[发明专利]一种车顶绝缘子表面粗糙度非接触式分级检测方法在审
申请号: | 201811631273.0 | 申请日: | 2018-12-29 |
公开(公告)号: | CN109405771A | 公开(公告)日: | 2019-03-01 |
发明(设计)人: | 吴广宁;曾浩伦;张血琴;曹保江;郭裕钧;刘凯;康永强;张广全;邱彦;范超;高润明 | 申请(专利权)人: | 西南交通大学 |
主分类号: | G01B11/30 | 分类号: | G01B11/30 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 李林合 |
地址: | 610031*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车顶绝缘子 表面粗糙度 特征波段 分级检测 表面粗糙度检测 预处理 等级判别模型 非接触式 样品图像数据 支持向量机构 高光谱图像 训练数据 样品表面 粗糙度 非接触 检测 拆卸 | ||
1.一种车顶绝缘子表面粗糙度非接触式分级检测方法,其特征在于,包括以下步骤:
S1、获取每个车顶绝缘子样品表面粗糙度,确定车顶绝缘子表面粗糙度等级数,获取每个表面粗糙度等级的取值区间;
S2、获取已知粗糙度的车顶绝缘子样品的高光谱图像,并对获取的高光谱图像进行预处理,得到样品图像数据;
S3、采用连续投影方法对样品图像数据进行波段选择,获取样品图像数据的特征波段数据;
S4、将样品图像数据的特征波段数据作为训练数据,根据每个表面粗糙度等级的取值区间,采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型;
S5、采用与步骤S2和步骤S3相同的方法获取待测车顶绝缘子的特征波段数据,采用车顶绝缘子表面粗糙度等级判别模型对待测车顶绝缘子的特征波段数据进行判别,完成车顶绝缘子表面粗糙度检测。
2.根据权利要求1所述的车顶绝缘子表面粗糙度非接触式分级检测方法,其特征在于,所述步骤S2的具体方法包括以下子步骤:
S2-1、采用高光谱成像仪获取已知粗糙度的车顶绝缘子样品的高光谱图像R0;
S2-2、根据公式
对高光谱图像R0进行黑白校正,得到校正后的光谱图像R;其中D为标准黑板的反射图像;W为标准白板的反射图像;
S2-3、获取每个已知粗糙度的车顶绝缘子样品校正后光谱图像对应的光谱矢量,并将不同已知粗糙度的车顶绝缘子样品对应的光谱矢量列入光谱矢量矩阵A,其中光谱矢量矩阵A为n×p维定标光谱数据矩阵,n为样本数,p为光谱采集所用的全谱波长个数;
S2-4、根据公式
获取所有车顶绝缘子样品的平均光谱矢量其中Ai为第i个车顶绝缘子样品对应的光谱矢量;i=1,2,…,n;Ai∈A;
S2-5、根据公式
对第i个车顶绝缘子样品的光谱矢量Ai与平均光谱矢量进行一元线性回归运算,获取第i个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量mi和倾斜偏移系数bi,即得到每个车顶绝缘子样品对应的光谱矢量相对于平均光谱的线性平移量和倾斜偏移系数;
S2-6、根据公式
对第i个车顶绝缘子样品对应的光谱矢量Ai进行多元散射校正,得到第i个车顶绝缘子样品校正后的光谱矢量Ai(MSC),即得到每个车顶绝缘子样品校正后的光谱矢量,将每个车顶绝缘子样品校正后的光谱矢量作为其样品图像数据,完成预处理。
3.根据权利要求2所述的车顶绝缘子表面粗糙度非接触式分级检测方法,其特征在于,所述步骤S4中采用支持向量机构建车顶绝缘子表面粗糙度等级判别模型的具体方法包括:
采用径向基核函数对支持向量机进行建模,得到车顶绝缘子表面粗糙度等级判别模型,其中径向基核函数K(xb,xc)为:
K(xb,xc)=exp(-||xb-xc||2/2σ2)
径向基核函数对应的判别函数f(x)为:
其中xc为第c个核函数中心;σ为函数的宽度参数;exp(·)为以自然常数e为底的指数函数;xb为第b个训练数据,yb为xb对应的粗糙度等级标签;sign(·)为sign函数;αb为拉格朗日系数,d为偏差值;h为训练数据总数。
4.根据权利要求1-3任一所述的车顶绝缘子表面粗糙度非接触式分级检测方法,其特征在于,所述粗糙度等级共分为7个,其取值区间分别为0.5μm~1μm、1.01μm~1.5μm、1.51μm~2μm、2.01μm~2.5μm、2.51μm~3μm、3.01μm~3.5μm和3.51μm~4μm。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811631273.0/1.html,转载请声明来源钻瓜专利网。