[发明专利]基于Hu不变矩和支持向量机SVM的高压套管检测方法

说明书

技术领域

本发明属于电力设备关键电力设备目标检测方法，尤其涉及一种基于Hu不变矩和SVM(Support Vector Machine，即支持向量机)的高压套管检测方法。

技术背景

近几年，随着变电站数量的增加以及对电力供给稳定性需求的增加以及智能电站建设概念的提出，通过智能检测方法对变电站进行检测尤为重要。高压套管作为变压器的重要组成器件，起到支撑和绝缘的作用，在运行过程中会承受电压。由于高压套管暴露在空气中，受到雨水、污秽的影响，容易产生裂纹、破损等问题，这些问题会对其绝缘性能产生影响。一旦高压套管出现故障，将严重影响变压器的正常工作和供电的稳定性。因此对高压套管进行实时检测并进行诊断尤为重要。

在变电站的智能自动巡检中，使用自动巡检机器人进行巡检是主要方式。巡检机器人作为巡检平台，具有在变电站内自主移动的能力，并搭载了摄像头，红外传感器等设备并实时将获取的图像发送至主控端。由于巡检机器人在变电站中的运行轨迹具有随机性，因此需要通过智能检测方法对获取的图像中的待测目标进行准确的定位和识别。然而，由于变电站环境与其他场景相比背景更为复杂(例如，包含高压套管、变压器、支架及围栏等众多物体)，因此大大增加了对高压套管进行特征提取和模式识别的难度。例如，由于变电站环境复杂，传统的图像分割方法无法准确分割高压套管，而且相似设备之间的干扰使得现有的SIFT算法难以对高压套管进行精确的配准。

发明内容

发明目的：为了解决自动巡检中高压套管的精确识别和定位问题，提高在复杂背景和光照变化情况下高压套管的检测准确性，本发明提出了一种基于Hu不变矩和SVM的高压套管检测方法和一种基于Hu不变矩和支持向量机SVM的高压套管的检测装置。

技术方案：本发明所述的基于Hu不变矩和SVM的高压套管的检测方法包括如下步骤：(1)对所捕获的图像进行二值化阈值分割；(2)对经二值化的图像进行形态学处理以提取待测区域，对所述待测区域进行标定，并从所述待测区域中提取出训练集；(3)对所述训练集进行Hu不变矩特征提取；(4)将所提取的特征作为数据输入到所述SVM中对所述SVM进行训练获得最佳模型；(5)使用所述最佳模型对新的待测区域进行分类，以此为依据判断新的待测区域的类别。

进一步地，在步骤(1)中，对所捕获的图像进行二值化阈值分割进一步包括：(11)对所捕获的图像进行灰度转换得到灰度图像；及(12)使用Niblack算法对所述灰度图像进行阈值分割，得到仅有黑白两色的图像。

进一步地，在步骤(2)中，对经二值化的图像进行形态学处理得到待测区域包括：(21)对经二值化的图像进行闭运算处理；及(22)将所处理的图像中具有大于特定数目个像素的联通区域进行框定和储存，作为所述待测区域。

进一步地，在步骤(2)中，对所述待测区域进行标定包括：如果所述待测区域包含高压套管则标定为正样本，否则标定为负样本。

进一步地，在步骤(4)中，对所述SVM进行训练获得最佳模型包括：(41)构造SVM分类器，包括选用径向基核函数作为核函数对输入的数据进行高维映射并进行分类；(42)训练所述SVM分类器以获得所述最佳模型，包括通过网格搜索算法获取最佳参数，并以所述参数进行训练以获得最佳SVM模型。

本发明所述的基于Hu不变矩和支持向量机SVM的高压套管的检测装置，包括：二值化模块，用于对所捕获的图像进行二值化阈值分割；训练集提取模块，用于对经二值化的图像进行形态学处理以提取待测区域并从所述待测区域中提取出训练集；特征提取模块，用于对所述训练集进行Hu不变矩特征提取；训练模块，用于将所提取的特征作为数据输入到所述SVM中对所述SVM进行训练获得最佳模型；识别模块，用于使用所述最佳模型对新的待测区域进行分类并以此为依据判断新的待测区域的类别。

进一步地，所述二值化模块用于：对所捕获的图像进行灰度转换得到灰度图像；使用Niblack算法对所述灰度图像进行阈值分割，得到仅有黑白两色的图像。

进一步地，所述训练集提取模块用于：对经二值化的图像进行闭运算处理；将所处理的图像中具有大于特定数目个像素的联通区域进行框定和储存，作为所述待测区域；如果所述待测区域包含高压套管则标定为正样本，否则标定为负样本。

进一步地，所述特征提取模块用于计算所述训练集中每一训练样本的7个Hu不变矩，作为待测区域的特征。