本发明涉及输变电设备运行状态检修，尤其是一种基于高光谱的绝缘子污秽等级的检测方法及系统。
背景技术：
目前绝缘子污闪成为继雷电闪络之后影响电力系统外绝缘的第二大危害，随着大气污染日趋严重、绝缘子表面污秽集聚加剧，发生污闪事故的可能性日益增加。绝缘子污闪由表面污秽程度和潮湿的气象条件决定的，及时检测绝缘子污秽情况并及时清扫可减少污闪事故发生。
国际大电网会议第33届学术委员会推荐了5种测定污秽的方法，即等值盐密(esdd)法、积污表面污层电导率(splc)法、脉冲计数法、泄露电流法和绝缘子污闪电压梯度法。等值盐密法需要人工登杆，工作量大，受人为因素影响较大。积污表面污层电导率(splc)法因测试电压低，测量分散性较大，受污秽分布不均匀的影响较大。紫外成像技术作为非接触带电检测方法，能方便快捷的检测到绝缘子外部放电，但因绝缘子放电的原因很多，目前无法准确建立放电与污秽等级之间的对应关系。泄露电流法受电压等级、复合绝缘子型号、环境等因素影响交大，而且往往泄露电流发生突变时污闪已经发生，检测的成本高。污闪电压及污闪梯度是表征绝缘子性能的最直接最理想的污秽参数，但是测量该参数所用的设备造价高且耗费时间长，实验设备容量大，实验不方便，现场不具备条件。
综上所述，现有的复合绝缘子检测方法大多不适用于现场，使用时有较多的条件限制，有鉴于此，有必要提供一种操作简便的非接触式绝缘子污秽等级检测方法及系统。
技术实现要素：
发明目的：针对上述现有绝缘子污秽等级检测方法的缺陷，提供一种复合绝缘子污秽等级的检测方法及系统，可用于在线检测输电线路中的复合绝缘子的污秽等级，以便于有目标的清扫污秽严重的绝缘子。
技术方案：一种基于高光谱的绝缘子污秽等级检测方法，包括以下步骤：
获取未知污秽等级的绝缘子高光谱图像；
通过污秽等级模型对所述未知污秽等级的绝缘子高光谱图像进行处理，判定污秽等级；所述污秽等级模型是根据不同污秽等级绝缘子污秽图像的特征波长建立的。
进一步的，步骤1在获取检测绝缘子的高光谱图像后，对检测绝缘子的高光谱图像进行校正，所述校正包括黑白校正和多元散射校正。
进一步的，步骤2中所述提取特征波长是采用连续投影算法进行提取。
进一步的，步骤3中具体是采用特征波长信息、选取训练样本、量化污秽等级、并用偏最小二乘法建立污秽等级模型，再用训练样本选取剩余的其他样本作为测试样本对污秽等级模型进行优化。
进一步的，步骤3中所述量化污秽等级，具体包括：第一等级、第二等级、第三等级和第四等级，四种复合绝缘子的污秽等级量化为第一等级域、第二等级域、第三等级域和第四等级域。
进一步的，步骤3中所述污秽等级模型为：
y＝a1x1+…+amxm
其中，x1、x2、……、xm是第m个特征波段处的标准化反射率，aj1、aj2、……、ajm是复合绝缘子污秽等级模型待求解系数，y是污秽等级复合绝缘子对应的量化系数，p为不同预测量的个数。
进一步的，所述步骤4具体是从未知污秽等级的绝缘子高光谱图像上提取污秽区域伞裙的像素，通过污秽等级模型进行预测，得出污秽等级系数，判定污秽等级。
进一步的，所述黑白校正具体为：
其中，r为校正后的反射光谱图像，r0为样本原始的反射光谱图像，d为标准黑板的反射图像，w为标准白板的反射图像。
进一步的，所述多元散射校正具体包括如下步骤：
计算所有样品的平均光谱：
将样品光谱与平均光谱进行一元线性回归：
计算多元散射校正后的光谱：
其中a表示n×p维光谱数据矩阵，n为样品数，p为光谱采集所用的波长点数，
一种基于高光谱的绝缘子污秽等级检测系统，包括图像采集模块、图像提取模块和处理模块，所述图像采集模块用于获取检测绝缘子的高光谱图像以及未知污秽等级的绝缘子高光谱图像；
所述图像提取模块用于提取高光谱图像中不同污秽等级绝缘子污秽图像的特征波长并传输至处理模块；
所述处理模块用于根据特征波长信息建立并优化污秽等级模型、并用污秽等级模型进行预测及判定污秽等级
有益效果：本发明获取检测绝缘子的高光谱图像、提取不同污秽等级绝缘子污秽图像的特征波长建立并优化污秽等级模型；并利用该模型进行预测，判定污秽等级，采用高光谱成像仪进行非接触检测，操作便捷，适用于现场带电检测；同时，本检测方法能够从高光谱影像信息中识别污秽等级，不必登杆拆卸绝缘子，不必停运线路，为有目标和针对性的清扫绝缘子提供基础，满足我国输电线路绝缘子检测的需求。
附图说明
图1是本发明提供的基于高光谱的复合绝缘子污秽等级检测方法流程示意图。
具体实施方式
下面通过实施例并结合附图对本技术方案进行详细说明。
实施例1：本实施例提供一种基于高光谱的复合绝缘子污秽等级检测方法，基于高光谱仪的高光谱成像是在纳米级的光谱分辨率上，可以在紫外到近红外(200～2252nm)光谱覆盖范围内，以几十至数百个波长同时对物体连续成像，实现物体的空间信息、光谱信息、光强度信号的同步获得。目前，基于高光谱遥感的目标检测与分类技术在产品质量检测、地物分类、环境监测等领域已经得到广泛的应用。高光谱遥感是利用采集目标物多波段的光谱信号，利用高光谱立方体图像中的光谱信息，结合光谱解析和数学建模方法，可以评估被检测样品各部位的状态。
本发明的工作原理是：复合绝缘子的伞群积污容易导致污闪的发生，不同污秽等级污秽的光谱特性不同，复合绝缘子在高光谱影像上反映的光谱信息不同，因此，可以根据光谱信息的差异来衡量不同的污秽等级。先选取训练数据，以此建立老化模型，并选取测试数据优化污秽等级模型，用最小二乘法解算模型的参数。
如图1所示，本发明包括以下步骤：
步骤1：获取检测绝缘子的高光谱图像，并对检测绝缘子的高光谱图像进行预处理，即校正；校正包括黑白校正和多元散射校正(msc，multiplescattercorrection)，以校正每个光谱的散射，有效地提高光谱的信噪比。
所述黑白校正具体为：
其中，r为校正后的反射光谱图像，r0为样本原始的反射光谱图像，d为标准黑板的反射图像，w为标准白板的反射图像。
所述多元散射校正具体包括如下步骤：
计算所有样品的平均光谱：
将样品光谱与平均光谱进行一元线性回归：
计算多元散射校正后的光谱：
其中a表示n×p维光谱数据矩阵，n为样品数，p为光谱采集所用的波长点数，
步骤2：采用连续投影算法(spa，successiveprojectionsalgorithm)提取不同污秽等级绝缘子污秽图像的特征波长，通过计算矩阵中某一波长对其他波长的投影，根据投影信息量的多少决定入选波长，消除众多波长间的共线性影响，降低模型复杂度；
步骤3：根据特征波长信息，选取训练样本和测试样本、量化污秽等级、建立并优化污秽等级模型，模型采用特征波长信息、并用偏最小二乘法(plsr，partialleastsquaresregression)建立；
所选择的训练样本代表不同污秽等级的复合绝缘子，其样本数量足以保证由此计算的污秽等级模型参数符合统计规律。样本包括了清洁、轻度、中度和重度污秽的复合绝缘子光谱图像，同样方法选取测试样本以优化模型；
而量化污秽等级参考《gb/t4585-2004》中四个污秽等级对应的等值附盐密度，量化污秽等级具体包括：第一等级、第二等级、第三等级和第四等级，本实施例中的这四个等级分别对应洁净、轻度、中度、重度，实际操作中各等级的阈值可根据经验自行选择，本实施例中根据实验样本的特征进行选取，第一等级域、第二等级域、第三等级域和第四等级域分别为0-0.19、0.2-0.49、0.5-0.79、0.8-1，例如0、0.35、0.7、1这四个点便分别量化为洁净、轻度、中度、重度。
所建立的污秽等级模型为：
yj＝aj1x1+…+ajmxm，(j＝1,2,…,p)
其中，x1、x2、……、xm是第m个特征波段处的标准化反射率，aj1、aj2、……、ajm是复合绝缘子污秽等级模型待求解系数，y是污秽等级复合绝缘子对应的量化系数，p为不同预测量的个数，比如：污秽等级，污秽成分，……，等p个预测量。本实施例中，只需预测污秽等级系数一个预测量，即p＝1。
步骤4：从未知污秽等级的绝缘子高光谱图像上提取污秽区域伞裙的像素，通过步骤3中优化的污秽等级模型进行预测，得出污秽等级系数，判定污秽等级。
以上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。