通過提取單幀紅外圖像中盤形懸式瓷絕緣子串鐵帽和盤面溫度信息,以相對(duì)溫差作為判據(jù)來診斷其劣化狀態(tài),是實(shí)現(xiàn)絕緣子串狀態(tài)在線自動(dòng)監(jiān)測(cè)的有效方法。為準(zhǔn)確提取溫度信息,提出一種結(jié)合絕緣子圖像特征與深度學(xué)習(xí)的算法,針對(duì)紅外圖像中瓷絕緣子串的鐵帽和盤面區(qū)域進(jìn)行精確的自動(dòng)識(shí)別。該算法以大量絕緣子不同部件圖像作為樣本數(shù)據(jù)集,經(jīng)過自構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練形成3個(gè)分類器;然后利用分類器在校正后的絕緣子串區(qū)域圖像中進(jìn)行識(shí)別;最后在原紅外圖像中用不同顏色進(jìn)行標(biāo)識(shí)。結(jié)果表明該算法對(duì)不同電壓等級(jí)、不同傘裙形態(tài)的絕緣子串鐵帽與盤面區(qū)域均能取得優(yōu)異的識(shí)別結(jié)果。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1絕緣子串區(qū)域提取流程

因此,該文沿用文獻(xiàn)[9]的絕緣子串區(qū)域提取方法,并對(duì)其步驟進(jìn)行改進(jìn)。對(duì)絕緣子串增加了邊緣檢測(cè),防止因圖像預(yù)處理導(dǎo)致絕緣子串邊緣被濾除。在鐵帽和盤面的識(shí)別部分,采用自構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。紅外圖像中絕緣子串區(qū)域的提取流程如圖1所示。1.2深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)

圖2盤面集、鐵帽集和金具集紅外圖像樣例

對(duì)FLIRT640拍攝的大量紅外圖像中單個(gè)絕緣子的鐵帽、盤面和金具進(jìn)行統(tǒng)計(jì)[18],發(fā)現(xiàn)這些部件長(zhǎng)度均小于60像素,寬度均小于20像素,因此,將樣本大小設(shè)定為60×20像素。該文中樣本是從多個(gè)省市100多個(gè)變電站中挑選的拍攝清晰、背景簡(jiǎn)單的紅外圖像。這些圖像拍攝的環(huán)境和時(shí)間各不....

圖3盤面集、鐵帽集、金具集灰度圖像樣例

在提取絕緣子串區(qū)域時(shí),紅外圖像被轉(zhuǎn)化為灰度圖像,所以最后提取的絕緣子區(qū)域也為灰度圖像。因此,該文中作為輸入層的樣本集也需轉(zhuǎn)化為灰度集。圖3是由圖2生成的灰度樣本集。該文將樣本集分為訓(xùn)練集和驗(yàn)證集,其中驗(yàn)證集為隨機(jī)抽取的5000張圖像,剩余圖像作為訓(xùn)練集輸入到卷積神經(jīng)網(wǎng)絡(luò)中。

圖4自構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

基于深度學(xué)習(xí)的絕緣子串區(qū)域識(shí)別的研究已有較多文獻(xiàn),但是針對(duì)鐵帽和盤面區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)算法還未見到有關(guān)文獻(xiàn)。因此,該文提出一種自構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)來識(shí)別鐵帽盤面區(qū)域,對(duì)結(jié)果進(jìn)行標(biāo)記,其結(jié)構(gòu)如圖4所示。自構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)包括5個(gè)卷積層、3個(gè)池化層和4個(gè)全連接層,最后經(jīng)過softm....

本文編號(hào)：3988370