[发明专利]基于光谱反演的绝缘材料表面湿润度分布原位测量方法

权利要求书

1.一种基于光谱反演的绝缘材料表面湿润度分布原位测量方法，其特征在于，其包括以下步骤：

步骤S1：绝缘材料表面湿润度光谱图像数据获取，其中，在不同受潮时间下称量各个样品的绝缘材料并记录当前时刻绝缘材料质量，将绝缘材料的各个样品质量转换为湿润度Y，Y＝[Y₁，Y₂，...，Y_n]，n为受潮时长间隔数，同步采集各个样品的表面湿润度光谱图像数据DN，DN＝[DN₁(x，y，λ)，DN₂(x，y，λ)，...，DN_n(x，y，λ)]；

步骤S2：绝缘材料表面湿润度光谱图像数据预处理，其中，不同湿润度光谱图像数据DN_n(x，y，λ)经过归一化和平均化后处理转化为不同湿润度反射率数据S(λ)，S(λ)＝[S₁(λ)，S₂(λ)，...，S_n(λ)]，其中S_n(λ)为不同湿润度下绝缘材料的平均反射率值，同时将波长信息λ从小到大排序，记录各个λ的序号为波段序号N，反射率数据S(λ)经由蒙特卡洛采样法进行异常点检测，剔除数据异常点，保留a组正常的不同湿润度平均反射率数据记为X(λ)，X(λ)＝[X₁(λ)，X₂(λ)，...，X_a(λ)]，针对正常的平均反射率数据X(λ)分别进行平滑滤波、标准归一化、多元散射校正、一阶导数运算、二阶导数运算、导数运算数据预处理，预处理结果对应记录为X_S-G(λ)、X_SNV(λ)、X_MSC(λ)、X_FD(λ)、X_SD(λ)、X_RE(λ)，基于湿润度Y(a)＝[Y₁，Y₂，...Y_a]、正常平均反射率数据X(λ)、预处理结果X_S-G(λ)、X_SNV(λ)、X_MSC(λ)、X_FD(λ)、X_SD(λ)、X_RE(λ)建立偏最小二乘回归模型，建模过程中随机选取总样品的75％作为训练集，剩下的25％作为验证集，引入决定系数R²和均方根误差RMSE作为模型评价指标，得到不同绝缘材料最佳湿润度光谱图像数据预处理结果X′(λ)；

步骤S3：绝缘材料表面湿润度光谱图像回归分析特征波段提取，其中，将最佳湿润度光谱图像数据预处理结果X′(λ)分别输入到连续投影算法SPA、竞争性自适应重加权算法CARS和随机蛙跳算法RF三个特征波段模型，分别提取出特征波段数量为K_SPA，K_CARS，K_RF，K＜N，对应获得经过预处理-特征波段提取后的高光谱数据X’_SPA(λ_K)，X’_CARS(λ_K)，X’_RF(λ_K)；

步骤S4：绝缘材料表而湿润度光谱图像回归分析模型的建立，基干湿润度Y和预处理-特征波段提取后的高光谱数据X'_SPA(λ_K)，X'_CARS(λ_K)，X'_RF(λ_K)分别建立偏最小二乘回归模型，引入决定系数R²和均方根误差RMSE作为模型评价指标，通过最大的决定系数和最小的均方根误差优选出绝缘材料表面湿润度分布检测的最佳特征波段提取算法和光谱图像回归分析模型；

步骤S5：运行电压下绝缘材料表面湿润度动态原位检测，其中，采用高光谱成像系统开展待测绝缘材料湿润度原位检测，得到待测绝缘材料反射率数据S′_n(x，y，λ)，对待测绝缘材料反射率数据S′_n(x，y，λ)分别进行数据预处理得到正常的反射率数据X′(x，y，λ)，根据最佳特征波段提取算法从正常的反射率数据X′(x，y，λ)中提取出预处理-特征波段高光谱数据X′(x，y，λ_K)，其中K代表挑选出的特征波段序号，λ_K即为对应的波长，将预处理-特征波段高光谱数据X′(x，y，λ_K)代入绝缘材料表面湿润度光谱图像回归分析模型计算得到待测绝缘材料表面湿润度Y’(x，y)，获得不同时刻t下的表面湿润度检测结果Y’(x，y，t)，以表面湿润度检测结果Y’(x，y，t)进行可视化处理得到运行电压下绝缘材料表面湿润度动态原位检测结果。