[发明专利]一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法

权利要求书

1.一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：该方法为：获取绝缘子的紫红外图像，紫红外图像再通过颜色矩阵形成一阶矩、二阶距和三阶矩，以表达图像中的颜色特征量；然后根据颜色特征量构建绝缘子中心线颜色向量矩阵，在其图像数据中，等分构建三条RGB三色取样的直线，最终实现异常数据提取，并依据异常数据采用人工智能算法判断绝缘子是否存在故障。

2.根据权利要求1所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：紫红外图像采用采用GaN紫红外成像仪获取。

3.根据权利要求1所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：颜色矩阵模型如下：

式中，μ_i代表一阶矩、σ_i代表二阶距、s_i代表三阶矩，N为图像中像素点个数，劣化绝缘子发热特性为钢帽发热明显，而瓷件本体发热较弱，在发热较强的情况下，红外热成像仪展现为红色像素显著，劣化绝缘子的红通道在三阶矩的红色通道数值高于正常绝缘子的红色通道数值。

4.根据权利要求3所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：绝缘子中心线颜色向量矩阵构建方法为：设绝缘子正中心的线为中心线，从下到上构建三条RGB三色取样直线，从下到上在第一条和第二条取样直线中发现无论是正常绝缘子还是劣化绝缘子，其RGB的变化曲线的趋势基本保持一致，直观来看没有明显特征的区分；而在第三条取样直线中明显地对劣化绝缘子和正常绝缘子进行区分，所以绝缘子中心线包含了更为丰富的特征信息，颜色曲线的变化最为显著。

5.根据权利要求1所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：人工智能算法采用卷积神经网络。

6.根据权利要求5所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：卷积神经网络判断方法步骤如下：

1)灰度化：输入的待检测绝缘子片红外图像后，将彩色图像RGB三个颜色通道根据心理学经验公式：

Gray＝R*0.299+G*0.587+B*0.114,将红外彩色的红外图像转变灰度化的红外图像；R、G、B表示像素点的RGB值；

2)去均值：所有灰度化后的图像像素值取平均后得到样本库均值，将经过灰度化的输入图像与均值进行差值计算，即去均值化计算；

3)重定型：通过最近邻差值算法将步骤2)中去均值化的不同尺寸大小的输入图像重新缩放至28*28像素，以满足所设定的卷积神经网络输入的接口标准；

4)经过步骤3)处理后的待检测输入图像，作为训练样本输入至卷积神经网络，通过反向传播算法，对卷积神经网络中的权值进行更新；或直接输入至卷积神经网络，通过前向计算，历经卷积神经网络的输出层，最终得出该输入绝缘子片是否为劣化绝缘子的判定结果。

7.根据权利要求2所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：GaN紫红外成像仪安装在具有俯仰摆动功能的吊舱上，吊舱安装在无人机上。

8.根据权利要求7所述的一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，其特征在于：吊舱通过减震装置连接到无人机上。