一种复合绝缘子憎水性等级辨识方法与流程

技术特征：
1.一种复合绝缘子憎水性等级辨识方法，其特征在于，包括以下组份：步骤1：获取带水绝缘子的图像，初步评估绝缘子伞裙不同局部的憎水等级，获取憎水性最差的区域，并建立样本数据集；步骤2：基于vgg-19网络构建深度特征提取模型：将步骤1中获取的图像，按照像素224
×
224
×
64进行分割成互不重叠的憎水样本，形成dt集，即憎水性图像训练样本集；基于imagenet集构建ds，ds训练得到基于vgg-19的imagenet集深度特征提取模型，即模型a；基于憎水性图像训练集dt及迁移学习理论构建憎水性图像深度特征提取模型，即模型b；步骤3：构建憎水性图像局部特征提取方法：将憎水样本划分为9个区，获取每个区的任意像素点的lbp值，由图像各点lbp值可得到lbp谱图，可由各点lbp值构造特征向量；步骤4：基于特征融合法构建憎水性等级判别模型：首先获取憎水性图像深度特征，融合步骤3获取的憎水性图像局部特征，构造特征拼接层；将特征拼接层后接vgg-19的全连接层fc3，在确定fc3网络权值及偏置的基础上，实现深度特征及局部特征的融合；步骤5：复合绝缘子憎水性等级判定：利用融合后的憎水性等级判别模型对复合绝缘子喷水图像进行憎水性等级判断，获取憎水性识别等级结果，经过softmax函数输出置信度最高的种类，从而完成绝缘子憎水性的识别。2.根据权利要求1所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤2中，基于vgg-19网络及imagenet集ds训练得到模型a，其主要步骤为：s2.11前向传播阶段：在该阶段，网络第l层输出可表示为：；式中，及分别为第l层网络权值及偏置；f()为激活函数，为relu函数；s2.12反向传播阶段：在该阶段，基于监督训练方法，通过梯度下降法对各层网络参数进行修正，并可表示为：；式中：w及b分别为网络权重及偏置；α为学习率；j(w,b)为损失函数；对于vgg-19的输出层softmax层，j(w,b)采用交叉熵损失函数；s2.13重复步骤s2.11及步骤s2.12过程，直至网络达到要求精度，提取网络参数得到模型a。3.根据权利要求2所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：imagenet集并未包括憎水性图像。4.根据权利要求2所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤2中，基于憎水性图像训练集dt及迁移学习理论构建憎水性图像深度特征提取模型，即模型b，其主要步骤为：s2.21以vgg-19网络为基础构造模型b，并使其全连接层fc3及输出层神经元数目均为6；s2.22固定模型a除全连接层、输出层外的其他参数，并迁移至模型b对应位置；
s2.23输入dt至模型b，基于反向传播计算对模型b全连接层及输出层参数进行优化更新。5.根据权利要求1所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤3中，基于lbp的憎水性图像局部特征提取方法，包括以下步骤：s3.1将憎水样本划分为9个区；s3.2分别获取9个区中的任意一个像素点，分别计算获取的像素点的灰度值；将位于中心的区的像素点的灰度值分别与其相邻的另外8个区的像素点的灰度值进行比较，若8个区的像素点的灰度值大于位于中心的区的像素点的灰度值，则该像素点的位置被标记为1，反之则为0；则8个区的像素点经比较可产生8位二进制数，即得到各分区lbp谱图；s3.3制作每个区的直方图，即每个区出现的每个数字出现的频率，所述数字即是十进制数lbp值，然后对该直方图进行归一化处理，得到特征向量，且有：式中：、为分区k图像大小；为分区k的lbp谱图中lbp值为j的像素点总数；s3.4将得到的每个区的统计直方图进行连接成为一个特征向量，也就是整幅图的lbp纹理特征向量。6.根据权利要求5所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤3中，基于lbp的憎水性图像局部特征提取方法提取的憎水性图像局部特征其特征维度为1
×
2304。7.根据权利要求5所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤3中，憎水样本尺寸为224
×
224。8.根据权利要求1所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤4的具体操作步骤如下：s4.1以vgg-19全连接层fc2的输出f
d
为憎水性图像深度特征；由vgg-19网络结构可知:，且为其第m个特征；s4.2提取憎水性图像局部特征f
l
；根据步骤3的方法，f
l
可表示为，且为其第n个特征值；s4.3构造特征拼接层，且该层输入及输出均为，并有；s4.4特征拼接层后接全连接层fc3，在确定fc3网络权值及偏置的基础上，实现深度特征及局部特征的融合。9.根据权利要求8所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤
4中，特征拼接层神经元数目为6400。10.根据权利要求8所述的一种复合绝缘子憎水性等级辨识方法，其特征在于：所述步骤4中，所述vgg-19的输出层softmax层的神经元数目为7 。

技术总结
本发明涉及图像处理技术领域，特别涉及一种复合绝缘子憎水性等级辨识方法。包括以下步骤：步骤1获取带水绝缘子的图像，建立样本数据集；步骤2基于VGG-19网络构建深度特征提取模型：构建深度特征提取模型，即模型A；构建憎水性图像深度特征提取模型，即模型B；步骤3构建憎水性图像局部特征提取方法：将憎水样本划分为9个区，获取每个区的LBP谱图，进而构造特征向量；步骤4获取憎水性图像深度特征，融合憎水性图像局部特征，构造特征拼接层；将特征拼接层后接VGG-19的全连接层FC3，实现深度特征及局部特征的融合。步骤5复合绝缘子憎水性等级判定。本发明识别速度快，憎水性等级判别效果较高，同时减小光照条件对憎水性等级判别结果的影响。的影响。的影响。


技术研发人员：于国强 万肖君 王鹏宇 柳兆焕 王维凯 邓凯 胡书伟 李巍 刘宝胤 张洪光
受保护的技术使用者：山东莱易信息产业股份公司
技术研发日：2022.10.24
技术公布日：2023/1/13