CN115356352B 基于污秽溶液的绝缘子污秽度识别方法、系统和设备 （广东电网有限责任公司广州供电局）

局制作成上表面绝缘子污秽溶液和下表面绝缘子2收集若干数量的污秽绝缘子，分别将污秽绝缘子上表面分别拍摄上表面绝缘子污秽溶液和下表面绝缘子污秽溶)通过竞争性自适应重加权采样算法提取绝缘子平均高光谱透射率曲线上的特征波长，将污秽溶液的透射率值，输入至训练好的绝缘子污秽溶液污秽通过蒙特卡洛采样抽取设定百分比的输入样本，根据输入样本光谱矩阵N次采样得到N个波长变量子集，计算波长变量子集的交互验证均方根误将训练集样本数据与测试集样本数据转换为工具包LIBSVM要求的对训练集数据与测试集数据进行比例相同的特征设定一个训练集，训练集包含由样本Xi与对应标签y,(ye(1,-1)')构成数据对3,在训练集上通过交叉验证参数选择工具寻找最佳惩罚系数C与参数γ;在训练集上通过最佳惩罚系数C和参数γ训练污秽度识别模型。计算模块，用于分别拍摄上表面绝缘子污秽溶液和下表面)识别模型模块，用于通过竞争性自适应重加权采样算法提识别输出模块，用于将污秽溶液的透射率值，输入至训练好的绝6.一种计算机设备，包括处理器以及用于存储处理器可执4子表面污秽物质的成分与浓度有着密切的联系，如果能够准确掌握绝缘子的污秽度信息，电网公司相关部门的绝缘子污秽度检测手段是：首先将绝缘子污秽转移到专用擦拭布上，溶液的高光谱图像进行镜头校正处理得到镜头校正结果，根据镜头校正结果分别计算上、[0011]通过竞争性自适应重加权采样算法提取绝缘子平均高光谱透射率曲线上的特征5射率曲线上的特征波长，将平均高光谱透射率曲线上的特征波长对应的透射率作为特征，6[0033]如图1所示，本发明所述的基于污秽溶液的绝缘子污秽度识别方法，包括以下步7而是由污秽物质的量决定，这也是能通过污秽溶液高光谱图像识别对应污秽度等级的基[0049]由于高光谱仪相机镜头及内部光学元件的固有影响，镜头各个点的进光量不一[0056]分别提取如图3白色虚线所示的上、下表面污秽溶液高光谱图像中烧杯架圈出来8[0059]具体地，多种不同真实污秽度等级真实污秽度等级包括：a——很轻、b——轻、[0060]通过竞争性自适应重加权采样算法(CompetitiveAdaptiveReweighted[0070]3)基于自适应重加权采样(AdaptiveReweightedSampling，ARS)方法筛选出具9[0076]将该污秽溶液特征波长对应的透射率作为特征，将其对应的真实污秽度等级(污的样本作为训练集，30％的样本作为测试集,应用支持向量机算法(SupportVector空间中寻找一个超平面以最大间距线性分离开不同类别的输入样本。SVM算法预测精确度[0078](1)格式转换，将训练集与测试集样本数据转换为工具包LIBSVM要求的输入数据集中的每个样本都会被预测过一次，交叉验证准确率便是其中被正确分类的样本的比率。grid.py工具以网格搜索的方式通过交叉验证寻找最佳C与参数γ,即遍历应用预先设置的多对C、γ参数进行交叉验证，并将其中获取交叉验证准确率最高的C与γ参数对作为最优系数C和参数γ训练污秽度识别模型。训练过程的第一步是通过LIBSVM工具包中的svm_件的路径；第二步是通过problem＝svm_problem(y,x)打包读取的标签y和特征数据x以形成对需要解决的识别问题problem的描述；第三步是通过parameter＝svm_parameter('-过model＝svm_train(problem,parameter)根据识别问题problem与设置参数parameter训射率曲线上的特征波长，将平均高光谱透射率曲线上的特征波长对应的透射率作为特征，溶液的高光谱图像进行镜头校正处理得到镜头校正结果，根据镜头校正结果分别计算上、[0103]通过竞争性自适应重加权采样算法提取绝缘子平均