[發明專利]基于Hu不變矩和支持向量機SVM的高壓套管檢測方法

在審

• 申請號: 201711268762.X
• 申請日: 2017-12-05
• 公開（公告）號: CN107944453A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 徐長福;薄斌;陶風波;劉洋;左國玉;馬蕾
• 申請（專利權）人: 江蘇省電力試驗研究院有限公司;國家電網公司;北京工業大學;國網江蘇省電力有限公司電力科學研究院
• 主分類號: G06K9/38
• 分類號: G06K9/38;G06K9/46;G06K9/62;G06T7/00;G06T7/136
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 柏尚春

技術領域

本發明屬于電力設備關鍵電力設備目標檢測方法，尤其涉及一種基于Hu不變矩和SVM(Support Vector Machine，即支持向量機)的高壓套管檢測方法。

技術背景

近幾年，隨著變電站數量的增加以及對電力供給穩定性需求的增加以及智能電站建設概念的提出，通過智能檢測方法對變電站進行檢測尤為重要。高壓套管作為變壓器的重要組成器件，起到支撐和絕緣的作用，在運行過程中會承受電壓。由于高壓套管暴露在空氣中，受到雨水、污穢的影響，容易產生裂紋、破損等問題，這些問題會對其絕緣性能產生影響。一旦高壓套管出現故障，將嚴重影響變壓器的正常工作和供電的穩定性。因此對高壓套管進行實時檢測并進行診斷尤為重要。

在變電站的智能自動巡檢中，使用自動巡檢機器人進行巡檢是主要方式。巡檢機器人作為巡檢平臺，具有在變電站內自主移動的能力，并搭載了攝像頭，紅外傳感器等設備并實時將獲取的圖像發送至主控端。由于巡檢機器人在變電站中的運行軌跡具有隨機性，因此需要通過智能檢測方法對獲取的圖像中的待測目標進行準確的定位和識別。然而，由于變電站環境與其他場景相比背景更為復雜(例如，包含高壓套管、變壓器、支架及圍欄等眾多物體)，因此大大增加了對高壓套管進行特征提取和模式識別的難度。例如，由于變電站環境復雜，傳統的圖像分割方法無法準確分割高壓套管，而且相似設備之間的干擾使得現有的SIFT算法難以對高壓套管進行精確的配準。

發明內容

發明目的：為了解決自動巡檢中高壓套管的精確識別和定位問題，提高在復雜背景和光照變化情況下高壓套管的檢測準確性，本發明提出了一種基于Hu不變矩和SVM的高壓套管檢測方法和一種基于Hu不變矩和支持向量機SVM的高壓套管的檢測裝置。

技術方案：本發明所述的基于Hu不變矩和SVM的高壓套管的檢測方法包括如下步驟：(1)對所捕獲的圖像進行二值化閾值分割；(2)對經二值化的圖像進行形態學處理以提取待測區域，對所述待測區域進行標定，并從所述待測區域中提取出訓練集；(3)對所述訓練集進行Hu不變矩特征提取；(4)將所提取的特征作為數據輸入到所述SVM中對所述SVM進行訓練獲得最佳模型；(5)使用所述最佳模型對新的待測區域進行分類，以此為依據判斷新的待測區域的類別。

進一步地，在步驟(1)中，對所捕獲的圖像進行二值化閾值分割進一步包括：(11)對所捕獲的圖像進行灰度轉換得到灰度圖像；及(12)使用Niblack算法對所述灰度圖像進行閾值分割，得到僅有黑白兩色的圖像。

進一步地，在步驟(2)中，對經二值化的圖像進行形態學處理得到待測區域包括：(21)對經二值化的圖像進行閉運算處理；及(22)將所處理的圖像中具有大于特定數目個像素的聯通區域進行框定和儲存，作為所述待測區域。

進一步地，在步驟(2)中，對所述待測區域進行標定包括：如果所述待測區域包含高壓套管則標定為正樣本，否則標定為負樣本。

進一步地，在步驟(4)中，對所述SVM進行訓練獲得最佳模型包括：(41)構造SVM分類器，包括選用徑向基核函數作為核函數對輸入的數據進行高維映射并進行分類；(42)訓練所述SVM分類器以獲得所述最佳模型，包括通過網格搜索算法獲取最佳參數，并以所述參數進行訓練以獲得最佳SVM模型。

本發明所述的基于Hu不變矩和支持向量機SVM的高壓套管的檢測裝置，包括：二值化模塊，用于對所捕獲的圖像進行二值化閾值分割；訓練集提取模塊，用于對經二值化的圖像進行形態學處理以提取待測區域并從所述待測區域中提取出訓練集；特征提取模塊，用于對所述訓練集進行Hu不變矩特征提取；訓練模塊，用于將所提取的特征作為數據輸入到所述SVM中對所述SVM進行訓練獲得最佳模型；識別模塊，用于使用所述最佳模型對新的待測區域進行分類并以此為依據判斷新的待測區域的類別。

進一步地，所述二值化模塊用于：對所捕獲的圖像進行灰度轉換得到灰度圖像；使用Niblack算法對所述灰度圖像進行閾值分割，得到僅有黑白兩色的圖像。

進一步地，所述訓練集提取模塊用于：對經二值化的圖像進行閉運算處理；將所處理的圖像中具有大于特定數目個像素的聯通區域進行框定和儲存，作為所述待測區域；如果所述待測區域包含高壓套管則標定為正樣本，否則標定為負樣本。

進一步地，所述特征提取模塊用于計算所述訓練集中每一訓練樣本的7個Hu不變矩，作為待測區域的特征。