Page 66 - 无损检测2022年第十期
P. 66
李明轩,等:
基于时间序列算法的变电站设备故障红外识别
① 漫延( a-1 ) 次后, 蔓延范围表示为 C a-1 Q ), 分类, 识别变电站设备故障缺陷的结构区域及故障
(
对其作膨胀处理, 可获得 C a Q ); ② 若膨胀使两漫 类型。其主要分为 9 个步骤。
(
延区域发生融合, 需取消膨胀, 而选择筑造堤坝; ③ ( 1 )采集变电站不同设备的红外视频图像, 对
(
反复执行以上两步, 使水漫延至整幅图像 f x , ), 其进行几何变换处理后, 建立样本数据集, 通过时间
y
完成不同区域分水岭的构建 [ 13 ] , 实现变电站设备可 序列法完成疑似故障缺陷视频图像的选择与标记。
疑故障缺陷视频图像的分割处理。 ( 2 )对变电站设备可疑故障缺陷视频图像进行
1.5 基于 Zernike不变矩的图像特征提取 去噪处 理 后, 完 成 图 像 目 标 的 分 割, 并 获 取 其 特
Zernike不变矩的基本思想是在任意一组圆形 征值。
内存在多项式, 且为正交关系 [ 14 ] , 设 ( ) ( 3 )特征值归一化。
p+ q 阶中心
矩阵可表示为 ( 4 )根据故障缺陷识别精度调整 SVM 参数。
y-y 0 l ( x , )( 10 )
q
p
μ pq = ∑∑ ( x -x 0 )( ) y ( 5 )确定 SVM 分类器的核函数, 采用径向基函
x y
式中: 针对图像l ( x , ), 其各点像素的灰度中心表 数, 通过网格搜寻法获取最佳分类间隔大小参数λ 、
y
惩罚因子r 。
, ),
y 0 =
示为( x 0 y 0 x 0 = m 10 , m 01 , 一阶矩阵表示为 ( 6 )将归一化的图像特征值作为 SVM 输入, 完
m 00 m 00
, 。 成 SVM 的训练, 确定变电站设备分类模型。
m 10 m 01 , 零阶矩阵表示为 m 00
( 7 )根据变电站设备红外图像灰度值, 对其温
m 10 m 01
当其重心坐标变为( x , - ) 时, x = , - , 度信息进行提取, 并计算其温度的最大值、 平均值及
-
y =
-
y
m 00 m 00
移动该图像重心, 使其与多项式圆心重合, 此时则有 环境温度。
l' ( x , ) l ( x +x , - ) ( 11 ) ( 8 )通过划分故障缺陷类型, 并对变电站设备
-
y =
y+y
图像l' ( x , ) 具备平移不变特性, 将其与倍数 故障缺陷识别规则进行界定, 实现变电站不同设备
y
系数γ 相乘, 使其具备缩放不变特性。 的故障缺陷识别, 故障类型分别定义为普通、 严重、
采用 Zernike不变矩方法获取图像l ( x , ) 的 紧急缺陷。
y
特征, 即 ( 9 )得到变电站不同设备的故障缺陷识别结果。
Y kw = π ( k+1 ) l ( x , ) V (, θ )( 12 )
*
- 1
y
ρ
∑∑
x y 2 试验分析
式中: k 为阶数; w 为重复度; 为中心点至( x , ) 方
y
ρ
向的向量; 该向量与x 轴方向的夹角为 θ 。 以变电站设备的红外视频图像作为试验对象,
建立图像样本数据集, 红外图像数量为 2000 幅, 其
(,
对于多项式 V kw ρ θ ), 其共轭表示为 V ( ,
*
ρ
θ )。 中包含 5 种不同设备的红外图像, 分别为断路器、 隔
离开关、 高压套管、 电流、 电压互感器, 应用上述方法
若缩小图像l ( x , ), 可通过将其与倍数系数γ
y
对各设备的故障缺陷进行识别, 分析上述方法的故
相乘实现, γ 的计算公式为
障缺陷识别效果。
( 13 )
γ= ℓ / m 00
选取断路器设备红外图像为研究对象, 应用文
, 由此可获得图
式中: ℓ 为常数, 图像面积表示为 m 00
章方法对该图像中噪声进行处理, 去噪前后的红外
像l' ( x , ), 将其描述为
y
图像如图 2 所示。
x y
l' ( x , ) l ( , ) ( 14 ) 分析可知, 采集的断路器设备原始红外图像中
y =
γ γ
此时图像具备缩放不变特性。由此可确定归一 含有较多噪声, 导致红外图像对比度较低, 色彩饱和
化的图像特征值为 度较差, 图像边缘模糊且存在阴影, 红外图像质量较
低, 严重影响后续故障缺陷识别精度。应用文章方
x - y -
)
Y kw = π ( k+1 ) ∑∑ l ( +x , +y V (, θ )
- 1
*
ρ
x y γ γ 法对其进行去噪处理后, 红外图像清晰度、 色彩饱和
( 15 ) 度明显提升, 解决了图像边缘的模糊阴影问题。试
1.6 基于支持向量机( SVM ) 的变电站设备故障缺 验结果表明, 该方法能有效提升变电站设备红外图
陷识别 像的视觉效果, 降噪性能突出。
通过支持向量机对变电站设备的视频图像进行 采用文章方法对去噪后的红外图像进行分割处
3
2
2022 年 第 44 卷 第 10 期
无损检测
