简介: 摘要:硅橡胶复合绝缘子由于具有优良的耐污闪能力、强度高、质量轻等特性,在电力系统中得到了广泛的应用。然而,由于硅橡胶复合绝缘子工作在户外,极易在严酷的环境下发生老化和损坏,导致绝缘性能下降、闪络电压降低,从而引发电网故障,造成严重的经济损失。复合绝缘子表面的憎水性是衡量其老化程度的重要指标之一,为了防止污闪现象的发生,需要定期对复合绝缘子进行人工检查,检测其憎水性能是否达标。由于应用在电网中复合绝缘子数量庞大,通过人工对其憎水性进行检测工作量巨大,导致复合绝缘子的运行维护成为目前的一大挑战。基于此,对图像处理的复合绝缘子憎水性智能识别方法进行研究,以供参考。
简介:摘要:目前绝缘子缺陷检测的方法可分为人工巡检、基于机器学习的图像识别技术和基于深度学习的目标检测算法。人工巡检主要通过人工排查绝缘子明显、直观的故障,费时费力,且存在安全隐患。基于机器学习的图像识别技术如局部二值模式特征(Local Binary Pattern,LBP),方向梯度直方图特征(Histogramof Oriented Gradient,HOG)和Deformable Part Models(DPM)目标检测算法等虽已取得一定的效果,但其主要使用单一特征(如颜色、纹理、形状等),同时依赖人工提取特征,工作量大,检测效率低。