绝缘子污秽成分高光谱识别方法与流程

本发明属于电力设备在线监测技术领域，特别是一种绝缘子污秽成分高光谱识别方法。

背景技术：

绝缘子在高压输配电线路的机械支撑和电气隔离中起着至关重要的作用，初始状态下绝缘子具有优秀的耐污性能，但由于长期受到自然环境、机械应力的老化作用其耐污性能将显著下降，进而造成污秽闪络，严重危害电网安全。研究表明，污闪电压不仅与污秽程度相关，更与污秽成分有着显著关系，因此实现绝缘子表面污秽成分的有效识别具有重要意义。

现有的污秽成分分析手段均为离线检测，通过人工登上杆塔取下缘子表面污秽样品后在实验室里通过物质分析设备(如xrd，eds等)进行离子检测，并通过离子配对的方式推测化合物成分，此类方法操作复杂并且丢失了污秽分布关键信息。为了保留污秽分布信息，部分研究人员将绝缘子从运行状态退出后整体带回实验室进行分析，通过提取绝缘子上不同区域的污秽样品进行分析进而保留污秽分布特性，但该类方法由于需要整体取回绝缘子，可操作性不强且运输成本较高，因此通常选取绝缘子样品数量较少，难以反映地域范围内绝缘子污秽状态。

综上所述，现阶段绝缘子污秽成分分析手段开展条件复杂，缺乏应用于实际工况下带电检测的有效手段。基于此现状，本发明提出了一种基于主成分分析和空间聚类的绝缘子污秽成分高光谱识别方法，能够通过高光谱相机进行非接触式污秽状态信息采集，再配合本发明污秽成分识别方法实现污秽成分的带电检测。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

技术实现要素：

针对现有技术中存在的问题，本发明提出一种绝缘子污秽成分高光谱识别方法，能够通过高光谱相机进行非接触式污秽状态信息采集，实现污秽成分的高效识别，解决了现阶段绝缘子污秽成分分析手段开展条件复杂，缺乏应用于实际工况下能大范围检测的有效手段的缺陷。

本发明的目的是通过以下技术方案予以实现，一种绝缘子污秽成分高光谱识别方法包括以下步骤：

第一步骤中，绝缘子人工污秽模拟检测，其中，以高温硫化硅橡胶片为基底材料，选取污秽成分物质作为检测对象，在基底材料表面定量涂刷污秽成分物质，根据不同成分分为m类样品，每类样品数量为n个的样品集；

第二步骤中，获取不同样品的高光谱图像，选取第一类污秽区域作为感性区域roi，以感性区域roi反射率光谱为输入量主成分分析，计算前三主成分的载荷因子，代入样品集光谱其中，tnj表示的第n个样品的第j个波段下的反射率值，计算得到前三主成分得分并构造得到不同污秽成分的三维分布特征空间j为波段数，n为样品数，pcn1至pcn3分别表示第n个样品的前三个主成分的得分，其余类别污秽样品按照相同步骤进行，构建m个三维分布特征空间，，其中，主成分得分公式：每个样品得到x＝[pc1pc2pc3]，n个样品构造得到特征空间相同方法得到m个特征空间，其中，k为载荷因子向量，t为不同波段下反射率强度；；

第三步骤中，获取待测样品高光谱图像以提取样品表面光谱，分别代入不同污秽成分的主成分得分计算公式，得到待测样品前三主成分得分x＝[pc1pc2pc3]；

第四步骤中，分别对待测样品前三主成分得分x＝[pc1pc2pc3]和三维分布特征空间聚类分析，根据聚类结果实现污秽成分识别。

所述的方法中，第一步骤中，在基底材料表面定量涂刷污秽成分物质中，得到单位面积下污秽成分质量，根据基底材料面积，计算各污秽成分质量，基于蒸馏水与污秽成分搅拌后均匀涂刷在样品表面。

所述的方法中，第二步骤中，经由黑白校正和滤波平滑获取不同样品的高光谱图像。

所述的方法中，第二步骤中，采集反射率为99％的标准聚四氟乙烯白板作为白色标定图像，然后关闭反射率为0％的镜头盖采集暗校正图像，采集到的高光谱数据的反射率校正通过黑白校正实现，校正公式为其中，i为校正后高光谱图像反射率，i0为校正前高光谱图像反射率，b为全黑校正图像反射率，w为全白校正图像反射率。

所述的方法中，滤波平滑包括傅里叶变换、卷积滤波、数学形态学滤波或savitzky-golay平滑。

所述的方法中，第二步骤中，主成分分析采用协方差矩阵或相关系数矩阵作为变换矩阵对原始光谱数据进行数据降维，按照变换矩阵特征值大小选取pc1，pc2，pc3，其特征值为λ1，λ2，λ3，对应的特征向量为每类样品的载荷因子向量kij计算公式如下：j为波段数。

所述的方法中，第三步骤中，待测样品主成分得分中，提取待测样品光谱t′待测＝[t′1，…，t′j]，分别用对应于m类物质的主成分得分公式计算主成分得分xm＝[pc′1pc′2pc′3]。

所述的方法中，第四步骤中，根据聚类结果实现污秽成分识别中，计算xm＝[pc1pc2pc3]与之间的欧氏距离之和：

与样品空间欧式距离之和最小的min(s1，…，sm)的样品成分为污秽类别。

所述的方法中，污秽成分包括nacl、caso4、sio2、cuso4、cacl2或fe2o3。

和现有技术相比，本发明具有以下优点：

本发明能解决了现阶段绝缘子污秽成分分析手段开展条件复杂，缺乏应用于实际工况下能大范围检测的有效手段的缺陷，通过高光谱相机进行非接触式污秽状态信息采集，再配合本发明污秽成分识别方法实现污秽成分的高效识别，能够实现绝缘子表面污秽成分的非接触式检测，具备开展实际工况现场带电巡检的能力；能够有效保留污秽成分在绝缘子表面分布特性；能够有效实现污秽成分的识别，有效避免因为污秽成分不同造成的输电线路污秽闪络事故。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。

在附图中：

图1是本发明一个实施例的绝缘子污秽成分高光谱识别方法的流程示意图；

图2是本发明一个实施例的八类污秽成分特征空间分布图。

以下结合附图和实施例对本发明作进一步的解释。

具体实施方式

下面将参照附图1至图2更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。

为了更好地理解，一种绝缘子污秽成分高光谱识别方法包括以下步骤：

第一步骤s1中，绝缘子人工污秽模拟检测，其中，以高温硫化硅橡胶片为基底材料，选取污秽成分物质作为检测对象，在基底材料表面定量涂刷污秽成分物质，根据不同成分分为m类样品，每类样品数量为n个的样品集；

第二步骤s2中，获取不同样品的高光谱图像，选取第一类污秽区域作为感性区域roi，以感性区域roi反射率光谱为输入量主成分分析，计算前三主成分的载荷因子，代入样品集光谱其中，tnj表示的第n个样品的第j个波段下的反射率值，计算得到前三主成分得分并构造得到不同污秽成分的三维分布特征空间j为波段数，n为样品数，pcn1至pcn3分别表示第n个样品的前三个主成分的得分，其余类别污秽样品按照相同步骤进行，构建m个三维分布特征空间，，其中，主成分得分公式：每个样品得到x＝[pc1pc2pc3]，n个样品构造得到特征空间相同方法得到m个特征空间，其中，k为载荷因子向量，t为不同波段下反射率强度；

第三步骤s3中，获取待测样品高光谱图像以提取样品表面光谱，分别代入不同污秽成分的主成分得分计算公式，得到待测样品前三主成分得分x＝[pc1pc2pc3]；

第四步骤s4中，分别对待测样品前三主成分得分x＝[pc1pc2pc3]和三维分布特征空间聚类分析，根据聚类结果实现污秽成分识别。

所述的方法的优选实施方式中，第一步骤s1中，在基底材料表面定量涂刷污秽成分物质中，得到单位面积下污秽成分质量，根据基底材料面积，计算各污秽成分质量，基于蒸馏水与污秽成分搅拌后均匀涂刷在样品表面。

所述的方法的优选实施方式中，第二步骤s2中，经由黑白校正和滤波平滑获取不同样品的高光谱图像。

所述的方法的优选实施方式中，第二步骤s2中，采集反射率为99％的标准聚四氟乙烯白板作为白色标定图像，然后关闭反射率为0％的镜头盖采集暗校正图像，采集到的高光谱数据的反射率校正通过黑白校正实现，校正公式为其中，i为校正后高光谱图像反射率，i0为校正前高光谱图像反射率，b为全黑校正图像反射率，w为全白校正图像反射率。

所述的方法的优选实施方式中，滤波平滑包括傅里叶变换、卷积滤波、数学形态学滤波或savitzky-golay平滑。

所述的方法的优选实施方式中，第二步骤s2中，主成分分析采用协方差矩阵或相关系数矩阵作为变换矩阵对原始光谱数据进行数据降维，按照变换矩阵特征值大小选取pc1，pc2，pc3，其特征值为λ1，λ2，λ3，对应的特征向量为每类样品的载荷因子向量kij计算公式如下：

j为波段数。

所述的方法的优选实施方式中，第三步骤s3中，待测样品主成分得分中，提取待测样品光谱t′待测＝[t′1，…，t′j]，分别用对应于m类物质的主成分得分公式计算主成分得分xm＝[pc＇1pc＇2pc＇3]。

所述的方法的优选实施方式中，第四步骤s4中，根据聚类结果实现污秽成分识别中，计算xm＝[pc1pc2pc3]与之间的欧氏距离之和：

与样品空间欧式距离之和最小的min(s1，…，sm)的样品成分为污秽类别。

所述的方法的优选实施方式中，污秽成分包括nacl、caso4、sio2、cuso4、cacl2或fe2oa。

为进一步描述本发明，下面结合附图对其作进一步说明。

本实施例中：

如图1所示，一种基于主成分分析和空间聚类的绝缘子污秽成分高光谱识别方法，其特征在于，包括以下步骤：

s1：开展人工污秽模拟实验，以高温硫化硅橡胶片复合绝缘子伞裙制作材料为基底材料，选取典型污秽成分物质作为检测对象，依照定量涂刷法在基底材料表面涂刷相应污秽，根据成分不同分为m类样品，每类样品数量为n个的样品集。

s2：获取不同污秽样品的高光谱图像，选取第一类污秽区域作为感性区域regionofinterest，roi，以roi区域反射率光谱为输入量进行主成分分析principalcomponentanalysis，pca，计算前三主成分的载荷因子，代入样品集光谱j为波段数，n为样品数，计算得到前三主成分得分并构造得到不同污秽成分的三维分布特征空间n为该类污秽的样品数量。其余类别污秽样品按照相同步骤进行，共可构建m个三维分布特征空间，可参照图2所示，图2中建立了8种常见污秽物质的特征空间。特征空间由不同样品的前三个pc得分，即pc1pc2pc3构成的三维坐标中的空间分布，图2是在80个样品上做出来的结果示例。

s3：获取待测样品高光谱图像，提取待测对象表面光谱，分别代入不同污秽成分的主成分得分计算公式，得到待测样品前三主成分得分x＝[pc1pc2pc3]。

s4：分别对待测样品主成分得分x＝[pc1pc2pc3]和上述特征空间进行聚类分析，根据聚类结果实现污秽成分识别，其具体方法为计算xm＝[pc1pc2pc3]与之间的欧氏距离之和：

认为与样品空间欧式距离之和最小即min(s1，…，sm)的样品成分为污秽类别。

在一个实施例中，识别方法包括以下步骤：

s1：开展人工污秽模拟实验，以高温硫化硅橡胶片复合绝缘子伞裙制作材料为基底材料，选取典型污秽成分物质作为检测对象，依照定量涂刷法在基底材料表面涂刷相应污秽，根据成分不同分为m类样品，每类样品数量为n个的样品集。

s2：获取不同污秽样品的高光谱图像，选取第一类污秽区域作为感性区域regionofinterest，roi，以roi区域反射率光谱为输入量进行主成分分析principalcomponentanalysis，rca，计算前三主成分的载荷因子，代入样品集光谱j为波段数，n为样品数，计算得到前三主成分得分并构造得到不同污秽成分的三维分布特征空间n为该类污秽的样品数量。其余类别污秽样品按照相同步骤进行，共可构建m个三维分布特征空间。

s3：获取待测样品高光谱图像，提取待测对象表面光谱，分别代入不同污秽成分的主成分得分计算公式，得到待测样品前三主成分得分x＝[pc1pc2pc3]。

s4：分别对待测样品主成分得分x＝[pc1pc2pc3]和上述特征空间进行聚类分析，根据聚类结果实现污秽成分识别。

在一些方式中，其中：所述步骤s1中，人工污秽模拟实验步骤为：1选取污秽成分典型污秽成分包括：nacl，caso4，sio2，cuso4，cacl2，fe2o3等；2参照iec60507：2013标准得到单位面积下污秽成分质量；3根据基底材料面积，计算各污秽成分质量，并用千分之一天平量取；4取适量蒸馏水与上述成分搅拌后均匀涂刷在样品表面。

在一些方式中，其中：所述步骤s2中，高光谱图像获取方法包括了黑白校正、滤波平滑。黑白校正方法为：首先采集反射率为99％的标准聚四氟乙烯白板作为白色标定图像，然后关闭反射率为0％的镜头盖采集暗校正图像，采集到的高光谱数据的反射率校正可以通过黑白校正实现，校正算法如式(1)所示：式中其中i0为校正前高光谱图像反射率，b为全黑校正图像反射率，w为全白校正图像反射率。滤波平滑方法包括但不限于傅里叶变换、卷积滤波、数学形态学滤波、savitzky-golay平滑方法等。

在一些方式中，其中：所述步骤s2中，主成分分析principalcomponentanalysis，pca可采用协方差矩阵或相关系数矩阵作为变换矩阵对原始光谱数据进行数据降维，按照变换矩阵特征值大小选取pc1，pc2，pc3，其特征值为λ1，λ2，λ3，对应的特征向量为每类样品的载荷因子向量kij计算公式如下：

j为波段数

在一些方式中，其中：所述步骤s2中，主成分得分计算公式如下：

每个样品可以得到x＝[pc1pc2pc3]，n个样品即可构造得到特征空间相同方法可以得到m个特征空间。

在一些方式中，其中：所述步骤s3中，待测样品主成分得分计算方法如下，提取待测样品光谱t′待测＝[t′1，…，t′j]，分别用对应于m类物质的主成分得分计算公式计算主成分得分xm＝[pc′1pc＇2pc＇3]。

在一些方式中，其中：所述步骤s4中，对待测样品主成分得分进行聚类分析，根据聚类结果实现污秽成分识别，其具体方法为计算xm＝[pc1pc2pc3]与之间的欧氏距离之和：

认为与样品空间欧式距离之和最小即min(s1，…，sm)的样品成分为污秽类别。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。