[发明专利]一种GIS内部典型缺陷图像自动识别方法

说明书

本申请实施例公开了一种GIS内部典型缺陷图像自动识别方法，包括获取缺陷图像；对所述缺陷图像进行预处理，获得目标图像；对所述目标图像进行特征提取，获得特征数据；从所述特征数据中提取特征向量；采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。本申请实施例通过训练多类分类器对缺陷类型进行特征分类，然后筛选出满足缺陷类型特征的缺陷图像，从而确定缺陷图像类型，能够提高GIS设备检测的效率和精确性，实现在线监测。

技术领域

本申请涉及电气设备检测领域，尤其涉及一种GIS内部典型缺陷图像自动识别方法。

背景技术

GIS(Gas Insulted Switchgear，气体绝缘全封闭组合电器)由于具有体积较小(相比敞开式电气设备)、占地面积少、受外界环境影响较小等优点，因此得到广泛应用。虽然GIS设备具有的优越性十分显著，但GIS设备一旦发生故障就会影响电网正常运行，特别是内部放电故障或者内部缺陷故障，涉及的停电范围有时就不单是发生故障的间隔、很有可能是相邻间隔，甚至整个变电站。及时确定GIS设备的故障原因并对其进行维修才能保证电网的安全稳定运行。

现有技术中，在对GIS设备内部故障进行检测时，首先使用X光线对GIS设备进行照射，获得GIS设备各个部分的X光线检测图片，然后对X光线检测图片进行预处理，为确定缺陷类型做准备，随后维护人员对预处理后的X光线检测图片进行逐张观察，通过判断X光线检测图片中不同区域的灰度等数值确定GIS设备的内部故障原因。

从上述对GIS设备内部故障进行检测的方法中可以看出，通过维护人员对X光线检测图片进行逐张观察来判断GIS设备缺陷类型，严重影响了GIS设备故障检测的效率，当发生大规模GIS故障时难以及时确定GIS设备缺陷类型，从而影响电网的及时修复，同时，通过人工观察X光线检测图片难以避免的会产生错误判断，影响了GIS设备故障检测的精确性。

发明内容

为克服相关技术中存在的问题，本申请提供了一种GIS内部典型缺陷图像自动识别方法。

一种GIS内部典型缺陷图像自动识别方法，其特征在于，包括：

获取缺陷图像；

对所述缺陷图像进行预处理，获得目标图像；

对所述目标图像进行特征提取，获得特征数据；

从所述特征数据中提取特征向量；

采用多类分类器，将所述特征向量作为输入，对所述特征向量进行识别。

可选地，所述对所述缺陷图像进行预处理，获得目标图像包括：

对所述缺陷图像进行图像灰度化处理，获得灰度图像；

对所述灰度图像进行平滑处理，获得平滑灰度图像；

对所述平滑灰度图像进行锐化处理，获得锐化灰度图像；

对所述锐化灰度图像进行直方图均衡化处理，获得均衡化灰度图像；

对所述均衡化灰度图像进行图像分割，提取出目标图像。

可选地，所述对所述均衡化灰度图像进行图像分割包括：

利用阈值分割方法将所述均衡化灰度图像分割为目标图像和背景图像。

可选地，所述对所述目标图像进行特征提取包括：

从所述目标图像中提取灰度特征、纹理特征和HOG方向梯度直方图特征，其中，所述灰度特征包括均值、方差、歪度、峭度和熵；所述纹理特征包括0°、45°、90°和135°四个方向上的灰度共生矩；所述HOG特征是通过计算所述目标图像的方向梯度直方图得到。

可选地，所述从所述特征数据中提取特征向量包括：