[发明专利]基于马尔科夫链蒙特卡罗的绝缘子图像污秽识别方法

说明书

本发明公开了基于马尔科夫链蒙特卡罗的绝缘子图像污秽识别方法，包括具体以下步骤：S1、建立绝缘子图像库；S2、配电线路的绝缘子图像库中绝缘子图像分为训练集和验证集两个部分；S3、建立绝缘子图像污秽识别样本集；S4、建立绝缘子图像污秽识别特征集；S5、构建贝叶斯卷积神经网络分类器，利用Xavier方法初始化贝叶斯卷积神经网络参数；S6、采用马尔科夫链蒙特卡罗法进行训练获得绝缘子图像污秽识别模型；S7、检测并识别绝缘子图像污秽类别。本发明采用马尔科夫链蒙特卡罗法获取绝缘子图像污秽识别模型提高绝缘子图像检测和污秽识别的效率，同时也保证绝缘子图像污秽识别的有效性和准确率。

技术领域

本发明属于配电线路设备运行状态检修和计算机视觉技术领域，具体涉及基于马尔科夫链蒙特卡罗的绝缘子图像污秽识别方法。

背景技术

输电线路要将巨大的电流从发电厂送到远方用户，必须具有两个基本条件，一是为传输电流的导线提供机械支撑；二是防止电流对地形成通道接地，而绝缘子就具备这两种基本功能，所以绝缘子在输电线路中占有重要地位。

绝缘子表面的污秽容易导致电力行业设备外绝缘性能下降，进而引发诸多安全故障。传统的人工巡检方式存在效率和安全等诸多问题，容易受到当地地形和气候的影响，巡检难度较大。

另外传统的绝缘子图像污秽识别方法通常基于颜色形状特征，容易受到光照、天气、图像背景复杂等不确定因素影响，导致其识别准确率较低。基于贝叶斯概率模型的神经网络在模型参数和模型输出上加入概率分布来考虑不确定性因素的影响，但常用的变分推断方法搜寻最优近似分布的过程中，容易造成结果偏差，降低准确率，因此亟需研究出一种准确高效的绝缘子图像污秽识别方法。

发明内容

为了解决上述存在的技术问题，本发明提供基于马尔科夫链蒙特卡罗的绝缘子图像污秽识别方法，采用马尔科夫链蒙特卡罗法获取绝缘子图像污秽识别模型提高绝缘子图像检测和污秽识别的效率，同时也保证绝缘子图像污秽识别的有效性和准确率。

本发明所提供的技术方案如下：

基于马尔科夫链蒙特卡罗的绝缘子图像污秽识别方法，具体包括以下步骤：

S1、建立绝缘子图像库：利用无人机巡检采集配电线路的绝缘子图像数据并进行存储；

S2、将配电线路的绝缘子图像库中绝缘子图像分为训练集和验证集两个部分；

S3、建立绝缘子图像污秽识别样本集：将步骤S2中的训练集进行人工筛选、绝缘子图像有无污秽标记分类获得绝缘子图像污秽识别样本集即绝缘子图像有污秽样本集和绝缘子图像无污秽样本集；

S4、建立绝缘子图像污秽识别特征集：绝缘子图像污秽识别样本集中的每幅绝缘子图像进行分割预处理、特征提取及选择并将这些特征组合为一特征向量Y获得绝缘子图像污秽识别特征集并根据所述特征向量Y将绝缘子图像分为有污秽绝缘子图像和无污秽绝缘子图像两类；

S5、构建贝叶斯卷积神经网络分类器，利用Xavier方法初始化贝叶斯卷积神经网络参数：a、确定一幅图像特征的分布模型得到样本图像的先验概率以及类条件概率；b、利用贝叶斯公式计算出相应的后验概率；c、利用判决函数J(X) 得到满足要求的图像检索结果集；

S6、采用马尔科夫链蒙特卡罗法进行训练获得绝缘子图像污秽识别模型：采用数值采样的马尔科夫链蒙特卡罗方法对模型参数进行训练得到神经网络参数的概率分布，并优化模型参数获得绝缘子图像污秽识别模型；

S7、检测并识别绝缘子图像污秽类别：利用步骤S6中的绝缘子图像污秽识别模型对步骤2中的验证集进行检测，分别计算得出所述验证集中的绝缘子图像有污秽及无污秽的概率，并选取数值大的概率判定为绝缘子图像污秽类别。