技术特征：
1.一种基于x-ray imaging与sobel-scn的gis缺陷检测方法，包括：s1、获取gis设备x射线图像；s2、对所述图像进行旋转、去噪、增强、二值化预处理；s3、基于sobel算法提取图像边缘信息；s4、基于数学形态学完善图像边缘轮廓信息；s5、分割图像、标定分割图像重心；s6、构造特征矢量集；s7、采用scn，将归一化后的特征矢量集作为输入，对所述特征矢量集进行分类，实现gis缺陷识别。2.根据权利要求1所述的gis缺陷检测方法，其中，步骤s2中，对图像进行旋转处理，获得位置校正图像；对图像进行中值非线性滤波去噪处理，获得去噪图像；对图像进行亮暗对比增强处理，获得增强图像；对图像进行二值化处理是将x射线图像的像素点设置为0或255。3.根据权利要求1所述的gis缺陷检测方法，其中，步骤s3中，应用sobel算子对图像进行边缘检测，获得图像边缘信息。4.根据权利要求1所述的gis缺陷检测方法，其中，步骤s4中，应用数字形态学原理对图像进行开闭运算，获得完善的图像边缘轮廓信息。5.根据权利要求1所述的gis缺陷检测方法，其中，步骤s5中，采用加窗色调直方图的模糊c均值聚类算法(fuzzy c-means clustering algorithm based on windowed hue histogram,mhfcm)分割算法对图像进行分割，获得目标区域图像；标定分割图像重心，为建立特征矢量集提供基础。6.根据权利要求1所述的gis缺陷检测方法，其中，步骤s6中，构造图像轮廓的特征矢量集，用于表征图像的边缘轮廓信息特征，构造特征矢量集的步骤包括：(1)在分割后图像的重心建立极坐标；(2)以重心为中心对轮廓线进行扫描；(3)将轮廓线按照圆心分成360个区域，获得一组360个角度的矢量点集，这组矢量点集即为表征轮廓线的特征矢量集。7.根据权利要求1所述的gis缺陷检测方法，其中，步骤s7中，应用随机配置网络(scn)作为分类器，并进行下述训练：(1)读入样本图像，标定图像标签；(2)按照s1至s6所述对图像进行处理并提取轮廓线特征信息，将归一化后的特征矢量集作为scn模型的输入；(3)训练scn模型；(4)进行gis缺陷识别。
技术总结
本发明公开了一种基于X-ray imaging与Sobel-SCN的GIS缺陷检测方法，包括：S1、获取GIS设备X射线图像(X-ray imaging)；S2、对所述图像进行旋转、去噪、增强、二值化预处理；S4、基于Sobel算法提取图像边缘信息；S5、基于数学形态学完善图像边缘轮廓信息；S6、分割图像、标定分割图像重心；S7、构造特征矢量集；S8、采用随机配置网络(Stochastic Configuration Networks,SCN)，将归一化后的特征矢量集作为输入，对所述特征矢量集进行分类，实现GIS缺陷识别。本发明将X射线图像处理技术与SCN算法应用与GIS缺陷检测中，替代巡检人员判别GIS是否存在缺陷，可以提高GIS缺陷检测的质量与效率。可以提高GIS缺陷检测的质量与效率。可以提高GIS缺陷检测的质量与效率。
技术研发人员：钱锡颖 岳龙 蒋科若 许欣 丁北平 严凌 陆晓波 沈涛 赵鲁臻 王泓学 赖靖胤 李子楠 权超
受保护的技术使用者：国网浙江省电力有限公司宁波供电公司
技术研发日：2021.12.15
技术公布日：2022/6/3