基于图像识别与处理的绝缘子憎水性等级判定方法研究

• 作 者: 阮海清
• 出 处: 华南理工大学
• 发表日期: 2020年01期
• 关键词: 绝缘子憎水性判定 图像预处理 深度卷积网络 图像分割 特征提取 XGBoost

复合绝缘子作为电力系统重要部件,长期受恶劣天气影响,会导致其憎水性的下降,给输电带来隐患,因此对其憎水性等级进行判定十分重要。人工憎水性检测时,图片数量过大,耗费大量时间,并且识别率不高。本文结合前沿的图像识别与处理技术对憎水性等级进行自动识别判定,效率好,准确率高。首先为了提高图像的对比度,本文将绝缘子憎水性图像进行预处理,提取B通道灰度化图像,进一步对Retinex算法实施优化,在光照分量上引入权重因子,并对整体图像系数进行开根号处理,最后基于NSCT变换和改进多尺度Retinex结合的算法对图像进行增强预处理,提高图像质量。其次为了对图像进行更好的二值化分割,本文针对等级为HC1、HC2、HC3图像N0和等级为HC4、HC5、HC6、HC7的图像N1在图像形成特点上有着较大差异,使用同一种图像分割算法不能完美的将所有等级的图像进行分割的问题,本文提出在进行7个等级判定之前,首先进行二分类,引入深度卷积神经网络,对网络进行训练成模型,模型能智能的将憎水性图像分为两大类N0和N1,针对识别出的所属类别采取相对应合适的图像分割算法进行分割。如果识别为N0类,本文采用改进的基于类间矩阵迭代双阈值的边缘提取算法和图像形态学结合的方式对图像进行分割,首先使用边缘提取算法对绝缘子水珠进行边缘提取,之后使用图像形态学膨胀、改进基于背景种子点的区域填充、开运算把水珠从背景分割出来;如果识别为N1类,本文采用阈值融合图像分割算法进行二值化分割,即使用改进参数k的Nick局部阈值与Ostu全局阈值系数融合算法对图像进行二值化。最后为了对憎水性等级进行准确判定识别,本文在图像分割形成的二值化图像中进行5个特征量的提取,将提取的特征量样本数据输入XGBoost集成学习分类器进行模型训练,对完成训练的模型进行测试,等级判定总识别率达到了92.9%,相比其他的分类器识别率更高。