[发明专利]基于解谱网络的绝缘子污秽成分识别方法和系统

权利要求书

1.基于解谱网络的绝缘子污秽成分识别方法，其特征在于，包括以下步骤：

选择多种基本污秽化合物，制备混合污秽样本和单一污秽样本；

采集混合污秽样本的高光谱图像数据，采集与混合污秽样本对应的多种单一污秽样本的高光谱图像数据，对混合污秽样本的高光谱图像数据和单一污秽样本的高光谱图像数据进行预处理，建立污秽样本高光谱图像数据库；

搭建基于解谱网络的混合污秽成分的分离识别模型，评估混合污秽成分的分离识别模型性能；

将待识别的混合污秽样本的高光谱图像数据数据输入混合污秽成分的分离识别模型，输出混合污秽样本的高光谱图像数据的污秽种类，得到待识别的混合污秽样本对应的污秽成分。

2.根据权利要求1所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述选择多种基本污秽化合物，制备混合污秽样本和单一污秽样本，包括步骤：

选择自然积污绝缘子表面污秽组分中的多种不同的污秽化合物作为多种基本污秽化合物；

将预定量的单一基本污秽化合物与蒸馏水搅拌混合作为单一基本污秽试剂，多种不同的基本污秽化合物对应多种不同的单一基本污秽试剂，将单一基本污秽试剂以凃污法单一污秽样本；将任意两种以上不同的基本污秽化合物与蒸馏水搅拌混合作为混合污秽试剂，将混合污秽试剂以凃污法制备混合污秽样本。

3.根据权利要求2所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述多种基本污秽化合物包括：高岭土、硫酸铁、氯化钠、氧化铁、硬石膏、石英砂和碳酸钙。

4.根据权利要求1所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述对混合污秽样本的高光谱图像数据和单一污秽样本的高光谱图像数据进行预处理，包括：

将混合污秽样本的高光谱图像与单一污秽样本的高光谱图像分别通过高光谱图像预处理软件ENVI进行感兴趣区域提取，将混合污秽样本高光谱图像、单一污秽样本高光谱图像以.txt的形式导出感兴趣区域的原始三维波谱数据立方数据；

对混合污秽样本高光谱图像的原始三维光谱立方体数据进行镜头校正、黑白校正、谱线滤波处理，得到输入样本集；对单一污秽样本高光谱图像的原始三维光谱立方体数据进行镜头校正、黑白校正、谱线滤波处理，得到输入标签集。

5.根据权利要求4所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述黑白校正的计算公式为：

式中，R为对原始高光谱数据进行黑白校正归一化操作后的新的高光谱图像数据，S为标准白板高光谱图像反射强度数据，D是标准暗参考数据，R₀为待测物体的原始高光谱数据。

6.根据权利要求4所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述搭建基于解谱网络的混合污秽成分的分离识别模型包括：

将污秽高光谱图像数据库划分为训练集、验证集和测试集，将训练集、验证集输入基于解谱网络的混合污秽成分的分离识别模型中，根据输入样本集和输入标签集建立混合污秽样本高光谱图像数据与单一污秽样本标签之间的对应关系；

基于解决信号分离任务中置换不变训练PIT的训练策略对分离识别模型的解谱网络Conv-TasNet进行训练；

对分离识别模型输入测试集进行测试，基于尺度不变信噪比SI-SNR评估分离识别模型的分离网络性能。

7.根据权利要求6所述的基于解谱网络的绝缘子污秽成分识别方法，其特征在于，所述的解谱网络Conv-TasNet包括编码器、分离网络、解码器，编码器连接分离网络的前端，用于提取输入谱线信号的特征，分离网络末端连接解码器，用于对变换后的光谱数据解码还原，以端到端的方式对混合污秽谱线矩阵信号进行分解；分离网络基于堆叠的一维膨胀卷积块构建全卷积分离模块，分离网络每一层使用膨胀因子以指数形式逐渐增加的一维卷积块。