[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

说明书

本发明公开了一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，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，最终实现数据异常提取，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。本发明实现对输电线路劣质绝缘子的故障分析判断，分析出正常绝缘子和劣化绝缘子，提前发现问题绝缘子，从而进行更换，避免造成巨大安全事故问题。

技术领域

本发明涉及一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，属于绝缘子故障检测技术领域。

背景技术

在电力系统输电线路上绝缘子劣化问题一直存在，绝缘劣化、老化甚至缺陷等问题，危及电力系统的安全稳定运行且严重威胁电力系统的安全运行，现有的检测技术多少都存在缺陷，不能很好的处理这一问题。随着国内开发成功的GaN紫红外成像仪，用于绝缘子劣化的技术检测，相关的技术也在逐步推进，尤其是绝缘子故障判断技术。绝缘子故障判断若不精确，不能够提前发现问题，容易发生重大事故。

发明内容

本发明要解决的技术问题是：提供一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，以解决现有技术中存在的技术问题。

本发明采取的技术方案为：一种采用绝缘子中心线颜色矩阵的绝缘子故障判断方法，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，最终实现数据异常提取，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。

紫红外图像采用采用GaN紫红外成像仪获取。

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。

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。

人工智能算法采用卷积神经网络。

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；保证输入的不同维度的图像数据归一化到同一区间内，保证输入图像的一致性；

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；