?絕緣子是電力系統中最重要的外絕緣設備之其絕緣性能的優劣直接影響著輸電線路能否安全穩定運行。發生污穢閃絡時線路重合閘概率低，易造成長時間、大面積停電，會對電力系統造成巨大損失。污穢絕緣子在雨雪、霧露等潮濕天氣下，由于表面受潮后絕緣性能大幅下降，極易發污閃事故。為減少污閃事故發生，運維人員通過申報停電檢修計劃，經由人工或者無人機的方式對在運污穢絕緣子進行清洗。但高電壓等級的輸電線路停電清洗將帶來較大的經濟損失。且通過清洗的方式不能確定絕緣子表面的污穢成分及污穢等級，無法根據實際染污情況指導線路絕緣子的選型。基于高光譜成像技術，通過對不同材質絕緣子表面污穢成分進行檢測，獲取不同污穢成分下的高光譜圖像，建立絕緣子污穢識別高光譜圖庫，以期為絕緣子表面污穢成分在線監測與診斷提供理論參考。

污穢成分的高光譜分類識別原理

高光譜技術原理

高光譜技術是集信息采集、信息處理、光譜捕捉及分析等多領域于一體的新型綜合性影像技術，能夠同時記錄目標圖像及光譜數據。其中，成像光譜儀的光譜輻射、校準和光譜信息處理是光譜成像的關鍵技術。高光譜成像的分光原理包括干涉型、濾光片型和色散型。其中，色散型光譜分辨率高、成像穩定，可對直線上所有像素點同時計算，因此本實驗選用了基于光柵色散原理的高光譜成像儀。圖１為光柵色散成像原理：光經過光柵后，因波長差異產生不同的衍射角，進而使光發生色散，將同一點的入射光分解成不同波長處的能量分布，并由傳感器像元進行測量，同時獲得目標物體一條線上的光譜信息，通過移動待測樣品或鏡頭可實現整體成像。

圖１光柵色散成像原理

絕緣子表面污穢成分復雜多樣，其中可溶性成分主要為CaSO4，近海地區絕緣子污穢中NaCl含量較高，不溶物則主要為Al2O3和SiO2。污穢成分的微觀結構不同，在不同波段下對光的吸收和反射程度也不同，因此不同物質的反射光入射到探測器后，波段之間的能量存在差異，進而可生成該物質獨有的“指紋”曲線，依據此特性能夠對物質實現精準識別。高光譜技術由于其具有廣泛波段及高分辨率特性，能夠遠遠距離、高精確度、無損地對污穢成分進行識別。

１.２反向傳播神經網絡原理

反向傳播(BP)神經網絡是通過對誤差進行逆向傳播從而校正結果的方法，利用梯度下降法實現網絡輸出值與真實值誤差均方差最小化，對解決非線性工程問題有較好的效果。圖２為BP神經網絡示意圖。如圖２所示，通過輸入層將原始數據讀取至系統內，經隱藏層進行計算，最后獲得對應的輸出結果，訓練時輸出層與實際的誤差經過反向傳播用于提高結果精度。BP神經網絡的計算主要分為兩個過程，首先進行網絡狀態初始化，而后按照規則前向計算。在建立絕緣子表面污穢成分。識別模型時，可以將不同污穢成分譜線的特征波段作為輸入層信息，經過訓練函數得出對應的結果，通過與標簽進行對比減小誤差，從而提高分類識別的精確度。BP神經網絡具有較好的非線性映射能力，并且能夠快速開展現場檢測，因此本實驗利用該算法建立污穢成分的分類識別模型。

圖２反向傳播神經網絡示意圖

實驗樣品和數據

圖３高光譜線掃描平臺

圖４背景基材

圖５試驗樣品

陶瓷基材底色為較光滑的純白色，當涂覆污穢量較少時，背景基材對光線的反射效果更明顯，從而影響了實際污穢成分的光譜檢測結果。此外，部分單一污穢例如NaCl、MgCl２、KCl和Al2O3在污層干燥后會析出細小顆粒，不能完全覆蓋基材。當基材為硅橡膠片時，上述４種污穢成分受到基材背景像素的譜線影響，整體趨勢相似。而CaSO4與高嶺土呈現細密的白色顆粒，基材對其影響較小，此兩種污穢成分的譜線更相近；而當基材為陶瓷片時，由于NaCl、MgCl２、KCl和Al2O3的覆蓋面小，陶瓷片的反射率高，影響著整體的譜線趨勢，整體均與CaSO4和高嶺土譜線接近，因此造成了識別準確率的下降。為此，在對陶瓷絕緣子進行高光譜成分檢測時，需要注意污層較薄的位置數據可能與真實值存在明顯差距，檢測時應盡量避免檢測污層較稀薄的位置。

圖７單一污穢成分標準譜線

如圖７所示，不同物質的標準譜線差別較大，因此可作為污穢物質分類識別的基礎。此外，由于不同波段上的反射強度和峰谷特征不同，則需通過機器學習的方式更好地捕捉細微特征，從而進行物質區分。

推薦：

無人機高光譜成像系統iSpecHyper-VM100

一款基于小型多旋翼無人機高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過獨特的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇