CN108680833B - 基于无人机的复合绝缘子缺陷检测*** - Google Patents

Abstract

本发明公开了一种基于无人机的复合绝缘子缺陷检测***，包括：无人机，所述无人机用于对输电线路上的复合绝缘子进行巡检，拍摄复合绝缘子的图像信息，并将图像信息传输给地面监控站；若干个地面接收站，用于与无人机进行通信，读取无人机飞行状态数据和巡检结果数据，将采集到的图像信息发送给数据处理平台；数据处理平台，用于读取若干个地面接收站的无人机的飞行状态信息和巡检结果数据，并与地面接收站进行时钟同步；对巡检结果数据进行处理、缺陷诊断；缺陷显示平台，用于对所述GPS模块获取的地理位置及相应位置复合绝缘子的缺陷进行显示及报警。本发明可实现对复合绝缘子表面状态进行实时监测，便于及时发现绝缘子表面缺陷，进行检修。

Description

基于无人机的复合绝缘子缺陷检测***

技术领域

本发明涉及无人机应用领域，特别涉及一种基于无人机的复合绝缘子缺陷检测***。

背景技术

当前，随着我国社会经济发展的不断进步，电力资源的战略价值和其在国民生产、生活中的重要作用日趋提高，确保电网运行安全是确保国民生产、生活正常有序进行的重要环节。在电力***运行中，高压输电线路担负着区域电能输送的重任，起着大动脉的作用。由于高压线路通过区域广，地形、气象、环境等情况复杂，造成了线路运行情况巡视难、掌握难，隐患排查难，故障定位难等一系列难题。开展无人机应用于高压输电线路或杆塔空中巡视的研究，利用无人机及非接触式检测技术解决上述难题，提高输电线路巡视效率、提高巡视手段的科学性，直观、准确的反映输电线路运行情况，及时发现运行隐患，主动错峰维护，是电网运检巡视技术发展的趋势和必然。目前，针对高压输电网中杆塔上的复合绝缘子的缺陷检测主要采用的运检巡视手段有人工巡视和仪器监测，其中：

人工巡视主要完成对杆塔上绝缘子伞裙开裂、金具开裂、芯棒外露、绝缘子污秽等外观检测，同时，由于人工巡视所具有的高灵活性，在携带相应设备后，还能完成相关电器特性(如绝缘性)技术检测。因此，人工巡视是当前高压输电设备运检巡视的主要手段；但受人力自身及设备采购成本的限制，人工巡视普遍存在巡视成本高、效率低；巡视周期长，人员劳动强度高，不利于管理；技术含量低，不能实现快速、准确的掌握输电设备运行情况。

仪器监测技术能够对运行高压输电设备进行状态监测，实现运行线路状态分析与故障诊断、检修决策为一体的电网运检技术；能对绝缘子外观缺陷与内部缺陷进行监测。但由于仪器监测技术正外于研发及试运行阶段，还需要不断进行数据收集、整理、分析，同时其设备的可靠性、实用性距现实需求还有较大差距，因此，目前输电线路上设备状态监测还不能完全依赖仪器监测的结果。

因此，要有效解决以上问题，利用空中飞行器结合地面接收设备进行线路巡视，在较短时间内完成输电网中电力设备的巡视工作便成为首选方案。因而，采用直升机、轻型飞机、动力伞等载人飞行器搭载非接触检测设备，进行高压杆塔上的复合绝缘子的空中巡视，以期解决巡视效率低、巡视周期长、设备应用率低等问题，但上述飞行器不仅采购、运行成本高、飞行限制大，且载人飞行器的安全保障对于非航空专业的电网运行单位而言，仅飞行器的保养、维护就是一个不小的难题。

发明内容

鉴于上述问题，本发明的主要目的是提供一种基于无人机的复合绝缘子的缺陷检测***，以快速准确检测复合绝缘子的表面缺陷。

本发明的目的采用以下技术方案来实现：

提供了一种基于无人机的复合绝缘子的缺陷检测***，包括：

无人机，所述无人机用于对输电线路上的复合绝缘子进行巡检，拍摄复合绝缘子的图像信息，并将图像信息传输给地面监控站；所述无人机包括无人机本体、若干个均匀布设于无人机本体周侧的摄像头、GPS模块、电源模块以及无线通信模块。

若干个地面接收站，用于与无人机进行通信，读取无人机飞行状态数据和巡检结果数据，并与无人机进行时钟同步，将采集到的图像信息发送给数据处理平台；

数据处理平台，用于读取若干个地面接收站的无人机的飞行状态信息和巡检结果数据，并与地面接收站进行时钟同步；对巡检结果数据进行处理、缺陷诊断，并对缺陷诊断出的缺陷进行管理，能够手工对复合绝缘子的缺陷进行标识和编辑；

缺陷显示平台，用于对所述GPS模块获取的地理位置及相应位置复合绝缘子的缺陷进行显示及报警。

优选地，所述数据处理平台，包括数据储存模块与数据处理模块，所述数据处理模块用于对所读取到的巡检结果数据中复合绝缘子图像中的绝缘子进行缺陷识别，确定绝缘子存在缺陷的复合绝缘子图像并分析出绝缘子的缺陷类别；所述数据储存模块用来储存所述地面接收站发送过来的复合绝缘子图像以及储存所述绝缘子存在缺陷的复合绝缘子图像、图像特征以及缺陷类别。

优选地，所述数据储存模块包括待测数据库单元和样本数据库单元；样本数据库单元用来储存所述绝缘子存在缺陷的复合绝缘子图像、图像特征以及对应绝缘子缺陷类别；待测数据库单元被设置为储存地面接收站发送过来的复合绝缘子图像；其中，样本数据库单元还用于储存通过人工录入的绝缘子缺陷样本图像、图像特征以及缺陷类别，以此来进一步完善样本数据库单元。

优选地，所述数据处理模块包括样本过滤单元、绝缘子区域提取单元、绝缘子特征提取单元和绝缘子缺陷识别单元；所述样本过滤单元用于从样本数据库单元存储的绝缘子缺陷样本图像中筛选出限定数量的绝缘子缺陷样本图像用于缺陷识别；所述绝缘子区域提取单元用于提取出复合绝缘子图像中的绝缘子区域；所述绝缘子特征提取单元用于对绝缘子区域中的绝缘子特征进行提取；所述绝缘子缺陷识别单元用于根据所述限定数量的绝缘子缺陷样本图像对所述绝缘子特征进行分析，从而对绝缘子区域中的绝缘子的表面缺陷进行分类识别。

本发明的有益效果为：根据本发明提供的一种基于无人机的复合绝缘子缺陷检测***，能够及时并准确的检测到复合绝缘子串的外观缺陷；相较于以前人工巡视效率低、劳动强度大、巡检成本高，环境限制明显等问题，本发明能够有效的解决上述问题，实现以较高的准确率对复合绝缘子的表面缺陷类型进行判断识别。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明一个示例性实施例中复合绝缘子缺陷检测***的框架结构图；

图2为本发明一个示例性实施例中数据处理平台的框架结构图；

图3为本发明一个示例性实施例中数据储存模块的框架结构图；

图4为本发明一个示例性实施例中数据处理模块的框架结构图。

附图标记：

无人机1、地面接收站2、数据处理平台3、缺陷显示平台4、数据储存模块5、数据处理模块6、待测数据库单元501、样本数据库单元502、样本过滤单元601、绝缘子区域提取单元602、绝缘子特征提取单元603和绝缘子缺陷识别单元604。

具体实施方式

结合以下应用场景，参考附图对本发明的实施方式进行说明。

参见图1，本发明提供了一种基于无人机的复合绝缘子的缺陷检测***，包括：

无人机1，所述无人机用于对输电线路上的复合绝缘子进行巡检，拍摄复合绝缘子的图像信息，并将图像信息传输给地面接收站；所述无人机包括无人机本体、若干个均匀布设于无人机本体周侧的摄像头、GPS模块、电源模块以及无线通信模块。

若干个地面接收站2，用于与无人机1进行通信，读取无人机飞行状态数据和巡检结果数据，并与无人机进行时钟同步，将采集到的图像信息发送给数据处理平台3；

数据处理平台3，用于读取若干个地面接收站的无人机的飞行状态信息和巡检结果数据，并与地面接收站进行时钟同步；对巡检结果数据进行处理、缺陷诊断，并对缺陷诊断出的缺陷进行管理，能够手工对复合绝缘子的缺陷进行标识和编辑；

缺陷显示平台4，用于对所述GPS模块获取的地理位置及相应位置复合绝缘子的缺陷进行显示及报警。

参见图2，所述数据处理平台3，包括数据储存模块5与数据处理模块6，所述数据处理模块6用于对所读取到的巡检结果数据中复合绝缘子图像中的绝缘子进行缺陷识别，确定绝缘子存在缺陷的复合绝缘子图像并分析出绝缘子的缺陷类别；所述数据储存模块5用来储存所述地面接收站2发送过来的复合绝缘子图像以及储存所述绝缘子存在缺陷的复合绝缘子图像、图像特征以及缺陷类别。

参见图3，所述数据储存模块5包括待测数据库单元501和样本数据库单元502；样本数据库单元502用来储存所述绝缘子存在缺陷的复合绝缘子图像、图像特征以及对应绝缘子缺陷类别；待测数据库单元501被设置为储存地面接收站2发送过来的复合绝缘子图像；其中，样本数据库单元还用于储存通过人工录入的绝缘子缺陷样本图像、图像特征以及缺陷类别，以此来进一步完善样本数据库单元。

参见图4，所述数据处理模块6包括样本过滤单元601、绝缘子区域提取单元602、绝缘子特征提取单元603和绝缘子缺陷识别单元604；所述样本过滤单元601用于从样本数据库单元存储的绝缘子缺陷样本图像中筛选出限定数量的绝缘子缺陷样本图像用于缺陷识别；所述绝缘子区域提取单元602用于提取出复合绝缘子图像中的绝缘子区域；所述绝缘子特征提取单元603用于对绝缘子区域中的绝缘子特征进行提取；所述绝缘子缺陷识别单元604用于根据所述限定数量的绝缘子缺陷样本图像对所述绝缘子特征进行分析，从而对绝缘子区域中的绝缘子的缺陷进行分类识别。

所述样本过滤单元601还用于将所述限定数量的绝缘子缺陷样本图像按缺陷类别进行分类集合。

所述绝缘子区域提取单元602用于将所述待测数据库单元601中的复合绝缘子图像提取出来，对所述复合绝缘子图像进行分割，得到所述复合绝缘子图像中的绝缘子区域，具体包括：

(1)通过一定大小的滑动窗口在复合绝缘子图像上进行窗口分割，获得对应于复合绝缘子图像的矩形块集合K，计算矩形块集合K中矩形块j对应的局部区域平均灰度值GQ(j)以及矩形块j的平均显著性GP(j)；

(2)由上述矩形块集合K中矩形块j的局部区域平均灰度值GQ(j)和平均显著性GP(j)以及绝缘子区域与背景区域的先验差异特征对绝缘子区域进行粗定位，也就是依先验差异特征对每个矩形块j进行判别，判别其属于绝缘子区域还是背景区域，其中背景区域为复合绝缘子图像中不含有绝缘子的图像区域；

(3)剔除所有不属于绝缘子区域的矩形块，将所有属于绝缘子区域的矩形块j合并，统计剩余属于绝缘子区域的矩形块的数目K₁，然后计算绝缘子区域的中心位置，公式为：

式中，j＝1,2,…,K₁；(x₀,y₀)为将属于绝缘子区域的矩形块j合并后的区域的中心位置坐标；

(4)利用绝缘子区域的先验边缘信息进行修正,并通过绝缘子区域的边缘信息来确定相对于绝缘子区域的中心位置的长、宽偏移量，以此确定绝缘子区域；

(5)对待测图像进行分割，从待测图像中提取出绝缘子区域。

本实施例中，矩形块j的局部区域平均灰度值GQ(j)以及的平均显著性GP(j)的计算公式为：

式中，g(u,v)代表矩形块j中的一点(u,v)的灰度值，其中u∈[(j-1)c,jc],v∈[(j-1)b,jb]，c为矩形块j的长；b为矩形块的宽；θ,

为设定的平衡因子；k₁，k₂为根据矩形块大小设置的尺度因子；n为与矩形块j邻接的矩形块数目；其中，(x_i，y_i)代表与矩形块j邻接的第i个矩形块的中心点坐标；(x_j，y_j)代表矩形块j的中心点坐标；h(x_i，y_i)代表矩形块i中心点灰度值；h(x_j，y_j)代表矩形块j中心点的灰度值；Δs_ij为矩形块j与所述第i个矩形块之间的欧氏距离；

本优选实施例中，改进了平均显著性的计算公式，得到了更为精确的平均显著性值，从而提高了对绝缘子区域进行判别的准确度；

本实施例中，对矩形块j进行判别的判别公式为：

式中，v(j)代表矩形块j的中心到待测图像中心的几何距离,λ，μ为分配的权重系数,而参数α则是根据绝缘子区域与背景区域的先验差异特征确定的判别因子；β为考虑到n(j)过大时避免出现属于绝缘子区域的孤立矩形块的限制常数；doug(j)为判别结果，当值为1时，矩形块j属于绝缘子区域；

本优选实施例中设计判别公式，以此判别矩形块的类别，并在此判别基础上，确定了复合绝缘子图像绝缘子区域的中心位置，相对于现有技术直接对绝缘子图像进行处理，减少了处理量提高了效率。

本实施例中，绝缘子区域的中心位置的长、宽偏移量的计算公式为：

式中，m_x为绝缘子区域的中心位置横向的长偏移量；n_y为绝缘子区域的中心位置纵向的宽偏移量；e1为绝缘子区域的横向边缘的像素数；e2为绝缘子区域的纵向边缘的像素数；p_x(x,y)为绝缘子区域的横向边缘的像素点的灰度值；p_y(x,y)为绝缘子区域的纵向边缘的像素点的灰度值；

本优选实施例中设计了依据先验边缘信息进行修正得到中心位置的长、宽偏移量的计算公式，使得定位到的绝缘子区域更加精确，避免复合绝缘子图像中其他背景区域对绝缘子区域内绝缘子缺陷的识别产生干扰，且使得对绝缘子区域图像的特征提取和分类识别阶段的计算耗时降低，对于提高待测绝缘子缺陷的检测效率具有显著地效果。

总之，本实施例中的上述图像定位分割模块利用复合绝缘子图像中的绝缘子区域与背景区域的平均灰度值与平均显著性差异定位到绝缘子区域，并利用绝缘子区域的先验边缘信息进行修正，实现了精确定位到绝缘子区域。

所述绝缘子特征提取单元对绝缘子区域中的绝缘子的特征进行提取，具体包括：

(1)对绝缘子区域的边缘梯度特征进行提取，具体为：通过颜色的归一化处理，将绝缘子区域图像转化为灰度图；然后计算灰度图全局内每个像素点的梯度方向值，计算像素点横纵坐标方向上的梯度；依据每个像素点的梯度方向将灰度图划分为n个均匀的空间，对空间单元内每个像素用梯度方向在直方图中进行加权投影，得到这个单元的梯度方向直方图；其中，设定权值

的计算公式为：

式中，v为一空间单元内像素点的个数，i为单元内的像素点，f_i为像素点i的灰度值，

为像素点i在在直方图中进行加权的权值；

本优选实施例中，在对绝缘子区域的边缘梯度特征计算时，提出了新的权值选取公式，相较于现有技术直接将该像素点的梯度幅值作为投影的权值，能够使得到的梯度特征更好更精确的反映绝缘子区域的整体信息；

将上述单元的梯度直方图在各空间维度进行加权聚合，最后根据空间维度进行划分，依次排列组合上述经过加权聚合的梯度直方图，就得到了绝缘子区域的边缘梯度特征；

(2)对绝缘子区域的绝缘子端部进行特征提取得到局部纹理特征，具体为：

根据待测绝缘子端部的先验几何连接关系，在绝缘子区域中定位出绝缘子端部；采取直方图分割法，将绝缘子端部分割得到中心子块和各邻域子块，对它们进行阀值化，选取阀值比较的结果作为邻域子块的像素灰度值的设定权重系数，依据权重系数与阀值比较结果进行联立可计算绝缘子端部的局部纹理特征向量；

(3)将上述计算得到的边缘梯度特征与局部纹理特征进行互补融合，就得到了绝缘子的特征，其中，特征融合公式为：

JY＝ρ×mv+σ×mz

式中，ρ,σ代表特征权重因子,ρ+σ＝1，mv为绝缘子区域的边缘梯度特征，mz为绝缘子端部的局部纹理特征。

本实施例中，绝缘子端部的局部纹理特征的计算公式为:

式中，由绝缘子端部的先验信息，可确定出端部区域的总数为Y，其中i∈Y,i代表绝缘子区域其中一个端部；W(i)为端部i的端部区域的灰度方向矢量；D_i为端部i的特征权重系数；

为光照干扰因子；K为分割端部i的端部区域得到中心子块周围的各邻域子块的总个数，其中，μ代表第μ个邻域子块，μ∈N；Q(μ)为第μ个邻域子块的平均灰度值；Q(μ_i)为端部i的中心子块的平均灰度值；σ为灰度差分阈值；Q为阈值比较后的二值函数；

本优选实施例中，提出了绝缘子端部的局部纹理特征的计算公式，针对多个端部区域对绝缘子端部的局部纹理特征的影响，设立了特征权值系数，并具体限定了该系数的计算公式，降低了光照的干扰，减少了提取过程中的冗余信息与随机特征。

所述绝缘子缺陷识别单元604被设置为基于样本过滤单元601获取的限定数量的绝缘子缺陷样本图像的图像特征来描述所述绝缘子特征提取单元603得到的绝缘子特征，根据特征描述的表征性比较，来识别绝缘子的缺陷类别，具体为：

(1)提取出所述样本过滤单元获取的限定数量的绝缘子缺陷样本图像，并将它们按绝缘子的缺陷类型分类为R个类别不同的识别样本集，且提取出各个类别中的绝缘子缺陷样本图像中绝缘子的特征向量；

(2)根据绝缘子缺陷样本图像中绝缘子的特征向量对绝缘子区域中绝缘子特征的表征性大小，筛选出最近邻识别样本，具体有：

1)将绝缘子特征用缺陷样本图像中的绝缘子的特征向量线性表示：

式中，JY_i为所述绝缘子特征提取单元得到的绝缘子特征JY在第i类识别样本集的表示，i∈R,R表示所有识别样本集对应的类别数；识别样本集各类类别里含有数量为S个的识别样本,j∈S；Z_ij表示第i类第j个识别样本的特征向量，H_j表示所述绝缘子特征用识别样本特征向量Z_ij表示的系数；

2)依据上式进而计算第i类第j个识别样本在线性表示绝缘子特征JY方面的表征性函数，在第i类S个识别样本集合内，比较各个样本的表征性函数值Cyd_ij，将其函数值由小至大排列，获取其中前P个Cyd_ij值较小的样本，这些样本即为第i类中表示当下所述绝缘子特征向量的P个描述程度最好的识别样本，也就是最近邻识别样本，进而剔除第i类中其余的识别样本。

(3)绝缘子缺陷的识别分类：用于对所述绝缘子的特征进行分类识别，得到绝缘子的缺陷类型，具体包括：

1)将所述绝缘子的特征向量用上述得到的每一类别下的P个最近邻识别样本的特征向量线性表示，计算各个类别下，最近邻识别样本在线性表示所述绝缘子的特征向量上的类内识别度，当类内识别度越小，表示该类样本在线性表示所述绝缘子的特征描述上的识别度越大，以此来分类识别所述绝缘子的特征类别属于该类样本的缺陷类别；

2)将分类识别出来的缺陷图像储存入所述数据储存模块中的样本数据库单元。

本实施例中，表征性函数Cyd_ij的计算公式为：

式中，

为由Z_i自适应确定的修正量；γ为一个很小的修正因子；用Z_i＝[Z_ij]来表示在第i类的识别样本的特征向量矩阵；JY为绝缘子的特征向量；Z_ij表示第i类第j个识别样本的特征向量；R表示所有识别样本集对应的类别数。

本优选实施例中，将绝缘子的特征向量由所有第i类识别样本集内的绝缘子缺陷样本图像表示，设置了表征性函数，且设计了修正因子，选出较大表征性的K个最近邻识别样本，使得识别样本显著减少，计算复杂度显著降低，显著的提高了识别的速度与效率，也使得后续识别分类的计算更加精确。

本实施例中，对所述绝缘子进行缺陷分类识别的类间识别度的计算公式为：

式中，

为设定的修正量，τ为较小的修正因子；E为单位矩阵；JY为绝缘子的特征向量；依据第i类选中的这P个表征性最大的最近邻识别样本，将所述绝缘子的特征向量用上面获取的P个表征性最大的最近邻识别样本进行线性表示，线性表示时每个识别样本的特征为Z_ij‘’，Z_ij‘’表示第i类第j个识别样本的特征向量，其中j∈P；Rds表示待测样本缺陷类型的识别结果。

本优选实施例中，在这K个最近邻识别样本的基础上，设计了表示绝缘子特征向量的类内识别度函数，重新设计了修正因子，使得对绝缘子的缺陷检测的识别率显著提高，识别率高达98.9％，实现了对绝缘子的缺陷进行高可靠性的分类。

所述缺陷显示平台将数据处理模块处理得到的缺陷图像及缺陷类别进行显示管理。

通过以上的方法，能够及时并准确的检测到输电线路中复合绝缘子的缺陷类别，从而能够及时排除安全隐患；且说明书所记载的仅仅是示例，本领域技术人员在理解了本发明的基础上可以作出任意的组合和变更。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.基于无人机的复合绝缘子缺陷检测***，其特征在于，包括：

无人机，所述无人机用于对输电线路上的复合绝缘子进行巡检，拍摄复合绝缘子的图像信息，并将图像信息传输给地面监控站；所述无人机包括无人机本体、若干个均匀布设于无人机本体周侧的摄像头、GPS模块、电源模块以及无线通信模块；

若干个地面接收站，用于与无人机进行通信，读取无人机飞行状态数据和巡检结果数据，并与无人机进行时钟同步，将采集到的图像信息发送给数据处理平台；

数据处理平台，用于读取若干个地面接收站的无人机的飞行状态信息和巡检结果数据，并与地面接收站进行时钟同步；对巡检结果数据进行处理、缺陷诊断，并对缺陷诊断出的缺陷进行管理，能够手工对复合绝缘子的缺陷进行标识和编辑；

缺陷显示平台，用于对所述GPS模块获取的地理位置及相应位置复合绝缘子的缺陷进行显示及报警；

所述数据处理平台，包括数据储存模块与数据处理模块；

所述数据处理模块包括样本过滤单元、绝缘子区域提取单元、绝缘子特征提取单元和绝缘子缺陷识别单元；所述样本过滤单元用于从样本数据库单元存储的绝缘子缺陷样本图像中过滤出限定数量的绝缘子缺陷样本图像用于缺陷识别；所述绝缘子区域提取单元用于提取出复合绝缘子图像中的绝缘子区域；所述绝缘子特征提取单元用于对绝缘子区域中的绝缘子特征进行提取；所述绝缘子缺陷识别单元用于根据所述限定数量的绝缘子缺陷样本图像对所述绝缘子特征进行分析，从而对绝缘子区域中的绝缘子的缺陷进行分类识别；

所述数据处理模块可用于对所读取到的巡检结果数据中复合绝缘子图像中的绝缘子进行缺陷识别，确定绝缘子存在缺陷的复合绝缘子图像并计算出绝缘子的缺陷类别，绝缘子存在缺陷的复合绝缘子图像为所述缺陷复合绝缘子图像；所述数据储存模块用来储存所述地面接收站发送过来的复合绝缘子图像以及储存所述缺陷复合绝缘子图像、图像特征以及缺陷类别；

所述数据储存模块包括待测数据库单元和样本数据库单元；样本数据库单元用来储存所述绝缘子中的所述缺陷复合绝缘子图像、图像特征以及对应绝缘子缺陷类别；待测数据库单元可用于储存地面接收站发送过来的复合绝缘子图像；其中，样本数据库单元还用于储存通过人工录入的所述缺陷复合绝缘子图像、图像特征以及缺陷类别；

所述样本过滤单元还用于将所述限定数量的绝缘子缺陷样本图像按缺陷类别进行分类集合；

所述绝缘子区域提取单元用于将所述待测数据库单元中的复合绝缘子图像提取出来，对所述复合绝缘子图像进行分割，得到所述复合绝缘子图像中的绝缘子区域，具体包括：

(1)通过一定大小的滑动窗口在复合绝缘子图像上进行窗口分割，获得对应于复合绝缘子图像的矩形块集合K，计算矩形块集合K中矩形块j对应的局部区域平均灰度值GQ(j)以及矩形块j的平均显著性GP(j)；

(2)由上述矩形块集合K中矩形块j的局部区域平均灰度值GQ(j)和平均显著性GP(j)以及绝缘子区域与背景区域的先验差异特征对绝缘子区域进行粗定位，也就是依先验差异特征对每个矩形块j进行判别，判别其属于绝缘子区域还是背景区域，其中背景区域为复合绝缘子图像中不含有绝缘子的图像区域；

(3)剔除所有不属于绝缘子区域的矩形块，将所有属于绝缘子区域的矩形块j合并，统计剩余属于绝缘子区域的矩形块的数目K₁，然后计算绝缘子区域的中心位置，公式为：

式中，j＝1，2，...，K₁；(x₀，y₀)为将属于绝缘子区域的矩形块j合并后的区域的中心位置坐标；

(4)利用绝缘子区域的先验边缘信息进行修正，并通过绝缘子区域的边缘信息来确定相对于绝缘子区域的中心位置的长、宽偏移量，以此确定绝缘子区域；

(5)对待测图像进行分割，从待测图像中提取出绝缘子区域；

矩形块j的局部区域平均灰度值GQ(j)以及的平均显著性GP(j)的计算公式为：

式中，g(u，v)代表矩形块j中的一点(u，v)的灰度值，其中u∈[(j-1)c，jc]，v∈[(j-1)b，jb]，c为矩形块j的长；b为矩形块的宽；θ，

为设定的平衡因子；k₁，k₂为根据矩形块大小设置的尺度因子；n为与矩形块j邻接的矩形块数目；其中，(x_i，y_i)代表与矩形块j邻接的第i个矩形块的中心点坐标；(x_j，y_j)代表矩形块j的中心点坐标；h(x_i，y_i)代表矩形块i中心点灰度值；h(x_j，y_j)代表矩形块j中心点的灰度值；Δs_ij为矩形块j与所述第i个矩形块之间的欧氏距离；

对矩形块i进行判别的判别公式为：

式中，v(j)代表矩形块j的中心到待测图像中心的几何距离，λ，μ为分配的权重系数，而参数α则是根据绝缘子区域与背景区域的先验差异特征确定的判别因子；β为考虑到n过大时避免出现属于绝缘子区域的孤立矩形块的限制常数；doug(j)为判别结果，当值为1时，矩形块j属于绝缘子区域；

绝缘子区域的中心位置的长、宽偏移量的计算公式为：

式中，m_x为绝缘子区域的中心位置横向的长偏移量；n_y为绝缘子区域的中心位置纵向的宽偏移量；e1为绝缘子区域的横向边缘的像素数；e2为绝缘子区域的纵向边缘的像素数；p_x(x，y)为绝缘子区域的横向边缘的像素点的灰度值；p_y(x，y)为绝缘子区域的纵向边缘的像素点的灰度值。

2.根据权利要求1所述的基于无人机的复合绝缘子缺陷检测***，其特征在于，所述绝缘子缺陷识别单元用来将所述绝缘子特征提取单元得到的绝缘子特征由样本过滤单元获取的限定数量的绝缘子缺陷样本图像的图像特征来描述表征，具体包括：

(1)提取出所述样本过滤单元过滤出的并按绝缘子的缺陷类型分类了的限定数量的绝缘子缺陷样本图像，设定它们划分为R个类别不同的识别样本集，且将各个类别中的绝缘子缺陷样本图像中绝缘子的特征向量提取出来；

(2)根据绝缘子缺陷样本图像中绝缘子的特征向量对绝缘子区域中绝缘子特征的表征性大小，筛选出最近邻识别样本，具体有：

1)将绝缘子特征用缺陷样本图像中的绝缘子的特征向量线性表示：

式中，JY_i为所述绝缘子特征提取单元得到的绝缘子特征JY在第i类识别样本集的表示，i∈R，R表示所有识别样本集对应的类别数；识别样本集各类类别里含有数量为S个的识别样本，j∈S；Z_ij表示第i类第j个识别样本的特征向量，H_j表示所述绝缘子特征用识别样本特征向量Z_ij表示的系数；

2)依据上式进而计算第i类第j个识别样本在线性表示绝缘子特征JY方面的表征性函数，表征性函数Cyd_ij的计算公式为：

式中，

为较小的修正量；γ为一个很小的修正因子；用Z_i＝[Z_ij]来表示在第i类的识别样本的特征向量矩阵；JY为绝缘子的特征向量；Z_ij表示第i类第j个识别样本的特征向量；R表示所有识别样本集对应的类别数；

在第i类S个识别样本集合内，比较各个样本的表征性函数值Cyd_ij，将其函数值由小至大排列，获取其中前P个Cyd_ij值较小的样本，这些样本即为第i类中表示当下所述绝缘子特征向量的P个描述程度最好的识别样本，也就是最近邻识别样本，进而剔除第i类中其余的识别样本；

(3)依据上述获得的最近邻识别样本的特征，对所述绝缘子特征进行分类识别，得到绝缘子的缺陷类型；

(4)将分类识别出来的缺陷图像储存入所述数据储存模块中的样本数据库单元。

3.根据权利要求2所述的基于无人机的复合绝缘子缺陷检测***，其特征在于，所述对绝缘子特征进行分类识别的计算公式为：

式中，

为设定的修正量，τ为较小的修正因子；E为单位矩阵；JY为绝缘子的特征向量；依据第i类选中的这P个表征性最大的最近邻识别样本，将所述绝缘子的特征向量用上面获取的P个表征性最大的最近邻识别样本进行线性表示，线性表示时每个识别样本的特征为Z_ij‘’，Z_ij‘’表示第i类第j个识别样本的特征向量，其中j∈P；Rds表示待测样本缺陷类型的识别结果。

Images