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。

简介：摘要：绝缘子是分布在输电线路上的绝缘体，对输电线路的正常运行起着至关重要的作用。绝缘子长期处于复杂多变的环境之中，受环境等因素影响，加上自身材料老化等原因容易发生自爆故障。若绝缘子发生自爆故障，轻则导致所在区域范围性停电，影响所在地居民的正常生活和生产，重则影响整条输电线路的正常运行和电气设备的使用寿命，若不能及时发现绝缘子存在的故障，则会给输电线路带来巨大的安全隐患。因此，对输电线路绝缘子自爆的检测具有十分重要的意义。

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。