基于高光谱相机的绝缘子污秽成分的高光谱分类识别

引言

在电力系统中，绝缘子污秽问题一直是影响输电线路安全运行的重要因素。传统的污秽检测方法存在效率低、准确性差等问题。为了提高检测效率和准确性，本研究提出了一种基于高光谱相机的绝缘子污秽检测装置，该装置集成了无人机技术、高光谱成像技术和防护技术，旨在为电力系统的维护和检测提供一种全新的解决方案。

装置组成

1.无人机

作为检测装置的载体，无人机提供了灵活的空中移动能力，使得检测组件能够快速接近并定位到需要检测的绝缘子位置。无人机的使用大大提高了检测工作的效率和安全性。

2.检测组件

检测组件的核心是高光谱相机，它能够捕获绝缘子表面的光谱信息。通过对这些光谱信息的分析，可以准确地评估绝缘子表面的污秽程度，为电力系统的维护提供科学依据。

3.防护组件

防护组件包括清理管、驱动组件、防撞板、弹簧、固定壳、限位板、滑杆和缓冲板等。这些部件共同构成了检测组件的保护系统，确保在检测过程中装置的稳定性和安全性。

工作原理

1.快速散热与清洁

驱动组件中的扇叶产生风流，不仅对检测主体进行快速散热，避免高温损坏，还将热风传递至检测镜片上，清除镜片上的灰尘，同时避免因低温产生的水雾，确保检测效果。

2.抗冲击保护

检测主体外侧的防撞板、弹簧、固定壳等部件构成了一个有效的抗冲击保护系统。当检测主体受到外物撞击时，这些部件能够吸收冲击力，保护检测组件不受损害。

主要特点

1.高效性：无人机的使用极大地提高了检测的灵活性和效率。

2.准确性：高光谱相机的应用使得污秽检测更加精确和可靠。

3.安全性：防护组件的设计确保了检测装置在各种环境下的稳定性和安全性。

4.创新性：该装置结合了多种先进技术，是电力系统检测领域的一次创新尝试。

污秽成分的高光谱分类识别原理

高光谱技术原理

高光谱技术是集信息采集、信息处理、光谱捕捉及分析等多领域于一体的新型综合性影像技术，能够同时记录目标图像及光谱数据。其中，成像光谱仪的光谱辐射、校准和光谱信息处理是光谱成像的关键技术。高光谱成像的分光原理包括干涉型、滤光片型和色散型。其中，色散型光谱分辨率高、成像稳定，可对直线上所有像素点同时计算，因此本实验选用了基于光栅色散原理的高光谱成像仪。图１为光栅色散成像原理：光经过光栅后，因波长差异产生不同的衍射角，进而使光发生色散，将同一点的入射光分解成不同波长处的能量分布，并由传感器像元进行测量，同时获得目标物体一条线上的光谱信息，通过移动待测样品或镜头可实现整体成像。

图１光栅色散成像原理

绝缘子表面污秽成分复杂多样，其中可溶性成分主要为CaSO4，近海地区绝缘子污秽中NaCl含量较高，不溶物则主要为Al2O3和SiO2。污秽成分的微观结构不同，在不同波段下对光的吸收和反射程度也不同，因此不同物质的反射光入射到探测器后，波段之间的能量存在差异，进而可生成该物质独有的“指纹”曲线，依据此特性能够对物质实现精准识别。高光谱技术由于其具有广泛波段及高分辨率特性，能够远远距离、高精确度、无损地对污秽成分进行识别。

１.２反向传播神经网络原理

反向传播(BP)神经网络是通过对误差进行逆向传播从而校正结果的方法，利用梯度下降法实现网络输出值与真实值误差均方差最小化，对解决非线性工程问题有较好的效果。图２为BP神经网络示意图。如图２所示，通过输入层将原始数据读取至系统内，经隐藏层进行计算，最后获得对应的输出结果，训练时输出层与实际的误差经过反向传播用于提高结果精度。BP神经网络的计算主要分为两个过程，首先进行网络状态初始化，而后按照规则前向计算。在建立绝缘子表面污秽成分。识别模型时，可以将不同污秽成分谱线的特征波段作为输入层信息，经过训练函数得出对应的结果，通过与标签进行对比减小误差，从而提高分类识别的精确度。BP神经网络具有较好的非线性映射能力，并且能够快速开展现场检测，因此本实验利用该算法建立污秽成分的分类识别模型。

图２反向传播神经网络示意图

实验样品和数据

图３高光谱线扫描平台

图４背景基材

图５试验样品

陶瓷基材底色为较光滑的纯白色，当涂覆污秽量较少时，背景基材对光线的反射效果更明显，从而影响了实际污秽成分的光谱检测结果。此外，部分单一污秽例如NaCl、MgCl２、KCl和Al2O3在污层干燥后会析出细小颗粒，不能完全覆盖基材。当基材为硅橡胶片时，上述４种污秽成分受到基材背景像素的谱线影响，整体趋势相似。而CaSO4与高岭土呈现细密的白色颗粒，基材对其影响较小，此两种污秽成分的谱线更相近；而当基材为陶瓷片时，由于NaCl、MgCl２、KCl和Al2O3的覆盖面小，陶瓷片的反射率高，影响着整体的谱线趋势，整体均与CaSO4和高岭土谱线接近，因此造成了识别准确率的下降。为此，在对陶瓷绝缘子进行高光谱成分检测时，需要注意污层较薄的位置数据可能与真实值存在明显差距，检测时应尽量避免检测污层较稀薄的位置。

 图７单一污秽成分标准谱线

如图７所示，不同物质的标准谱线差别较大，因此可作为污秽物质分类识别的基础。此外，由于不同波段上的反射强度和峰谷特征不同，则需通过机器学习的方式更好地捕捉细微特征，从而进行物质区分。

推荐：SF500无人机高光谱成像系统

无人机高光谱成像系统SF500

一款基于小型多旋翼无人机高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。

核心载荷高光谱成像仪采用了性能卓越的科研级COMS探测器和高衍射效率的透射光栅分光元件，光谱范围覆盖400～1000nm，光谱分辨率优于2.5nm，具有极高的噪信比和空间分辨率，可以充分挖掘和利用不同物质自身特有的光谱信息，结合高清相机拍摄高清图片，实现对物质信息的全面检测，是一台“图谱合一”的综合性遥感设备。

结论

基于高光谱相机的绝缘子污秽检测装置，通过技术融合和创新设计，为电力系统的维护和检测提供了一种高效、准确、安全的解决方案。该装置的成功研发和应用，将有力地推动电力系统检测技术的进步，提高电力系统的运行安全性和可靠性。