[发明专利]一种红外图像中瓷绝缘子铁帽和盘面自动识别方法、系统及存储介质

说明书

本发明公开了一种红外图像中瓷绝缘子铁帽和盘面自动识别方法，包括如下步骤：对绝缘子的红外图像进行预处理操作；对处理后的绝缘子串图片进行特征点的提取；对绝缘子串进行角度矫正，采用Hough变换将绝缘子串放置图像中的水平位置；自构建卷积神经网络对绝缘子的铁帽和盘面进行精准识别。本发明结合绝缘子图像特征与深度学习的算法，通过自构建的卷积神经网络，针对红外图像中瓷绝缘子串的铁帽和盘面区域进行精确的自动识别，以达到提取铁帽和盘面温度信息，解决了原先的识别方法存在的诸多问题，并将相对温差作为判据来诊断其劣化状态，来实现在线自动监测绝缘子串状态。

技术领域

本发明属于变电站以及输电线路上的瓷质绝缘子劣化检测领域，涉及变电站及输电线路红瓷质绝缘子串劣化智能检测方法，具体涉及一种红外图像中瓷绝缘子铁帽和盘面自动识别方法、系统及存储介质。

背景技术

盘形悬式瓷绝缘子串/元件(以下简称绝缘子串/绝缘子)在输配电网中有着广泛应用，在架空线路和变电站中起到支撑和绝缘的作用。其为输电线路和变电站的重要外绝缘部件。受到环境因素等的影响，长时间运行的绝缘子串中容易形成低值或者零值绝缘子，导致线路或变电站中故障频发，严重时甚至会产生掉串事故。红外热像检测现在已经较普遍的应用于电气设备状态检测中，大量实践效果也证明该技术的高效可靠性。将拍摄所得的红外图像经过图像预处理等操作，结合深度学习算法，识别并分割出绝缘子串中各个部件，继而提取其温度信息作为劣化判别依据，为实现在线自动监测绝缘子劣化奠定了基础。

《基于红外图像的绝缘子串自动提取和状态识别》提出一种基于图像处理的方法来分割绝缘子的铁帽与盘面区域，其原理是：通过一系列的步骤将绝缘子串区域提取后，对该区域使用投影统计法和区域定位提取算法，按列遍历整个绝缘子串区域，分别计算每列中铁帽和盘面的连续长度，把其中最大值分别作为铁帽和盘面的间距。最后设定阈值排除其他细导线或金具的干扰，反向计算求出两个区域的二值图像并用不同颜色标记。该方法对于部分110kV单伞型的绝缘子可以取得较好的分割结果。然而当将其运用于双伞甚至三伞的绝缘子时，由于盘面区域不连续，采用该方法会导致两种结果：一是将背景区域也作为盘面区域识别，导致盘面实际温度过低；二是盘面区域消失，只剩下铁帽区域，失去了盘面的温度数据。

《基于Faster R-CNN的航拍图像中绝缘子识别》提出一种基于Faster R-CNN的航拍图像中绝缘子识别，通过大量数据集的验证，较为准确地确定了图像中绝缘子串区域的位置。《A Fault Diagnosis Method of Insulator String Based on Infrared ImageFeature Extraction and Probabilistic Neural Network》提出一种基于红外图像特征和概率神经网络检测绝缘子串故障的方法，通过对绝缘子串进行Hough变换，识别出绝缘子串位置，进而提取铁帽和盘面的温度。但是文中对铁帽和盘面定位与分割的结果不理想，导致温度信息提取有误，无法保证判断温度判据的准确性。《Aggregating DeepConvolutional Feature Maps for Insulator Detection in Infrared Images》将深度卷积特征映射用于识别红外图像中绝缘子串所在位置，但是对于图像中模糊的绝缘子部分效果不够理想。《深度学习在输电线路绝缘子故障检测中的研究与应用》通过结合Fast R-CNN和区域提议网络，利用调优后的参数对无人机拍摄的绝缘子图像进行训练，可以对绝缘子串整体进行检测，能够检测出绝缘子串中是否有绝缘子脱落的情况。但是针对于未发生掉落的劣化绝缘子，无法进行有效检出。

从上述文献可知，对绝缘子的铁帽和盘面分目前还存在一定的技术空白，还是存在很多技术缺陷，需要一个新的技术方案来解决上述问题。

发明内容