[发明专利]一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法

权利要求书

1.一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法，其特征在于，包括以下步骤：

S1.通过手动取点和颜色空间转换提取红外图像中绝缘子串所在矩形目标区域；

S2.基于Otsu’s算法对目标区域进行二值化，分割目标区域；并基于中心线随机选取若干绝缘子盘面和钢帽的交点确定特征点，将图像坐标系的计算中心从图像左上角移动至图像矩阵中心，进行Hough变换，确定倾斜角，将绝缘子旋转至竖直方向；

S3.将绝缘子竖直旋转后，统计图像像素值信息，利用钢帽和盘面的长度关系，并考虑红外图像存在边缘性模糊问题，获取部件特征信息，提取绝缘子串中所有钢帽和盘面所在区域；

S4.根据分割结果和图像温度矩阵获取分割区域所包含像素的温度值；

S5.利用K-means聚类算法剔除分割结果中的背景像素温度数据；

S6.计算每个区域温度平均值，形成温度特征向量；

S7.建立以温度特征向量为输入、以运行状态为输出的基于BP神经网络的绝缘子串故障诊断模型；

所述步骤S1中，目标区域选取通过手动取点和颜色空间转换实现，具体步骤如下：

(1)在绝缘子串矩形目标区域四个顶点处分别用红色圆点标记，标记完成后用红色实线顺次连接四个顶点，形成一个包围绝缘子串的矩形区域；

(2)将原图像由RGB颜色空间转换为HSV颜色空间，HSV颜色空间中，矩形区域边界的饱和度S维度值为1，利用此特点提取边界；

(3)利用Otsu’s法对图像进行二值化处理，并用像素值1填充边界所形成的矩形孔洞；

(4)将填充处理后的图像与原图像作点乘，得到绝缘子串矩形目标区域；

所述步骤S2中，对目标区域进行二值化与Hough变换处理，具体步骤如下：

(1)基于Otsu’s算法对经提取处理后的图像二值化处理，并使用数学形态学方法进行骨骼化处理，分割目标区域；

(2)基于中心线随机选取绝缘子盘面与中轴线相交的点作为特征点，并对特征点进行Hough变换；

(3)Hough变换后，检测特征点构成的直线即绝缘子串的中轴线，并求出该直线与竖直方向的夹角即为θ，将绝缘子旋转至竖直方向；

所述步骤S2中，旋转处理将绝缘子串旋转至图像中的竖直方向，具体步骤如下：

(1)将图像矩阵坐标原点有左上角移动至中心位置，公式如下：

其中h为红外图像竖直方向像素数，w为水平方向像素数；

(2)以原点为中心对图像进行旋转，旋转角度为绝缘子串与竖直方向之间的夹角θ，公式如下：

(3)将图像矩阵原点由中心重新移动至左上角位置；

(4)原图像坐标经旋转处理后，将其对应的新坐标保存于矩阵pix-i和pix-j，其中pix-i中保存行坐标，pix-j中保存列坐标；

(5)判断坐标矩阵中的值是否属于原图像的坐标，即pix-i中的行坐标值是否属于区间[1,h]，pix-j中的列坐标值是否属于区间[1,w]，若属于，则利用该坐标对与其对应的灰度值形成旋转后的目标区域图像；

(6)对旋转后的图像使用形态学闭操作，以消除旋转过程中因坐标取整形成的细小孔洞；

所述步骤S3中，统计旋转处理后图像的像素值特征信息，具体步骤如下：

(1)逐行扫描旋转后的图像，统计每行中像素值连续为1的长度d，并将该长度值保存于矩阵D(i,j)，其位置为连续终止对应的坐标，矩阵中其它值均为0；

(2)统计D(i,j)中每个长度d出现的次数，并按从小到大的顺序保存于行向量P(n)，n为长度d的最大值；

(3)根据绝缘子串的特点，矩形目标区域中，P(n)出现次数最多的即为绝缘子钢帽和盘面的特征长度，d-mao和d-pan

所述步骤S3中，提取绝缘子串中所有钢帽和盘面所在区域，具体步骤为，寻找矩阵D(i,j)中长度值等于钢帽与盘面的长度极值d-mao和d-pan的位置，并将从该位置处开始向左延伸至长度极值处的像素值赋为1，从而分别获得绝缘子钢帽和盘面所在区域二值图像；

所述步骤S4中，分割区域所包含像素的温度值的获取，具体步骤如下：

(1)分别标记钢帽和盘面的每个连通区域，其个数为绝缘子串中所包含绝缘子片的个数；

(2)每个连通区域所包含的坐标为旋转处理后的坐标，利用矩阵pix-i和pix-j求得原始图像中对应的坐标，分别保存于原始坐标矩阵mao-org-i、mao-org-j、pan-org-i和pan-org-j中，其中i,j分别代表行坐标、列坐标，每个连通区域所包含的像素个数不同，因此其对应的矩阵维数也不同；

(3)通过红外热像仪分析软件输出原始红外图像的温度矩阵T；

(4)利用原始坐标矩阵和温度矩阵获得原始图像中每个钢帽和盘面区域所包含像素的温度值。