[发明专利]基于雨滴识别的变压器复合绝缘子套管监测方法及系统

摘要

一种基于雨滴识别的变压器复合绝缘子套管监测方法及系统，包括对待检测变压器复合绝缘子套管进行相应图像获取，进行图像预处理，图像自然雨滴识别，若识别的结果是盘面存在自然雨滴，则使用改进的Canny算子边缘提取算法对存在雨滴的当前的顶层盘面预处理图像进行边缘提取，进而使用数学形态学算法对提取到的边缘图进行修复；根据憎水性特征量，基于概率神经网络PNN得到憎水性等级。本发明首次提出利用自然雨滴导致复合绝缘子套管顶层盘面图像的形态改变，使用图像处理与分析技术对变压器复合绝缘子套管憎水性等级即污秽等级进行自动化监测，有效规避复合绝缘子套管发生污闪事故，提高变压器运行的安全可靠性。

主权项

1.一种基于雨滴识别的变压器复合绝缘子套管监测方法，包括对顶层盘面表面憎水性的检测，检测过程包括图像获取过程、图像预处理过程、图像分割过程和憎水性分级过程，其特征在于：用于变压器运行现场，利用自然雨滴导致复合绝缘子套管顶层盘面图像的形态改变，对变压器复合绝缘子套管憎水性等级进行自动化监测，将结果数据反馈给现场运行维护人员；包括以下步骤，步骤1，图像获取过程，包括于服务器端发送指令，控制安装于变压器运行现场的摄像头对变压器复合绝缘子套管图像进行拍摄，拍摄所得图像通过网线与光缆经光电转换器、千兆光发生器和交换机传输至主控室服务器，对待检测变压器复合绝缘子套管进行相应图像获取；步骤2，图像预处理过程，截取步骤1所得图像中复合绝缘子套管顶层盘面图像，对图像截取部分进行图像灰度化、同态滤波增强及直方图均衡化操作，得到当前的顶层盘面预处理图像；步骤3，图像自然雨滴识别过程，包括对预先采用图像预处理过程所得训练图像集进行分割阈值计算和统计分析，得出图像分割阈值N_TH，使用图像分割阈值N_TH对步骤2所得当前预处理图像进行边缘检测，统计分析得出雨滴存在与否的边缘点个数值，检测当前的顶层盘面预处理图像是否存在雨滴；预先得到图像分割阈值N_TH的实现方式为，用有效指示顶层盘面水迹存在与否的分割阈值去分割训练图像集中各预处理所得图像得出每幅图对应的边缘图像，计算得出每幅边缘图像的边缘点数目后，将一幅边缘图像的边缘点数目设为有效判别图像存在雨滴与否的图像分割边缘点数目，所有边缘图中边缘点数目大于此数目且对应图像确实存在雨滴时，或边缘点数目小于此数目且对应图像确实不存在雨滴时，视为正确分割，从而计算出此边缘点数目正确分割的概率；将每幅边缘图像边缘点数目设为有效判别图像存在雨滴与否的图像分割边缘点数目，均能计算出此边缘点数目正确分割的概率， 正确分割概率最大时所对应的边缘图像边缘点数目即为有效判别图像存在雨滴与否的图像分割边缘点数目，记为N_TH；步骤4，判断过程，若图像自然雨滴识别的结果是盘面不存在自然雨滴，则返回步骤1获取下一幅图像进行处理，否则进入步骤5；步骤5，图像分割过程，使用改进的Canny算子边缘提取算法对存在雨滴的当前的顶层盘面预处理图像进行边缘提取，进而使用数学形态学算法对提取到的边缘图进行修复；所述改进的Canny算子边缘提取算法采用最大类间方差法，将最大类间方差法提取到的最佳分割阈值TH设为Canny算子边缘提取的高阈值TH2，将一定倍率的高阈值设为低阈值TH1，用TH2、TH1对第三步所得图像作图像阈值分割，得到I2、I1两幅边缘图像，将与I2中边缘点相连的I1中边缘点添加到I2中，构成最终的边缘图像；步骤6，憎水性分级过程，包括对预先采用图像预处理过程所得训练图像集进行计算，得出包含水迹覆盖率、最大水迹面积比、最大水迹形状因子及最大水迹椭圆率的四个憎水性特征量的训练样本库，使用训练样本库对概率神经网络PNN进行训练，对当前预处理图像进行憎水性特征量计算，根据训练所得概率神经网络PNN得到憎水性等级。