[发明专利]一种基于卷积递归网络的绝缘子红外诊断方法

权利要求书

1.一种基于卷积递归网络的绝缘子红外诊断方法，其特征在于包括以下步骤：

A、对绝缘子的红外图像进行分割；

通过Turbopixiel超像素分割方法，合并相似区域；利用颜色空间进行区域提取，选取平均亮度、凹凸度、中心距离三个特征量来描述区域属性；

颜色空间进行区域提取时，其分割阈值的确定步骤如下，

将每个区域内的颜色分量以其区域内的均值替代，为了突出待分割的区域，修改标准的值传统计算公式并进行归一化，得到的值计算公式为，

式中，、、分别代表红、绿、蓝；

分别代表颜色空间的色调、饱和度、明度；

分别代表红、绿、蓝区域内的均值；

分割阈值为：

；；或；；；

故障区域，是结合三个特征量描述的函数,式为：

式中，

为平均亮度，以归一化的区域内灰度的平均值表示，

为凹凸度，通过区域面积和该区域的最小凸边形的面积得到；

为中心距离，区域边缘到图像中心位置的最小值；

B、对分割出的区域进行验证，以确定绝缘子故障区域；

C、对故障区域进行识别，对绝缘子是否发生劣化以及劣化部位做出诊断信息。

2.根据权利要求1所述的基于卷积递归网络的绝缘子红外诊断方法，其特征在于：步骤B中，采用大律法对灰度图进行二值分割，查找包含故障区域的连通区，从最小外接矩形边缘出发设置停止条件，以确定绝缘子故障区域。

3.根据权利要求1所述的基于卷积递归网络的绝缘子红外诊断方法，其特征在于：步骤C中，将特征提取后的样本图像依次经过卷积神经网络层，多层递归神经网络，最终全连接输出到一个softmax分类器中，对绝缘子的劣化与否及劣化部位做出诊断信息。

4.根据权利要求3所述的基于卷积递归网络的绝缘子红外诊断方法，其特征在于：输入样本图像经过第一级卷积神经网络，将得到的特征输入到第二级的多层递归神经网络中，递归神经网络的层数由设置的参数决定，最终全连接输出到一个softmax分类器中；

滤波器中，输入样本图像的尺寸转换为，滤波器的尺寸设为，滤波器的个数为，其预处理通过均值聚类来无监督实现，随机选取样本中个的特征值，作为卷积神经网络层的卷积核使用；均值需要调整的参数仅有聚类个数；

当滤波器作为卷积神经网络层的卷积核使用时输入尺寸为的样本经过卷积层之后得到的特征图的尺寸为，个数为，此时步长为；

根据上述公式，如果输入的样本图像尺寸为，采样范围为，步长为，则采样后的特征图尺寸为；在经过第一级的卷积神经网络后的特征尺度为；

多层递归神经网络层，即第二级网络，每一层中的所有特征向量一起连接组成下一层的特征，共享同一组权重，通过接受域的选择逐步降低特征维度；设滤波器的接受域为，每层的递归神经网络数量为，是二维的权重矩阵，大小为；在接受域无重叠的情况下，一层递归神经网络之后每张特征图的维度降为，之后每层都将维度降低倍，直到变为，最终每张样本图像输出的单层特征维度为。

5.根据权利要求4所述的基于卷积递归网络的绝缘子红外诊断方法，其特征在于：在具体实现中，将待输入的图像归一化为，因此，简化特征图尺寸为。