絕緣子的故障會(huì)導(dǎo)致表面溫度升高，從而導(dǎo)致局部區(qū)域高溫。此，精確識(shí)別絕緣體的高溫區(qū)域是檢測(cè)缺陷的有效手段。出了一種基于灰度共生矩陣的絕緣子高溫特性提取方法。割紅外圖像后，將提取紋理特征，并選擇能量，熵，慣性矩和相關(guān)性作為特征值。試結(jié)果驗(yàn)證了該方法的準(zhǔn)確性，可作為高溫絕緣子區(qū)域識(shí)別的參考。于隔離器故障檢測(cè)的問(wèn)題，中國(guó)對(duì)零值識(shí)別模型進(jìn)行了大量研究。

　　世磊和他的合作者提出了一種將相對(duì)溫度特性和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法：使用單向ANOVA方法過(guò)濾對(duì)模型結(jié)果有重大影響的特征參數(shù)。試結(jié)果表明該模型是有效的，對(duì)以后的研究是有用的[1]。
　　巖和他的合作者提出了一種邏輯回歸分析方法，該方法可以從13個(gè)紋理特征中過(guò)濾模型輸入，然后結(jié)合污染水平確定零值[2]。是，關(guān)于高溫絕緣子檢測(cè)的研究相對(duì)較少，僅討論異常發(fā)熱現(xiàn)象，沒(méi)有系統(tǒng)的識(shí)別方法或抑制熱量的措施。而，考慮到各種類(lèi)型的缺陷，除了零值現(xiàn)象外，其他根本原因也會(huì)引起熱量，因此迫切需要一種用于識(shí)別高溫絕緣子的方法。緣子表面溫度的升高與電壓的分布密切相關(guān)，而正常電壓的分布所引起的損壞會(huì)引起局部溫度異常[3]。外圖像是基于RGB顏色空間的彩色圖像。了減少數(shù)據(jù)量并提高計(jì)算速度，根據(jù)等式（1）將RGB彩色圖像轉(zhuǎn)換為灰度圖像[4]。）以減少數(shù)據(jù)的大小。公式中，電纜灰度是灰度轉(zhuǎn)換后每個(gè)像素的灰度值，R，G和B分別是紅色，綠色和藍(lán)色分量的值。
　　了在紅外圖像中準(zhǔn)確識(shí)別絕緣子的高溫區(qū)域，提取高溫特性至關(guān)重要。擇一個(gè)合適的初始閾值，并將其替換為迭代公式，以獲取新的閾值。果兩者之間的差異不在誤差范圍內(nèi)，則重新計(jì)算新閾值。

　　閾值更新為遵循以下兩點(diǎn)：第一次迭代的結(jié)果應(yīng)快速收斂，第二次是每次迭代之后，新閾值的分割精度大于舊閾值的分割精度，直到滿足要求。算法的步驟如下。S1：讓我們采用初始閾值，通常使用灰度值的中位數(shù)。
　　緣子的高溫區(qū)域與正常區(qū)域的溫度差較大，并顯示為圖像中兩個(gè)亮度值明顯對(duì)比的區(qū)域。此，將雙方的邊界信息用作分類(lèi)和識(shí)別的參數(shù)。本文中，使用灰度共生矩陣對(duì)邊界信息的敏感性來(lái)從絕緣子中提取紅外圖像的紋理。了減小輸入數(shù)據(jù)之間的數(shù)值差異，本文檔統(tǒng)一選擇上述四個(gè)特性的標(biāo)準(zhǔn)偏差，并對(duì)幾個(gè)紅外樣品進(jìn)行實(shí)驗(yàn)（提取結(jié)果示例請(qǐng)參見(jiàn)表1）。
　　文利用灰度共生矩陣和紋理特征研究了絕緣子紅外圖像中高溫區(qū)域的特征。

　　代閾值選擇方法用于確定適當(dāng)?shù)拈撝?。割區(qū)域中的每個(gè)像素由灰度共生矩陣描述。
　　量，熵，電纜慣性矩和相關(guān)性被計(jì)算為紋理特征值。
　　幾種紅外樣品進(jìn)行的實(shí)驗(yàn)表明，該方法能夠反映高溫絕緣子的特性，證明其準(zhǔn)確性和可靠性，也可為高溫絕緣子中異常高溫絕緣子的識(shí)別提供參考。食系統(tǒng)。
　　本文轉(zhuǎn)載自
　　電纜 http://jslianhai.cn