[发明专利]基于高光谱技术的绝缘子表面含水量的检测方法

摘要

一种基于高光谱技术的绝缘子表面含水量检测方法。它先利用高光谱成像仪拍摄已知不同表面含水量的绝缘子表面得到对应的高光谱图像，对高光谱图像进行黑白校正、多元散射校正、平滑去噪，得到表面含水量Si的高光谱谱线Xi，进而得到含水量BP神经网络预测模型；然后拍摄得到待测绝缘子的高光谱图像，进行黑白校正、多元散射校正、平滑去噪，得到待测绝缘子的高光谱谱线X0，将待测绝缘子的高光谱谱线X0输入预测模型，即可得到待测绝缘子的表面含水量。该方法能在带电情况下，对现场绝缘子进行非接触实时检测，其操作简单、易于实现；能方便地为绝缘子的防潮抗湿设计、制造和维护，提供可靠、准确的测试依据。

主权项

1.一种基于高光谱技术的绝缘子表面含水量的检测方法，包括以下步骤：A、已知含水量的高光谱谱线的获取在输配电系统中拆取I个绝缘子i，并使绝缘子i的表面含水量为Si，用高光谱成像仪拍摄绝缘子i，得到表面含水量Si的高光谱图像X”_i，X”_i＝[x”_i,1,x”_i,2,…,x”_i,n,…,x”_i,N]，其中，i为绝缘子的序号，i＝1,2,3……I，I为绝缘子的个数、其取值为10‑500，n为表面含水量Si的高光谱图像X”_i中的特征波段的序号、n＝1,2,3……N，N为特征波段的总个数，其取值为10‑100，x”_i,n为表面含水量Si的高光谱图像X”_i中第n个特征波段下的反射率；对表面含水量Si的高光谱图像X”_i，进行黑白校正、多元散射校正、平滑去噪，得到表面含水量Si的高光谱谱线Xi＝[x_i,1，x_i,2，x_i,3，…，x_i,n，…，x_i,N]；其中，x_i,n为表面含水量Si的高光谱谱线Xi中的第n个特征波段下的反射率；B、含水量BP神经网络预测模型的建立将表面含水量Si的高光谱谱线Xi中的第n个特征波段下的反射率x_i,n，作为BP神经网络预测模型的输入层对应神经元的输入值，通过隐含层的S型传递函数作用后，输出层输出绝缘子i的含水量输出值并将绝缘子i的含水量输出值与绝缘子i的表面含水量Si的差值E_i，作为预测误差进行误差反传，进行BP神经网络预测模型的学习训练，直至误差平方和E，达到最小时，其中，表示从i＝1项到i＝I项的累计求和；得到含水量BP神经网络预测模型；C、绝缘子表面含水量的检测用高光谱成像仪对输配电系统运行中的待测绝缘子进行拍摄，得到待测绝缘子的高光谱图像X”₀，X”₀＝[x”_0,1,x”_0,2,…,x”_0,n,…,x”_0,N]；其中，x”_0,n为待测绝缘子的高光谱图像X”₀中第n个特征波段下的反射率；对待测绝缘子的高光谱图像X”₀进行黑白校正、多元散射校正、平滑去噪，得到待测绝缘子的高光谱谱线X₀,X₀＝[x_0,1，x_0,2，x_0,3…，x_0,n，…，x_0,N]，其中，x_0，n为待测绝缘子的高光谱谱线X₀中的第n个特征波段下的反射率；将待测绝缘子的高光谱谱线X₀中的第n个特征波段下的反射率x_0，n作为含水量BP神经网络预测模型的输入层对应神经元的输入值进行输入，通过隐含层的S型传递函数作用后，输出层输出的含水量输出值即为待测绝缘子的表面含水量S₀。