一种基于多光谱图像信息融合的绝缘子污秽状态检测方法技术领域
本发明涉及高压电气设备故障检测与诊断，尤其是涉及一种基于多光谱图像信息
融合的绝缘子污秽状态检测方法。
背景技术
绝缘子作为输电线路使用最为广泛的绝缘设备，其安全性和稳定性备受关注。随
着大气污染的加剧，绝缘子表面积污更为严重，而电压等级的升高也增加了绝缘子发生污
秽闪络的风险。因此，检测绝缘子污秽状态、防止绝缘子污闪，对维护输电线路安全稳定运
行具有十分重要的意义。
目前，检测绝缘子污秽状态的方法可分为接触式和非接触式两大类。接触式方法
主要包括泄漏电流法、等值附盐密度法、电导率法等，该类方法通过测量绝缘子表面泄漏电
流、等值附盐密度、电导率等直接参数判断绝缘子污秽状态，准确率高，但测量方式复杂，工
作量大，且部分方法需停电进行；非接触式法通过检测污秽绝缘子带电时所产生的声、光、
热等间接信号，归纳分析这些信号特征，判断绝缘子的污秽等级。非接触式法主要包括光脉
冲检测法、声波检测法、可见光成像法、红外热像法、紫外成像法等。光脉冲检测法和声波检
测法易受环境背景噪声的干扰，信号采集的灵敏度不高；可见光成像法、红外热像法以及紫
外成像法分别通过获取绝缘子表面颜色、绝缘子盘面温升、绝缘子表面局部放电等信号特
征，对绝缘子污秽状态进行评估，具有操作简单、带电检测、故障定位等特点，能大量节省检
修人员的工作量，但由于其准确度难以满足工程上应用的要求，需要对其进行改进。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多光谱图
像信息融合的绝缘子污秽状态检测方法。本发明通过结合可见光成像、红外热像、紫外成像
三种检测方法对绝缘子污秽状态进行评估，提高检测准确率，并使其更好的应用于输电线
路的绝缘子污秽状态检测。本发明具有检测速度快、准确度高、非接触式、带电检测、受环境
因素影响小等优点。本发明涉及变电站、输电线路等供变电领域的绝缘子表面污秽状态图
像识别检测方法。
本发明的目的可以通过以下技术方案来实现：
一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，该方法包括以下步
骤：
S1、同时通过可见光图像、红外图像、紫外图像三种光谱图像对绝缘子污秽状态进
行检测；
S2、根据S1中所得的三种光谱图像通过信息融合，综合评价绝缘子污秽状态。
步骤S2中三种光谱图像通过信息融合后，得到绝缘子表面等值附盐密度，通过绝
缘子表面等值附盐密度评价绝缘子污秽状态。
由步骤S1中可见光图像、红外图像、紫外图像三种光谱图像分别得到可见光图像
特征值、红外图像特征值和紫外图像特征值，将可见光图像特征值、红外图像特征值和紫外
图像特征值通过信息融合，综合评价绝缘子污秽状态。
所述的可见光图像通过可见光图像处理、特征提取和特征选择后可得到绝缘子盘
面V分量均值作为可见光图像特征值。
所述的红外图像通过红外图像处理、特征提取和特征选择后可得到绝缘子盘面最
大温升作为红外图像特征值。
所述的紫外图像通过紫外图像处理、特征提取和特征选择后可得到绝缘子表面最
大放电光斑面积作为紫外图像特征值。
对所述的可见光图像、红外图像、紫外图像构建多光谱图像BP神经网络，所述的神
经网络的输入参数为可见光图像特征值、红外图像特征值、紫外图像特征值，输出为绝缘子
表面等值附盐密度。
所述BP神经网络需样本对其进行训练，据此通过神经网络信息融合方法对绝缘子
污秽状态进行评估。
BP神经网络的训练步骤如下：
S1、网络初始化，根据研究对象的实际情况确定网络的输入层、隐含层和输出层神
经元个数；
S2、利用训练样本进行前向传输信号计算；
S3、利用误差反向传播算法进行输出层和隐含层连接权值的调整；
S4、根据给定的迭代次数和误差要求判断网络训练是否结束，若达到给定的迭代
次数或满足误差要求，则停止迭代，训练结束，否则继续步骤S3，直到达到给定的迭代次数
或者网络误差函数E满足精度要求为止。
可见光图像检测、红外图像检测、紫外图像检测中任一检测方法无法进行时，其他
检测方法仍可正常进行。
与现有技术相比，本发明具有以下优点：
(1)本发明结合了可见光成像、红外热像、紫外成像三种检测方法对绝缘子污秽状
态进行评估，从三个角度检测绝缘子的污秽状态，三种图像检测方法互不干扰，检测准确率
高，检测结果的可靠性高。
(2)本发明所结合的三种图像检测方法均具有操作简单、非接触式、带电检测、检
测速度快等特点，检测时可当场给出绝缘子污秽状态检测结果，方便指导现场工作人员及
时清洗绝缘子表面污秽。
(3)本发明应用范围广，对于不同类型不同电压等级的绝缘子，在获取一定量的样
本对本发明中的BP神经网络进行训练后，即可对该类绝缘子进行污秽状态检测。
(4)本发明在其中一种图像无法获取时仍可正常检测，受环境因素限制小，三种图
像均可在日间进行拍摄。红外图像拍摄和紫外图像拍摄也可在夜间进行，可适用于接触网
外绝缘设备的夜间车载巡线。
附图说明
图1为本发明方法的流程图；
图2为本发明拍摄的可见光图像样图；
图3为本发明可见光图像处理效果图；
图4为本发明拍摄的红外图像样图；
图5为本发明红外图像处理效果图；
图6为本发明拍摄的紫外图像样图；
图7为本发明紫外图像处理效果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发
明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实
施例，都应属于本发明保护的范围。
实施例
基于多光谱图像信息融合的绝缘子污秽状态检测方法，同时通过可见光图像、红
外图像、紫外图像三种光谱图像对绝缘子污秽状态进行检测，所述的可见光图像由可见光
相机进行拍摄，所述的红外图像由红外热像仪进行拍摄，所述的紫外图像由紫外成像仪进
行录制，所述的三种光谱图像通过BP神经网络进行信息融合，检测绝缘子污秽状态。
如图1所示，基于多光谱图像信息融合的绝缘子污秽状态检测方法通过结合绝缘
子可见光图像、红外图像以及紫外图像三种图像对绝缘子污秽状态进行检测。
绝缘子可见光图像由高清可见光相机在自然光下进行拍摄，如图2所示(图2不是
必须图)，拍摄时需要调整相机位置和参数，使图像范围能覆盖整个绝缘子并保证图像中绝
缘子高度大于图像高度的2/3，同时图像中心应对准绝缘子盘面。获取绝缘子可见光图像
后，通过可见光图像处理，将绝缘子盘面与背景分割，得到绝缘子盘面污秽彩色图像，如图3
(图3不是必须图)，由于绝缘子盘面颜色与背景颜色差异较大，故在分割绝缘子盘面与背景
时采用区域种子分割法进行。通过特征提取，计算绝缘子盘面污秽彩色图像的各项特征值，
可见光图像共可提取R、G、B、H、S、V分量的均值、中值、最大值、最小值、众值、极差、方差、偏
度、峭度、熵、能量等66个特征值。本发明通过研究污秽绝缘子样本，运用Fisher准则从众多
特征值中选择了绝缘子盘面V分量均值作为最能表现绝缘子盘面污秽信息的可见光图像特
征值，因此在检测时，只需提取可见光图像的绝缘子盘面V分量均值。
绝缘子红外图像由红外热像仪进行拍摄，如图4所示(图4不是必须图)，拍摄在日
间和夜间均可进行，拍摄时需要调整相机位置和参数，使图像范围能覆盖整个绝缘子。获取
绝缘子红外图像后，通过红外图像处理，读取红外图像温度矩阵并用灰度图的形式显示绝
缘子图像温升分布，由于污秽绝缘子表面温升明显高于环境温升，在灰度图上的表现也有
明显的差异，采用canny算子对图像进行边缘提取，实现了绝缘子盘面与背景的有效分割，
得到绝缘子盘面温升图像，如图5所示(图5不是必须图)。通过特征提取，计算绝缘子盘面温
升图像的各项特征值，红外图像共可提取绝缘子盘面温升的均值、中值、最大值、最小值、众
值、极差、方差、偏度、峭度、熵、能量等11个特征值。本发明通过研究污秽绝缘子样本，运用
Fisher准则从众多特征值中选择了绝缘子盘面最大温升作为最能表现绝缘子盘面污秽信
息的红外图像特征值，因此在检测时，只需提取红外图像的绝缘子盘面最大温升。
绝缘子紫外图像由‘日盲’型紫外成像仪进行拍摄，如图6所示(图6不是必须图)，
拍摄在日间和夜间均可进行，拍摄时需要调整相机位置和参数，使图像范围能覆盖整个绝
缘子。由于绝缘子污秽放电是动态的过程，所以需要录制紫外视频对绝缘子污秽放电进行
记录,，录制时长约为10s，录制帧数为200帧。获取绝缘子污秽放电紫外视频后，需要对视频
中的每一帧紫外图像进行紫外图像处理，通过二值分割将紫外光斑从紫外图像中分割出
来，得到紫外光斑图像，如图7所示(图7不是必须图)，并计算光斑面积大小。通过特征提取，
计算200帧紫外图像内紫外光斑的均值、中值、最大值、最小值、众值、极差、方差、偏度、峭
度、熵、能量等11个特征值。本发明通过研究污秽绝缘子样本，运用Fisher准则从众多特征
值中选择了绝缘子表面最大放电光斑面积作为最能表现绝缘子盘面污秽信息的紫外图像
特征值，因此在检测时，只需提取紫外图像的绝缘子表面最大放电光斑面积。
获取一定量的污秽绝缘子样本，运用可见光相机、红外热像仪、紫外成像仪以及计
算机图像处理技术获取其可见光图像的绝缘子盘面V分量均值、红外图像的绝缘子盘面最
大温升、紫外图像的绝缘子表面最大放电光斑面积，并测定绝缘子表面等值附盐密度。将上
述三个特征值作为输入，绝缘子表面等值附盐密度作为输出，运用所测得的样本参数对多
光谱图像BP神经网络进行训练。
在进行绝缘子污秽状态检测时，运用可见光相机、红外热像仪、紫外成像仪拍摄相
应的可见光图像、红外图像和紫外图像，通过可见光图像处理技术、红外图像处理技术、紫
外图像处理技术以及特征提取获取可见光图像的绝缘子盘面V分量均值、红外图像的绝缘
子盘面最大温升和紫外图像的绝缘子表面最大放电光斑面积，将三个特征值输入训练好的
多光谱图像BP神经网络，即可得到绝缘子表面等值附盐密度。
所述的BP神经网络的输入参数为可见光图像、红外图像、紫外图像的特征值，输出
参数为绝缘子表面等值附盐密度，并需要获取一定量的样本对神经网络进行训练。BP神经
网络的训练过程如下：
(1)首先进行网络初始化，根据研究对象的实际情况确定网络的输入层、隐含层和
输出层神经元个数n(n＝3)、m(m＝10)和s(s＝1)，然后进行BP神经网络各参数的初始化，对
隐含层和输出层的权值与阈值进行随机赋值，同时确定误差精度ε(ε＝e-5)，迭代次数M(M＝
1000)，学习速率以及各层神经元激励函数等参数。
(2)利用训练样本进行前向传输信号计算。输入层输入P个训练样本，分别为X1,
X2,…,XP，其中每个样本为X＝[x1,x2,…,xn]T，期望输出为T1,T2,…,TP，其中每个输出为T＝
[t1,t2,…,ts]T，表示一个训练样本对应的期望输出。设隐层神经元的输入为hj，输出为Oj，
ωij为输入层与隐层的网络连接权值，θj为隐层神经元的阈值，隐层神经元的输入、输出分
别为
设ωjk为隐层与输出层的网络连接权值，θk为输出层神经元的阈值，其输入hk和输
出yk分别为
(3)利用误差反向传播算法进行输出层和隐含层连接权值的调整。经过前向计算
后，将训练样本对应的实际输出Y1,Y2,…,YP和期望输出T1,T2,…,TP进行比较，将校正误差
逐层由输出层向输入层进行反向传播，使输出层和隐含层的连接权值和神经元阈值不断向
着使误差函数E减少的方向进行调整，使YP和TP之间的误差尽可能减小。网络的均方误差函
数E定义如下
对于每一组样本，输出层和隐含层各神经元的校正误差和分别为
对于每一组样本，输出层和隐含层的连接权值和神经元阈值的调整公式为
式中，n0为训练迭代次数，η为训练步长。
(4)根据给定的迭代次数和误差要求判断网络训练是否结束。若达到给定的迭代
次数或满足误差要求，则停止迭代，训练结束，否则继续步骤(3)，直到达到给定的迭代次数
或者网络误差函数E满足精度要求为止。
所述的可见光图像特征值为通过可见光图像处理、特征提取和特征选择获取的绝
缘子盘面V分量均值。所述的可见光图像处理包括图像灰度化、图像分割、和图像还原三个
步骤，所述图像灰度化是将彩色可见光图像转换为灰度图像；所述图像分割采取的是区域
种子分割法，分离绝缘子盘面和背景；所述图像还原是为绝缘子盘面添加原有的色彩信息。
所述的红外图像特征值为通过红外图像处理、特征提取和特征选择获取的绝缘子
盘面最大温升。所述的红外图像处理包括获取温度矩阵、绘制温度矩阵灰度图、边缘提取、
图像分割四个步骤，所述获取温度矩阵即读取红外图像附带温度矩阵；所述绘制温度矩阵
灰度图是将温度矩阵绘制成灰度图的形式，最低温度用灰度0表示，最高温度用灰度255表
示；所述边缘提取是运用canny算子对温度灰度图上的绝缘子轮廓进行提取；所述图像分割
是将轮廓内的灰度图像与轮廓外的图像进行分离，即分割绝缘子盘面和背景。
所述的紫外图像特征值为通过紫外图像处理、特征提取和特征选择获取的绝缘子
表面最大放电光斑面积。所述紫外图像处理需要对紫外视频中每一帧图像进行图像灰度
化、二值分割、光斑面积计算三个步骤，所述图像灰度化是将彩色可见光图像转换为灰度图
像；所述二值分割是通过一个阈值将灰度图像转换为二值图像，所述阈值设为250；所述光
斑面积计算是将二值分割后的白色光斑所占像素进行统计计算，以像素面积表示光斑面积
大小。
所述的特征选择均通过比较Fisher准则J值进行，选定Fisher准则J值最大的特征
值作为对应图像所需要提取的特征值。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替
换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利
要求的保护范围为准。