运行复合绝缘子高光谱污秽检测技术

目前传统的高光谱污秽检测主要针对人工涂污样本.而运行复合绝缘子由于结构和自然积污复杂、基材浸污严重,难以运用其方法进行污秽检测.因此搭建了适用于绝缘子污秽检测的高光谱拍摄平台,并提出了一种基于高光谱的运行复合绝缘子污秽检测技术.首先,针对绝缘子光谱特性,提出了 一种基于噪声学习的一维卷积降噪自动编码器(1D-RDCAE)高光谱数据转换方法,消除不同拍摄情况导致的谱线偏移现象.其次通过核主成分(KPCA)提取不同污秽程度的光谱特征;分别建立基于线性判别算法(LDA)、BP神经网络(BPNN)以及极限学习机(ELM)的运行复合绝缘子污秽检测模型.最终,检测结果表明,较之传统的高光谱污秽检测方法,笔者提出的污秽检测技术对不同拍摄情况下的污秽程度检测准确度有了大幅提高,由50％左右提高到了 85％以上,为后续运行复合绝缘子光谱检测奠定了基础.