為了提高變電站設備隔離器的故障診斷能力，提出了一種基于智能圖像信息與融合的融合識別變電站設備隔離器裂縫的方法。出了邊緣輪廓分割檢測方法。維激光掃描技術用于收集變電站設備的絕緣圖像。
　　理絕緣體的裂紋圖像的圖像融合信息。不變區域中，對變電站設備隔離器的裂紋角點的分布信息進行直方圖均衡處理，以實現對絕緣子故障裂紋的識別。電站設備。真結果表明，變電站設備隔離器破損裂紋識別的準確度較高，輸出圖像的峰值信噪比較高，說明更好的裂紋圖像識別性能。著圖像處理技術的發展，有可能使用智能圖像處理方法來識別和檢測變電站設備中的裂縫。變電站設備的故障診斷，在線監視和維護領域研究了變電站設備隔離器。值被廣泛使用[1]。

　　統的裂紋檢測方法主要包括子空間聚類方法，自適應像素分割檢測方法和角點檢測方法。取的功能輸入到分類器中。

　　
　　算時間太重要，抗干擾性能也不令人滿意。對上述問題，提供了一種基于圖像信息的智能融合來識別變電站設備隔離器中的裂縫的方法。

　　驗比較結果表明，該方法提高了變電站設備絕緣子開裂性能的優越性。了智能識別變電站絕緣子的故障裂紋，圖像采集是第一步[3]。文檔使用區域輪廓的三維掃描方法和三維激光掃描來對布置在變電站設備監控區域中的后設備隔離器進行裂痕裂紋分析[2]。]，選擇角度[α]和[90°]作為激光掃描的相角，并根據布爾模型[V = C1，C2，...，Ck]，用于圖像掃描的傳感器節點組[v]檢查[Ci？ V]，[1≤i≤k]，[k≤V]，不同變電站設備隔離器的斷裂裂紋[x]和[y]間距[距離（x，y）≤d ]。算兩個裂紋節點的分布距離[με-∞， ∞，σ≥0]。于圖像像素[j∈1，k]，[i≠j]的任何采樣序列，都存在[Ci？ Cj =？ ]。
　　中[ax]是初始像素采樣信息。據上述變電站設備隔離器故障裂紋的圖像采集結果，進行圖像識別和裂紋特征提取處理。紋識別算法通過三維激光掃描技術得到增強，用于變電站設備絕緣的圖像采集和熔融預處理。法為了測試該方法在實現裂紋識別，仿真實驗和實驗硬件環境中的應用性能：主處理器是Intel [？] Pentium [？] Dual，主頻率是1.8 GHz，軟件為Matlab 7。
　　緣輪廓檢測的閾值為[a] = 0.48，變電站設備絕緣的破壞面的分割系數為0.23，電纜鄰域大小其他模擬，提取的分割線為22×24，裂紋的邊緣誤差為[a] = 0.23。

　　參數設置為[θ] = 0.5，[λ1] = 2，[λ2] = 2，[μ] = 0.021×232×200，并使用破裂裂紋的獲取率v = 1在實驗中，識別時間[Δt] = 0.24。據上述模擬環境和參數設置，進行了變電站絕緣設備故障裂紋模擬仿真實驗，并將原始圖像的采集結果呈現給了變電站。1.以圖1所示的圖像作為搜索對象，電纜執行裂紋識別模擬，并使用三維區域輪廓掃描方法執行邊緣輪廓分割檢測和處理。電站設備絕緣層裂紋裂紋的信息改善，絕緣子裂紋裂紋檢測的圖像輸出如圖2所示。2表明，使用本文的方法來識別絕緣子的裂縫，可以準確地檢測出裂縫分布的邊緣輪廓，定位裂縫區域并產生裂縫。出圖像的峰值信號噪聲。了定量分析裂紋識別性能，使用本文方法和傳統方法在圖3中給出了裂紋識別精度的結果。3中的分析表明，使用此方法的識別準確性很高。出了一種基于圖像信息的智能融合和邊緣輪廓分割檢測的變電站設備隔離器裂紋識別方法。仿射不變區域中，對變電站設備絕緣層的裂紋的尖端角的分布信息以及提取的識別進行直方圖均衡處理。
　　行變電站設備絕緣的特征像素點的確定和裂紋的分類。究結果表明，該方法能夠更準確地識別變電站設備隔離器中的裂紋，并且裂紋圖像識別性能更好。
　　本文轉載自
　　電纜 http://www.sup95.com