畢業(yè)設(shè)計(jì)（論文）-基于紅外熱像的智能在線劣化絕緣子檢測(cè)

HUNANUNIVERSITY畢業(yè)設(shè)計(jì)(論文)設(shè)計(jì)論文題目：基于紅外熱像的智能在線劣化絕緣子檢測(cè)學(xué)生姓名：學(xué)生學(xué)號(hào)：專業(yè)班級(jí)：電氣工程及其自動(dòng)化1104班學(xué)院名稱：電氣與信息工程學(xué)院指導(dǎo)老師：學(xué)院院長：2015年5月5日

湖南大學(xué)畢業(yè)設(shè)計(jì)(論文)第[8]ChenHD,ChenY.Fuzzypartitionoftwo-dimensionalhistogramanditsapplicationtothresholding.PatternRecognition,1999，32(5)：825-843我們假設(shè)待處理的灰度圖像具有L個(gè)灰度級(jí)，i∈{0,1,2,…..，L-1}，灰度值為i的像素個(gè)數(shù)記為ni，灰度值為i的概率記為p(i)。其中(3.3)現(xiàn)在假定一個(gè)閾值t將灰度圖像分為兩部分：目標(biāo)區(qū)域和背景區(qū)域，設(shè)目標(biāo)區(qū)域的概率為w0，背景區(qū)域的概率為w1，μ0、μ1分別為這兩部分區(qū)域的平均灰度。那么相關(guān)表達(dá)式如下：(3.4)(3.5)(3.6)(3.7)類間方差為：(3.8)求出所有t值對(duì)應(yīng)的σ2，其中最大的σ2對(duì)應(yīng)的t值即為分割圖像背景和目標(biāo)的最佳閾值。二值形態(tài)學(xué)灰度圖轉(zhuǎn)化為二值圖像后，為了后續(xù)的識(shí)別工作，我們通常還希望對(duì)其進(jìn)行進(jìn)一步處理從而改善其圖像質(zhì)量或獲得其本質(zhì)特征如邊緣、骨架等，這時(shí)就用到了二值形態(tài)學(xué)運(yùn)算。在二值形態(tài)學(xué)運(yùn)算中，圖像被看成是一種數(shù)字的集合，并按需要形成一個(gè)結(jié)構(gòu)元素作為“探針”對(duì)該集合進(jìn)行信息探索[9]FanJ,Yau[9]FanJ,YauDK,ElmagarmidAK,etal.Automaticimagesegmentationbyintegratingcolor-edgeextractionandseededregiongrowing.IEEETransonImageProcessing,2001，10(10)：1454-1466腐蝕的含義是：以B作為結(jié)構(gòu)元素遍歷目標(biāo)圖像A，檢驗(yàn)結(jié)構(gòu)元素對(duì)應(yīng)位置上的A的子圖像，若該子圖像與結(jié)構(gòu)元素B相同，則把該子圖像所處位置的原點(diǎn)賦值為1，除此之外的元素全部賦值為0，由此得到腐蝕的結(jié)果。用表達(dá)式可表示為(3.9)在結(jié)構(gòu)元素相對(duì)于目標(biāo)圖像較小時(shí)，腐蝕可以在基本不影響目標(biāo)圖像面積情況下起到消除圖像噪點(diǎn)、在細(xì)小的連接處分離目標(biāo)的作用。膨脹的過程描述為：用結(jié)構(gòu)元素B關(guān)于原點(diǎn)的反射集合掃描目標(biāo)圖像A，當(dāng)所掃描的子圖像與存在著一個(gè)以上的元素交集時(shí)，將該子圖像原點(diǎn)處的元素賦值為1，否則賦值為0，由此得到的圖像就是膨脹的結(jié)果。用表達(dá)式可表示為=(3.10)由上述定義可知，膨脹可以起到填充圖像細(xì)小空洞，平滑圖像邊緣和連接相鄰目標(biāo)的作用。除了以上兩種基本的形態(tài)學(xué)運(yùn)算以外，還要提及開運(yùn)算、閉運(yùn)算以及圖像的細(xì)化。先腐蝕后膨脹稱為開運(yùn)算，先膨脹后腐蝕為閉運(yùn)算，文中將采取這兩種運(yùn)算來分別消除部分的導(dǎo)線干擾以及填充目標(biāo)區(qū)域中因噪聲形成的小孔。而所謂細(xì)化，就是在保持目標(biāo)圖像的歐拉數(shù)不變以及不致使目標(biāo)圖像斷裂的前提下，反復(fù)移除其周邊像素，直至無法再移除為止，由此得到目標(biāo)圖像的骨架，即圖像的中軸。傾斜角度的校正對(duì)絕緣子進(jìn)行傾斜校正，是為了后續(xù)更方便地對(duì)絕緣子進(jìn)行特征統(tǒng)計(jì)。在講述怎么進(jìn)行絕緣子的角度校正之前，先來了解Hough變化的概念和原理。Hough變換是圖像處理中從圖像中識(shí)別幾何形狀的基本方法之一[10]段汝嬌,趙偉,黃松嶺,陳建業(yè).一種基于改進(jìn)Hough變換的直線快速檢測(cè)算法[10]段汝嬌,趙偉,黃松嶺,陳建業(yè).一種基于改進(jìn)Hough變換的直線快速檢測(cè)算法[J].儀器儀表學(xué)報(bào),2010,12:2774-2780.Hough變換檢測(cè)直線最原始的方法是用斜率和截距表示直線。其檢測(cè)過程是：假設(shè)目標(biāo)直線在原坐標(biāo)系中的表達(dá)式為y=kx+b，該直線上任意一點(diǎn)（m，n）變換到參數(shù)空間中對(duì)應(yīng)為直線y1=-mx1+n，則所求直線上所有的點(diǎn)變換到參數(shù)空間中的對(duì)應(yīng)直線將會(huì)交于一點(diǎn)，該點(diǎn)坐標(biāo)即所求直線的（k，b）。上述的直線檢測(cè)方法存在著一個(gè)明顯的不足之處：直線的斜率有可能是正負(fù)無窮，此時(shí)難以對(duì)直線參數(shù)進(jìn)行求解。因此便提出了用極坐標(biāo)的形式表示所求直線的方案。圖STYLEREF1\s3.SEQ圖\*ARABIC\s11極坐標(biāo)下的直線特征如上圖所示，在直角坐標(biāo)系中存在一條直線，原點(diǎn)到該直線的垂線長度為ρ，垂線與x軸的夾角為θ，則該直線可以唯一表示為：(3.11)若以θ為x軸，ρ為y軸，則所求直線的任意一點(diǎn)（m，n）都對(duì)應(yīng)著參數(shù)空間的正弦曲線ρ=mcosθ+nsinθ，故所求直線的所有點(diǎn)對(duì)應(yīng)的正弦曲線的交點(diǎn)即為所求直線的參數(shù)（ρ，θ）。基于上述理論原則，結(jié)合絕緣子串骨架“十字”交點(diǎn)近似在一條直線上的特征，文中采用以下步驟對(duì)傾斜的絕緣子串進(jìn)行角度校正：建立與絕緣子圖像大小一致的全零矩陣S，細(xì)化絕緣子二值圖提取其骨架，求解骨架圖“十字”交點(diǎn)，將S矩陣對(duì)應(yīng)位置元素賦值為1；求ρ可能的最大值，即二值圖的對(duì)角線長度，θ的范圍為-π/2~π/2，創(chuàng)建ρmax/ρe行θmax/θe列的全零矩陣G。其中，ρe、θe決定了同一直線上的點(diǎn)允許的離散范圍，因?qū)嶋H需要可調(diào)，默情況分別為1和1°；從（0,0）開始逐行掃描找出S中元素值為1的元素，將其行列坐標(biāo)記為（x，y）。對(duì)應(yīng)每一個(gè)（x，y），θ從-π/2~π/2，以1°為步長取值代入到ρ=mcosθ+nsinθ，ρ的結(jié)果取整為ρint；每對(duì)應(yīng)一個(gè)θ值，有G（ρint，θ）=G（ρint，θ）+1；根據(jù)實(shí)際情況設(shè)定一個(gè)閾值n，求出G中的大于n的局部峰值，其對(duì)應(yīng)的（ρint，θ）即為某一直線的極坐標(biāo)參數(shù)?？紤]到其他絕緣子串的干擾，可以反向求解每個(gè)局部峰值對(duì)應(yīng)的直線長度，最長的直線對(duì)應(yīng)目標(biāo)絕緣子的軸線，繼而由此得到我們需要的極坐標(biāo)參數(shù)；用得到的極坐標(biāo)參數(shù)對(duì)二值圖進(jìn)行角度校正。提取盤面和鐵帽區(qū)域得到絕緣子的傾斜校正的圖像之后，用投影統(tǒng)計(jì)法將絕緣子的鐵帽和盤面分割出來。投影統(tǒng)計(jì)法的基本思路是：在校正后的二值圖橫向方向上，垂直寬度差異不大而又分布最廣三的者分別就是絕緣子鐵帽、盤面和導(dǎo)線。導(dǎo)線一般情況下寬度較小，根據(jù)此特征設(shè)置閾值排除導(dǎo)線的影響，統(tǒng)計(jì)出垂直寬度分布的兩個(gè)局部最大值，即分別對(duì)應(yīng)絕緣子的鐵帽和盤面寬度。其具體實(shí)現(xiàn)過程如下：傾斜校正后的絕緣子二值圖像為f，構(gòu)建與f相同大小的全零矩陣L，對(duì)f的逐列進(jìn)行掃描，設(shè)每列中檢測(cè)出的任意線段長度為l，末端位置為（i，j），則令L（i，j）=l；構(gòu)建一維矩陣F，掃描整個(gè)L矩陣，對(duì)F進(jìn)行F(l)++操作；設(shè)置閾值Φ，令F（為了使l的頻數(shù)分布特征更加明顯，令F1找出F1中的前兩個(gè)值最大的局部峰值max1、max2，認(rèn)為F1l1=max1根據(jù)所求的l1、l傾斜角度恢復(fù)初始狀態(tài)。以下是部分針對(duì)上述過程的說明：步驟（1）中，如有：→(styleref1\s3.12)則F=[2,3,1,1];步驟（3），由于鐵帽和盤面的寬度大于一定的數(shù)值，設(shè)定合適閾值，可以排除部分導(dǎo)線或其他纖細(xì)物體的干擾；步驟（5），排除干擾后，盤面和鐵帽的寬度值出現(xiàn)頻率應(yīng)該是最高的，選取兩個(gè)局部最大值而不是選擇峰值是因?yàn)楸P面和鐵帽的寬度是一個(gè)范圍值；形態(tài)學(xué)處理是為了剔除細(xì)小干擾，并盡可能還原鐵帽和盤面的完整二值圖像。圖片分割效果從現(xiàn)場拍攝的絕緣子紅外圖像處理結(jié)果如圖3.1所示：（a）原圖（b）二值圖

（a）骨架圖（b）寬度頻數(shù)分布圖（a）鐵帽區(qū)域提取效果（b）盤面區(qū)域提取效果圖STYLEREF1\s3.SEQ圖\*ARABIC\s12絕緣子紅外圖像處理效果圖本章小結(jié)本章結(jié)合了絕緣子串結(jié)構(gòu)及其紅外成像的特點(diǎn)，采用了最大類間方差法、hough變換、投影統(tǒng)計(jì)法等對(duì)絕緣子紅外熱像圖進(jìn)行了處理，最終提取出所需要的目標(biāo)區(qū)域，為后續(xù)劣化絕緣子的識(shí)別工作奠定了基礎(chǔ)。

基于紅外熱像的絕緣子診斷技術(shù)研究基準(zhǔn)溫度特征法檢測(cè)劣化絕緣子檢測(cè)原理相同環(huán)境中運(yùn)行的同類正常絕緣子串的溫度分布曲線是具有相同的曲線特征的，而存在劣化絕緣子的絕緣子串的溫度曲線特征一般異于正常絕緣子串。根據(jù)這個(gè)原則，采集正常絕緣串的溫度作為基準(zhǔn)溫度，將待檢測(cè)的絕緣子串的溫度特征與其對(duì)比，即可檢測(cè)出劣化絕緣子及其位置。該方法的具體步驟如下：在檢測(cè)現(xiàn)場采集同類正常絕緣子串的紅外熱像作為基準(zhǔn)樣本，其樣本數(shù)量應(yīng)n符合以下要求：2<n其中，n的具體數(shù)值據(jù)實(shí)際情況而定，m為檢測(cè)現(xiàn)場同類絕緣子串的總數(shù)。為了防止環(huán)境因素的干擾，應(yīng)盡量縮短基準(zhǔn)樣本的采集時(shí)間；用紅外圖像分析軟件，結(jié)合第三章的鐵帽提取方法，將所采集每個(gè)基準(zhǔn)樣本的每個(gè)位置鐵帽區(qū)域的平均溫度提取出來。設(shè)第i個(gè)樣本位置編號(hào)為j的絕緣子的鐵帽區(qū)域平均溫度為Tji，則總樣本的位置為j的絕緣子鐵帽區(qū)域平均溫度Tj從而生成基準(zhǔn)溫度向量T,其中T(j)=Tj與步驟2）類似，設(shè)待檢測(cè)的絕緣子串的鐵帽溫度向量為X，其元素值即為對(duì)應(yīng)位置的絕緣子鐵帽溫度；生成檢測(cè)向量Y，其與X、T之間的關(guān)系為：(4.3)設(shè)置范圍閾值。其原則是先將檢測(cè)向量Y除去最大值和最小值后求出其余元素的均值a,然后設(shè)上下閾值分別為h、l，其計(jì)算公式如下：(4.4)(4.5)其中，k為閾值系數(shù)，通常取值0.1~0.5，具體視實(shí)際情況而定。一般而言，k取值越大漏檢率高，k取值越小誤檢率越高；根據(jù)上下閾值診斷絕緣子，Y不在上下閾值范圍之內(nèi)均判別為劣化絕緣子。檢測(cè)案例以下為白沙220kV變電站的檢測(cè)案例，檢測(cè)過程如下：生成基準(zhǔn)溫度向量?，F(xiàn)場中與待檢絕緣子串同類型的絕緣子串共有50串，采集其中7串正常絕緣子的紅外熱像圖譜，按上文提交的方法生成的基準(zhǔn)溫度向量為（單位：℃，下同）：(4.6)生成待測(cè)的絕緣子串溫度向量為：(4.7)生成的檢測(cè)向量為：(4.8)k值取0.2，按上文的方法計(jì)算得出上下閾值非別為h=1.89，l=1.26；將檢測(cè)向量與上下閾值做比較，診斷結(jié)果為：Y(1)=0.06<1.26(4.9)Y(8)=2.08>1.89(4.10)故位置編號(hào)為1和8的絕緣子診斷為劣化絕緣子；測(cè)出位置編號(hào)為1和8的絕緣子絕緣電阻分別為0.16MΩ和160MΩ，與診斷結(jié)果相符。后續(xù)的現(xiàn)場檢測(cè)結(jié)果統(tǒng)計(jì)顯示，采用該方法對(duì)劣化絕緣子進(jìn)行檢測(cè)的準(zhǔn)確率為75%，但并不能很好的檢測(cè)出零值絕緣子，所以該方法還有待改善?；诟倪M(jìn)BP神經(jīng)網(wǎng)絡(luò)的零值絕緣子檢測(cè)由于基準(zhǔn)溫度特征法并不能很好地對(duì)零值絕緣子進(jìn)行檢測(cè)，現(xiàn)在提出一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的零值絕緣子檢測(cè)方法。BP神經(jīng)網(wǎng)絡(luò)原理及改進(jìn)BP神經(jīng)網(wǎng)絡(luò)是一種模擬人類思維的前饋?zhàn)R別方式。通過對(duì)大量的已有數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)可以得出存在相關(guān)性的幾種變量間的映射關(guān)系[11]李萍[11]李萍,曾令可,稅安澤,金雪莉,劉艷春,王慧.基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用與軟件,2008,04:149-150+184.圖STYLEREF1\s4.SEQ圖\*ARABIC\s11BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖一般而言，BP神經(jīng)網(wǎng)絡(luò)具有三層及以上的神經(jīng)元，分別為輸入層、隱含層、和輸出層，其具體學(xué)習(xí)訓(xùn)練的實(shí)現(xiàn)流程如下：設(shè)置參數(shù)：輸入層神經(jīng)元個(gè)數(shù)：n；隱含層神經(jīng)元個(gè)數(shù)：p；輸出層神經(jīng)元個(gè)數(shù)：q；網(wǎng)絡(luò)輸入：x1、x2、…、xn；隱含層輸出：b1、b2、…、bp;網(wǎng)絡(luò)輸出：y1、y2、…、yq；輸入層到隱含層權(quán)值：wji（i=1、2、…、n，j=1、2、…、p）；隱含層到輸出層權(quán)值：vjk（k=1、2、…、q，j=1、2、…、p）；正向傳播：設(shè)隱含層閾值為θj，則隱含層凈輸入為：(4.11)將式(4.11)代入s型傳遞函數(shù)，得出隱含層的輸出：(4.12)設(shè)輸出層閾值為θk，傳遞函數(shù)為f，同理可得輸出層輸出為：(4.13)其中(4.14)逆向傳播：設(shè)輸出期望為ok（k=1,2，…，q），則輸出層校正誤差為：(4.15)隱層到輸出層權(quán)值調(diào)整量：(4.16)輸出層閾值調(diào)整量：(4.17)其中α為學(xué)習(xí)系數(shù)；隱含層校正誤差為：(4.18)輸入層到隱含層的權(quán)值調(diào)整量：(4.19)隱含層閾值調(diào)整量：(4.20)其中β為學(xué)習(xí)系數(shù)。原始的BP神經(jīng)網(wǎng)絡(luò)本身依然存在著很多缺陷，如學(xué)習(xí)速度慢，選定缺乏統(tǒng)一理論指導(dǎo)等。本文中針對(duì)這些缺陷，決定采用動(dòng)量加自適應(yīng)梯度下降法來改進(jìn)BP神經(jīng)網(wǎng)絡(luò)[12]王樹森,趙冬玲.一種基于附加動(dòng)量法的改進(jìn)[12]王樹森,趙冬玲.一種基于附加動(dòng)量法的改進(jìn)BP算法[J].濟(jì)源職業(yè)技術(shù)學(xué)院學(xué)報(bào),2012,03:9-13.絕緣子紅外熱像紋理特征提取本文利用絕緣子串特征區(qū)域的梯度-灰度共生矩陣求取其紋理特征參數(shù)。首先進(jìn)行梯度的歸一化：(4.21)其中，g(K,L)為點(diǎn)（K,L，）梯度值，Ng為歸一化后的最大梯度值，這里取值為32，gmax和gmin分別是圖像的最大梯度值和最小梯度值；然后進(jìn)行灰度歸一化：(4.22)其中，f(K,L)為點(diǎn)（K,L）的灰度值，Nh為歸一化后的最大灰度值，這里取值為32，fmax和fmin分別是圖像的最大梯度值和最小梯度值；最后，求取梯度—灰度共生矩陣：(4.23)其中，H(i，j)為歸一灰度為i，歸一梯度為j的像素點(diǎn)個(gè)數(shù)，Lx×Ly為紅外圖像的尺寸。得到梯度—灰度共生矩陣之后，便可根據(jù)前人經(jīng)驗(yàn)，求取絕緣子串的紋理特征參數(shù)，總共是13個(gè)[13]劉麗,匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學(xué)報(bào),2009,04:622-635.：①小梯度優(yōu)勢(shì)；②灰度分布的不均勻性；③梯度分布的不均勻性；④能量；⑤灰度平均值；⑥梯度平均值；⑦灰度均方差；⑧梯度均方差；⑨相關(guān)性；⑩灰度熵；?梯度熵；?混合熵；?慣性。計(jì)算方法如下。[13]劉麗,匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學(xué)報(bào),2009,04:622-635.小梯度優(yōu)勢(shì)：(4.24)灰度分布不均勻性：(4.25)梯度分布不均勻性：(4.26)能量：(4.27)灰度平均值：(4.28)梯度平均值：(4.29)灰度均方差：(4.30)梯度均方差：(4.31)相關(guān)性：(4.32)灰度熵：(4.33)梯度熵：(4.34)混合熵：(4.35)慣性：(4.36)通過Logical回歸分析[14]張宇山.多元線性回歸分析的實(shí)例研究[J].科技信息,2009,09:54-56.之后，選取其中6個(gè)對(duì)識(shí)別結(jié)果有顯著影響的6個(gè)變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入向量，分別是：灰度分布的不均勻性T2、能量T4、梯度均方差T8、相關(guān)性T9[14]張宇山.多元線性回歸分析的實(shí)例研究[J].科技信息,2009,09:54-56.零值絕緣子檢測(cè)模型設(shè)計(jì)零值絕緣子的識(shí)別采用的是改進(jìn)之后的BP神經(jīng)網(wǎng)絡(luò)模型，輸入節(jié)點(diǎn)有6個(gè)，其輸入向量為灰度分布的不均勻性T2、能量T4、梯度均方差T8、相關(guān)性T9、灰度熵T10、梯度熵T11；輸出節(jié)點(diǎn)有1個(gè)，輸出結(jié)果為0則表示絕緣子正常，輸出結(jié)果為1時(shí)表示該絕緣子為零值絕緣子。隱含層的節(jié)點(diǎn)數(shù)由以下公式確定：(4.37)其中n為輸入節(jié)點(diǎn)個(gè)數(shù)，m為輸出節(jié)點(diǎn)個(gè)數(shù)，a為1~10之間的常數(shù)，由此可知n1的取值范圍為4~13。零值絕緣子的識(shí)別模型如圖4.2所示：圖STYLEREF1\s4.SEQ圖\*ARABIC\s12零值絕緣子識(shí)別模型檢測(cè)案例根據(jù)在上饒220千伏變電站拍攝的絕緣子紅外圖像，結(jié)合零值絕緣子的BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型，成功識(shí)別出劣化絕緣子38片，以下是對(duì)其中兩串更換作業(yè)的絕緣子串的BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果和上饒公司的絕緣電阻檢測(cè)結(jié)果進(jìn)行對(duì)比，如表4.2所示：表STYLEREF1\s4.SEQ表\*ARABIC\s11上饒220kV絕緣子檢測(cè)結(jié)果對(duì)比絕緣子串檢測(cè)1234567891011121314II母1#構(gòu)架大號(hào)側(cè)B相a)70.040.478.29.31521120.491820693947b)是是是II母2#構(gòu)架大號(hào)側(cè)C相a)0.020.360.60.813.52.9G4.32.52G2.50.522.7b)是是是由檢測(cè)對(duì)比結(jié)果可知，采用零值絕緣子的BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型進(jìn)行檢測(cè)的準(zhǔn)確率達(dá)到85.7%，可見該方法能夠有效地識(shí)別出零值絕緣子。本章小結(jié)本章結(jié)合第三章提取的紅外熱像鋼帽部分，采用基準(zhǔn)溫度特征法對(duì)劣化絕緣子進(jìn)行識(shí)別，識(shí)別準(zhǔn)確率達(dá)到75%，但對(duì)零值絕緣子的檢測(cè)效果并不理想。因此，為了能有效地對(duì)零值絕緣子進(jìn)行檢測(cè)，提出了基于BP神經(jīng)網(wǎng)絡(luò)的零值絕緣子識(shí)別模型。檢測(cè)結(jié)果顯示，該方法能有效地識(shí)別零值絕緣子。

結(jié)論本文針對(duì)現(xiàn)有的劣化絕緣子檢測(cè)手段普遍存在不足的現(xiàn)狀，提出了基