绝缘子故障诊断方法

权利要求书

1.一种基于红外图像和机器学习的绝缘子故障诊断方法，其特征在于：所述方法包括以下步骤：

步骤S1：进行样本准备；

步骤S2：进行绝缘子红外图像预训练；

步骤S3：进行空间金字塔池化操作；

步骤S4：进行识别和检测；

步骤S5：进行网络训练；

步骤S6:进行绝缘子红外图像状态判别。

2.根据权利要求1所述的一种基于红外图像和机器学习的绝缘子故障诊断方法，其特征在于：所述步骤S1包括如下子步骤：

步骤S11：通过现场拍摄和采集绝缘子红外图像

步骤S12：对数据进行如下标准化处理，

式中：为第i张原始图像的均值，为原始图像的标准差，为标准化之后的图像；

步骤S13：对进行随机旋转角度处理进得到X_i，提高模型的鲁棒性，同时可增加样本量；

步骤S14：对X_i提取R、G、B三通道分量，分别记为V_Ri,V_Gi,V_Bi；

步骤S15：进行绝缘子红外图像数据集标注，记y_i为如果第i张图像X_i里绝缘子是否有故障的标签，如有故障，则标签为y_i＝1，否则标签y_i＝0y_i＝0；

步骤S16：对红外图像X_i，在绝缘子红外X_i图像中，寻找过热区域，提取过热区域作为种子seed，其在图像X_i中坐标为(X_seed,Y_seed)，其对应的RGB三通道分量值为V_Ri(X_seed,Y_seed)，V_Gi(X_seed,Y_seed)，V_Bi(X_seed,Y_seed)；

步骤S17：分别在R、G、B三个通道中，计算以种子为中心的8个方向(垂直、水平以及两个对角方向)的差值，以R通道为例：

R通道水平方向：

dV_Rh,1＝V_R(X_seed,Y_seed)-V_R(X_seed+1,Y_seed)

dV_Rh,2＝V_R(X_seed,Y_seed)-V_R(X_seed-1,Y_seed)

R通道平方向：

dV_Rv,1＝V_R(X_seed,Y_seed)-V_R(X_seed,Y_seed+1)

dV_Rv,2＝V_R(X_seed,Y_seed)-V_R(X_seed,Y_seed-1)

R通道水平方向：

dV_Rs,1＝V_R(X_seed,Y_seed)-V_R(X_seed-1,Y_seed-1)

dV_Rs,2＝V_R(X_seed,Y_seed)-V_R(X_seed-1,Y_seed+1)

dV_Rs,3＝V_R(X_seed,Y_seed)-V_R(X_seed+1,Y_seed-1)

dV_Rs,4＝V_R(X_seed,Y_seed)-V_R(X_seed+1,Y_seed+1)

同理可得G、B两个通道上八个方向的差；

步骤S18：计算八个方向与种子点的欧式距离：

dV₁＝dV_Rh,1²+dV_Gh,1²+dV_Bh,1²

dV₂＝dV_Rh,2²+dV_Gh,2²+dV_Bh,2²

dV₃＝dV_Rv,3²+dV_Gv,3²+dV_Bv,3²

dV₄＝dV_Rv,4²+dV_Gv,4²+dV_Bv,4²

dV₅＝dV_Rs,1²+dV_Gs,1²+dV_Bs,1²

dV₆＝dV_Rs,2²+dV_Gs,2²+dV_Bs,2²

dV₇＝dV_Rs,3²+dV_Gs,3²+dV_Bs,3²

dV₈＝dV_Rs,4²+dV_Gs,4²+dV_Bs,4²；

步骤S19：设置阈值δ，如果max(dV_Ri,i∈{1,2,...,8})≤δ，则将该点与种子点合并，否则将该点与种子点分割。