1、引言

电力系统的安全稳定运行一直受输电线路绝缘子污秽闪络问题的影响。污闪问题严重时，会引起大面积、长时间的停电，造成巨大的经济损失。因此，在污闪事故发生之前，对绝缘子绝缘状态进行有效监测及评估具有重要意义。

陶瓷绝缘子作为最早应用的绝缘子，在电力系统中使用较广，其污秽检测主要采用传统检测方法，如等值盐密法、泄漏电流法、表面污层电导法等。但这些方法耗时长、效率低，应用具有一定的局限性。

高光谱技术是成像技术与光谱探测技术相结合的一项检测技术，能够得到目标图像数据及对不同波长电磁波的反射率数据，所形成的高光谱数据包括平面像素信息和光谱维度信息，信息量丰富，在物质种类及程度分类方面有较大应用潜力。

目前，主要运用高光谱技术对复合绝缘子进行污秽状态研究，而陶瓷绝缘子与复合绝缘子的成分和物理状态均存在明显差异。因此，有必要开展基于高光谱技术的陶瓷绝缘子污秽等级检测研究。

陶瓷绝缘子表面存在釉质，在采集其高光谱图像时会出现反光现象，对谱线信息有较大影响。因此，文中首先通过直方图均衡化处理去除反光干扰；然后采集不同污秽等级的陶瓷片样本的高光谱图像，对其进行预处理，去除噪声干扰；接着通过连续投影算法（SPA）对样本谱线进行特征提取；最后基于SVM模型根据特征谱线建立污秽检测模型，对待测样本进行污秽等级划分，实现陶瓷绝缘子非接触式污秽等级检测。

2、试验平台及样本制备

2.1 高光谱图像采集平台

高光谱图像采集平台的主要设备包括暗室、高光谱仪和反射率为99%的标准校正白板，暗室由灯架及吸光布组成。文中试验采用高光谱仪。图像采集过程中，将高光谱仪以垂直俯拍的方式安装于暗室上，保持镜头距离样本100 cm，利用灯架上的8个模拟日光光源对试验样本均匀补光。

2.2 试验样本制备

试验样本根据标准GB/T 22707-2008进行制备， 选取50 mm×50 mm的陶瓷绝缘片作为人工样本基材。采用文献所述浸污法制备样本，制备污秽溶液时以氯化钠为主要可溶盐成分，以高岭土为主要不可溶物。分别配置不同电导率的标签样本和测试样本污秽溶液，进行浸污操作，使人工污秽均匀附于陶瓷绝缘片上，得到试验样本。

试验样本包括标签样本和检测样本。根据文献，分别配置电导率为2 s/m，4 s/m，8 s/m，16 s/m的污秽溶液，通过浸污法得到标签样本，记为B1、B2、B3、B4，分别对应污秽等级Ⅰ、Ⅱ、Ⅲ、Ⅳ。采集其高光谱数据后，采用等值盐密法，测量换算得到样本的盐密、灰密值。4个样本的灰密均为0.10 mg/cm²，盐密分别为0.05 mg/cm²，0.10 mg/cm²，0.20 mg/cm²，0.40 mg/cm²。

保持灰密均为0.10 mg/cm2，分别配置电导率为3 s/m，5 s/m，10 s/m，18 s/m的污秽溶液，通过浸污法得到检测样本，记为C1、C2、C3、C4。采集其高光谱数据后，经蒸馏水清洗得到污秽溶液，过滤后，测量换算得到样本盐密值，分别为0.06 mg/cm²，0.12 mg/cm²，0.22 mg/cm²，0.43 mg/cm²。

浸污后，将试验样本置于阴凉干燥处，得到人工污秽样本，如图 1所示，各污秽等级样本表面污秽分布均匀，有利于采集对应等级光谱数据。

图 1 人工污秽样本

2.3 样本高光谱图像采集

通过试验平台，用高光谱仪对试验样本进行高光谱数据采集。采集样本数据前，须采集校正白板的高光谱图像，并将高光谱仪镜头盖上以采集背景信息，用于高光谱图像的黑白校正处理。然后，对样本进行高光谱图像采集，采集过程中，须保持光照强度足够且均匀，获得样本的高光谱数据。

3、高光谱数据处理

3.1 直方图均衡化

直方图均衡化利用图像直方图对原始图像进行调整，其对太亮或太暗的图像都有着较好的处理效果。在对陶瓷绝缘片人工污秽样本进行高光谱图像采集时，由于样本表面的釉质，会存在反光现象，如图 2所示。采集反光区域谱线数据，如图 3所示。由图 3可见，反光区域谱线整体反射率超过1，并且波长为1150~1350 nm时反射率信息出现缺失。因此文中选用直方图均衡化对高光谱图像进行处理，弱化陶瓷绝缘子图像采集时的反光现象。

高光谱图像

图 3 反光区域谱线

运用直方图均衡化对人工污秽样本高光谱图像进行处理，处理后的图像见图 4，原光区域谱线如图 5所示。

图 4 直方图均衡化后图像

图 5 直方图均衡化后原反光区域谱线

经过直方图均衡化处理后，原始图像中的反光区域得到了明显改善，全面地呈现能够更加清楚、样本表面污秽情况。由图 5可见，反光区域谱线整体反射率低于1，无数据缺失现象，能够反映污秽信息。运用ENVI软件提取感兴趣区域光谱数据 (人为选取的高光谱图像区域的光谱数据) ，其中标签样本100组 (不同污秽等级各25组) ，检测样本60组 (不同污秽等级各15组）

3.2 异常光谱值的剔除

采集过程中，仪器及外界的噪声会对谱线数据造成干扰，在对数据进行分析前，须对图像进行预处理，包括黑白校正和多元散射校正。

黑白校正能够有效消除噪声干扰，根据采集的校正白板数据及背景数据，对样本数据进行黑白校正。具体操作在ENVI软件上进行，校正公式如下：

式中：R_S为校正后反射率；R₀为采集的原始数据；R_W为校正白板数据；R_D为反射率为0的背景数据。

多元散射校正能够有效消除因散射水平不同所带来的光谱差异，进而增强光谱与数据间的关联性，其原理在于运用“理想光谱”修正光谱数据中的基线平移、偏移。由于无法准确获得理想光谱，通常假设所有光谱数据的平均值为理想光谱。

将每条光谱数据与理想光谱进行一元线性回归，得到每条光谱的基线平移量b_i以及偏移量a_i。

得到基线平移量及偏移量后，运用式（4），得到校正后光谱矢量d_i，MSC。

式中：d_i，MSC为多元散射校正后第i个样本的光谱矢量。

图6为预处理前后谱线数据对比。预处理前，不同污秽等级谱线较为分散，总体规律表现为污秽等级越高，反射率越低；预处理后，谱线噪声减少，不同污秽等级样本谱线之间区分度增大。因此预处理能够有效地建立污秽等级检测模型，实现快速检测。

图 6预处理前后谱线对比

4、污秽检测模型

4.1 基于SPA的特征提取

高光谱技术有着信息量丰富这一优势，但这同样为数据处理带来问题。光谱维度有224个波长，导致原始数据中信息冗余。因此，在建立模型之前，选择SPA对数据进行特征波长选取，去除冗余信息。

作为一种常用的变量筛选方法，SPA依据向量的投影分析找寻最优变量组合。经过该算法处理能使谱线向量间的共线性达到最小，且能有效减少建立判别模型所需要的变量个数，提高建模效率。标签样本数100，波长数224，形成一个100×224的光谱矩阵X，须提取的波长个数为N。SPA从一个波长开始，依次计算其在其他没有选中的波长上的投影，然后将投影向量最大的波长选为特征波长，循环N次。具体步骤参照文献。

SPA的处理结果如图 7所示，经SPA误差分析，确定了特征波长数目为20个，分别为951nm，962nm，983nm，997nm，1053nm，1148nm，1243nm，1348nm，1387nm，1394nm，1405nm，1465nm，1503nm，1570nm，1602nm，1606nm，1655nm，1684nm，1694nm，1722nm。利用提取的特征波长重构污秽等级标准谱线，标准谱线保留了原始谱线的特征，能够作为污秽等级检测的基准。

图 7 SPA特征波长提取结果

4.2 基于SPA的特征提取

SVM作为一种常用的广义线性分类器，训练时间短、复杂度低，主要用于数据的分类或回归问题，因此文中选用SVM建立污秽等级分类模型。污秽等级分类为多值分类问题，根据参考文献研究结果，选用“一对一”SVM算法进行污秽等级分类。“一对一”SVM算法采用投票法进行分类，文中污秽等级为Ⅰ、Ⅱ、Ⅲ、Ⅳ，图8为建立的4个等级样本分类结构，对输入数据进行投票，得票多的等级作为样本等级输出。

图8 SVM分类结构

基于SVM所建立的污秽等级检测模型，检测结果如图9所示，有3个样本检测出错，检测准确率为95%，证明了文中方法识别陶瓷绝缘子污秽等级的有效性。

图9污秽等级检测模型检测结果

文中方法同样适用于自然污秽，采集自然污秽数据后重新训练，所得模型即可运用于自然污秽检测。对于现场绝缘子，须根据其形状多角度采集高光谱数据。在现场应用方面，线路带电限制数据采集距离，空气中湿度等因素对高光谱谱线数据有影响，因此高光谱技术应用于绝缘子污秽检测在线监测方面还有待研究。

5、准直光束的入射方向对等厚干涉测量精度的影响

文中提出基于高光谱技术的陶瓷绝缘子污秽等级检测方法。首先,采集不同污秽等级陶瓷样本的高光谱图像;其次,结合直方图均衡化处理方式弱化反光现象;接着,对高光谱图像进行预处理,去除噪声;然后,采用SPA提取特征波长作为训练数故据;最后,基于SVM建立检测模型对测试样本进行污秽等级划分,实现陶瓷绝缘子污秽等级检测。结论如下:

(1)陶瓷绝缘子表面污秽等级不同时,其高光谱谱线在幅值,上存在明显差异,这种幅值差异能够作为污秽等级判定的标准;

(2)直方图均衡化处理能够有效弱化陶瓷绝缘子自身材质原因所造成的反光现象,提高陶瓷绝缘子高光谱数据的准确性;

(3)文中方法能够实现陶瓷绝缘片人工污秽样本的污秽等级检测,准确率可达95%,为实现陶瓷绝缘子污秽等级检测提供了技术参考。