[发明专利]一种基于卷积递归网络的绝缘子红外诊断方法

说明书

本发明公开一种基于卷积递归网络的绝缘子红外诊断方法，包括以下步骤：A、对绝缘子的红外图像进行分割；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。本发明能够改进现有技术的不足，具有较高的精度和收敛速度，且可适应性较强。

技术领域

本发明涉及电网故障识别诊断技术领域，尤其是一种基于卷积递归网络的绝缘子红外诊断方法。

背景技术

绝缘子被广泛应用于输电线路中，是输电网络的重要组成部分。因此绝缘子的状态监测将是一个繁重的工作，相较于传统的人工巡检方式，利用红外成像仪进行故障巡检更为高效，因此对红外图像的故障提取，是目前智能巡检的重要发展方向。现有的工作模式下，红外图像的故障识别主要以人工识别为主，对人员的专业素质要求高，存在着人为因素影响大、工作效率低等缺陷。随着智能变电站和变电站巡检机器人的进一步发展和普及，海量的红外故障图像涌入等待分析，对以人工诊断为主的传统处理方式提出了新的挑战。采用计算机的辅助分析手段对采集到的红外图像进行自动提取、识别、分析，可以减轻劳动强度、减少对技术人员的依赖，更有利于实现图像的数据化，便于进行横向和纵向的统计分析。此外，电力大数据下非结构化数据信息的涌入对图像识别的精度和速度提出了更高的要求，目前常用的几种故障诊断方法，聚类分析、BP神经网络、支持向量机等，在训练速度、收敛速度、以及模型的稳定性等方面均有一定的缺陷，且方法较为单一，难以适应复杂的电力系统。

发明内容

本发明要解决的技术问题是提供一种基于卷积递归网络的绝缘子红外诊断方法，能够解决现有技术的不足，具有较高的精度和收敛速度，且可适应性较强。

为解决上述技术问题，本发明所采取的技术方案如下。

一种基于卷积递归网络的绝缘子红外诊断方法，包括以下步骤：

A、对绝缘子的红外图像进行分割；

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。

作为优选，步骤A中，通过Turbopixiel超像素分割方法，合并相似区域；利用HSV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。

作为优选，HSV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R_i内的颜色分量以其区域内的均值[r_i,g_i,b_i]替代，为了突出待分割的区域，修改标准的H值传统计算公式并进行归一化，得到的H值计算公式为，

式中，R、B、G分别代表红、绿、蓝；

分割阈值为：

H＞0.65；S＞0.5或S＜0.12；V＞200；

所述故障区域，是结合三个特征量描述的函数F,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，通过该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。

作为优选，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联通区，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。