改進(jìn)Grab Cut算法的復(fù)合絕緣子憎水性評(píng)估

畢茂強(qiáng),帥埡靈,胡秀雷,楊忠平,楊俊偉,江天炎,陳 曦

(1.重慶理工大學(xué) 電氣與電子工程學(xué)院, 重慶 400054;2.中國電力工程顧問集團(tuán)西南電力設(shè)計(jì)院有限公司, 成都 610021)

0 引言

復(fù)合絕緣子主要由傘裙、金具和絕緣芯棒三部分組成。相較于瓷絕緣子和玻璃絕緣子而言,復(fù)合絕緣子具有機(jī)械強(qiáng)度高、抗污閃能力強(qiáng)和質(zhì)量輕等優(yōu)點(diǎn),目前已廣泛應(yīng)用在架空輸電線路中[1-5]。由于復(fù)合絕緣子長期在紫外線、霧霾、酸雨酸霧等惡劣和復(fù)雜環(huán)境下運(yùn)行[6],在其端部還可能伴隨著電暈放電現(xiàn)象,使得傘裙發(fā)生不同程度的老化,導(dǎo)致復(fù)合絕緣子憎水性能減弱等情況發(fā)生,影響復(fù)合絕緣子防污閃性能[7-10]。為了保障輸電線路的穩(wěn)定運(yùn)行,需要準(zhǔn)確識(shí)別和評(píng)估復(fù)合絕緣子的憎水性。

近年來,隨著計(jì)算機(jī)科學(xué)的快速發(fā)展,數(shù)字圖像處理技術(shù)在各個(gè)領(lǐng)域得到廣泛應(yīng)用,大量學(xué)者利用圖像處理技術(shù)對(duì)復(fù)合絕緣子的憎水性進(jìn)行識(shí)別。研究人員通過無人機(jī)對(duì)復(fù)合絕緣子進(jìn)行噴水[11-13],再通過圖像采集裝置進(jìn)行收集,利用圖像處理技術(shù)進(jìn)行憎水性識(shí)別,這一途徑避免了外界環(huán)境對(duì)觀測人員的干擾,大幅提高了憎水性識(shí)別的準(zhǔn)確率[14-16]。

文獻(xiàn)[17]研究了一種基于VGG-19卷積神經(jīng)網(wǎng)絡(luò)的復(fù)合絕緣子憎水性等級(jí)識(shí)別模型,降低了圖像獲取過程中因光照造成的圖像局部特征識(shí)別而造成的影響。文獻(xiàn)[18]提出了一種基于深度遷移學(xué)習(xí)的噴水圖像識(shí)別方法,通過4種卷積神經(jīng)網(wǎng)絡(luò)建立學(xué)習(xí)模型對(duì)硅橡膠憎水性進(jìn)行識(shí)別,對(duì)潔凈絕緣子表面憎水性識(shí)別有較高的準(zhǔn)確性,但在污穢絕緣子識(shí)別時(shí)存在一定的偏差。文獻(xiàn)[19]通過直方圖均衡化、濾波和Otsu閾值分割等操作提取圖像的液滴特征后,提取特征構(gòu)建憎水性等級(jí)HC1～HC7的特征向量,利用SVM方法實(shí)現(xiàn)對(duì)硅橡膠憎水性的智能識(shí)別,并對(duì)液滴的不同形狀因子檢測結(jié)果進(jìn)行了對(duì)比分析。文獻(xiàn)[20]通過自適應(yīng)直方圖均衡化、引導(dǎo)濾波和改進(jìn)的Canny算法對(duì)復(fù)合絕緣子液滴圖像進(jìn)行圖像分割,改善了傳統(tǒng)算法邊緣檢測斷點(diǎn)等情況,提高了判定結(jié)果的準(zhǔn)確性。

基于改進(jìn)Grab Cut算法的復(fù)合絕緣子憎水性評(píng)估法是將一定量的液滴滴在硅橡膠表面,然后通過液滴的舒展面積來評(píng)估硅橡膠的憎水性。提取復(fù)合絕緣子憎水性圖像過程中的關(guān)鍵點(diǎn)在于如何準(zhǔn)確地區(qū)分背景和水滴,由于大多數(shù)復(fù)合絕緣子都運(yùn)行在戶外環(huán)境中,導(dǎo)致復(fù)合絕緣子不可避免地會(huì)出現(xiàn)覆污、電暈放電等情況,使得獲取到的復(fù)合絕緣子表面的液滴圖像存在大量背景噪聲,對(duì)后續(xù)檢測有一定干擾。為此,采用改進(jìn)Grab Cut算法降低背景噪聲對(duì)邊緣識(shí)別的影響,進(jìn)行不同憎水性條件下硅橡膠表面液滴邊緣的識(shí)別和液滴面積的計(jì)算,結(jié)合對(duì)照靜態(tài)接觸角法,實(shí)現(xiàn)復(fù)合絕緣子憎水性的評(píng)估。

1 液滴面積憎水性檢測

硅橡膠表面液滴面積識(shí)別實(shí)現(xiàn)過程中存在2個(gè)主要的技術(shù)難點(diǎn):一是液滴在硅橡膠表面的形態(tài)各異,嚴(yán)重時(shí)導(dǎo)致復(fù)合絕緣子在電暈放電的情況下憎水性降低或者完全喪失;二是復(fù)合絕緣子受環(huán)境、鳥啄等影響導(dǎo)致材料損壞、覆污等現(xiàn)象,造成獲取到的原始圖像中存在較多的背景噪聲,因此如何在進(jìn)行液滴面積識(shí)別過程中降低圖像噪聲,準(zhǔn)確提取出液滴部分并進(jìn)行液滴面積識(shí)別是進(jìn)行液滴面積識(shí)別的第二大難點(diǎn)。

1.1 液滴面積法圖像處理算法

Grab Cut算法是由Graph Cut算法演化而來的一種在圖論基礎(chǔ)上進(jìn)行圖像分割的方法。Graph Cut算法利用最小割最大流算法進(jìn)行圖像分割,可以將圖像分割為前景和背景,但該算法只能對(duì)灰度圖像進(jìn)行圖像分割。

圖像的分割問題在Grab Cut中表示為:

(1)

式中:α=(α1,…,αx,…,αy),αx∈{0,1},α是輸入圖像中像素點(diǎn)的標(biāo)號(hào)值,1表示前景,背景用0表示,圖像前景以及背景顏色的概率分布用θ表示。

在加入GMM模型后,能量函數(shù)E可以表示為:

E(α,k,θ,z)=U(α,k,θ,z)+V(α,z)

(2)

式中:原始圖像中每個(gè)像素點(diǎn)的GMM標(biāo)號(hào)用k=(k1,…,kn,…,kN),kn=(1,2,…,K)表示,因此能量函數(shù)E的數(shù)據(jù)項(xiàng)可以表示為:

(3)

其中,

D(αn,kn,θ,zn)=-logp(zn|αn,kn,θ)-logπ(αn,kn)

(4)

式中:p()和π()分別表示的是高斯概率分布和混合權(quán)重系數(shù),因此:

(5)

通過上述變化,參數(shù)θ可表示為:

(6)

能量函數(shù)中的平滑項(xiàng)V不變,僅距離計(jì)算的相關(guān)部分應(yīng)用了彩色空間的歐幾里得度量:

(7)

Grab Cut算法進(jìn)行圖像分割操作的流程如圖1所示。在獲取到輸入圖像后,通過交互式選擇需要進(jìn)行識(shí)別的區(qū)域,構(gòu)建s-t網(wǎng)絡(luò)圖,此時(shí)圖像中每個(gè)像素點(diǎn)都是一個(gè)獨(dú)立節(jié)點(diǎn);然后對(duì)節(jié)點(diǎn)之間的權(quán)重進(jìn)行定義,權(quán)重越大則節(jié)點(diǎn)的相似性越大,反之亦然。在權(quán)重確定后,交互式選擇的區(qū)域?yàn)榍熬安糠?背景的相關(guān)像素點(diǎn)則用曲線確定。在明確圖像前景和背景的像素點(diǎn)后,就能明確s-t網(wǎng)絡(luò)圖中連接節(jié)點(diǎn)的邊以及獨(dú)立節(jié)點(diǎn),通過權(quán)重對(duì)s-t網(wǎng)絡(luò)圖中的能量函數(shù)進(jìn)行定義。經(jīng)過多次迭代使能量函數(shù)收斂并達(dá)到最小值,由此得到對(duì)圖像前景和背景分割的邊界節(jié)點(diǎn),從而對(duì)原始圖像的前景和背景區(qū)域進(jìn)行分割。

圖1 Grab Cut算法流程框圖

復(fù)合絕緣子在長期掛網(wǎng)運(yùn)行中不可避免地會(huì)存在污穢、電暈放電等問題,因此復(fù)合絕緣子表面狀態(tài)具有較大差異,造成獲取到的傘裙表面液滴圖像存在大量噪聲。另外,拍照角度、光照等一系列因素會(huì)使獲取的圖形存在局部不明的情況,這都會(huì)對(duì)液滴面積的識(shí)別準(zhǔn)確性造成影響。為解決這些問題,在Grab Cut的基礎(chǔ)上結(jié)合自適應(yīng)對(duì)比度增強(qiáng),并基于高斯濾波的自適應(yīng)平滑濾波的優(yōu)點(diǎn)解決原始圖像中的光照和噪聲問題。

1.2 自適應(yīng)平滑濾波原理

高斯濾波是一種常見的濾波方法,它主要是對(duì)輸入圖像的像素值進(jìn)行加權(quán)平均操作,即輸入圖像中的每一個(gè)像素值都由其本身以及鄰域內(nèi)的像素值加權(quán)平均得到。高斯函數(shù)決定高斯濾波算法的權(quán)重,函數(shù)可以表示為:

(8)

式中:參數(shù)a、b、c都是常數(shù),且a>0。函數(shù)為高斯分布概率密度函數(shù),因此也可表示為:

(9)

在實(shí)際應(yīng)用中,權(quán)重的分布和卷積核的大小均會(huì)使算法的處理結(jié)果產(chǎn)生較大差異。為了得到準(zhǔn)確的結(jié)果,需要采用其他算法對(duì)卷積核參數(shù)進(jìn)行優(yōu)化,這也導(dǎo)致濾波算法較為復(fù)雜。

在上述算法的基礎(chǔ)上,提出自適應(yīng)平滑濾波算法。由式(9)可以看出,高斯函數(shù)中的σ對(duì)圖像濾波結(jié)果起決定性作用,當(dāng)σ較小時(shí),圖像邊緣特征較為明顯,但圖像噪聲消除效果和平滑度都較差;當(dāng)σ較大時(shí),圖像平滑程度和噪聲消除效果都有明顯改善,但圖像邊緣特征較為模糊。因此,選取合適的σ是濾波過程中消除噪聲并保留完整邊緣特征的關(guān)鍵因素。

通過上述對(duì)σ的敘述可知,在圖像識(shí)別過程中,單一的σ無法對(duì)圖像進(jìn)行理想濾波操作,識(shí)別主體部分時(shí)采用盡可能小的σ,而其余部分采用較大的σ。為了處理該問題,需要獲得中心像素點(diǎn)及其鄰域像素點(diǎn)像素值的均值差異,并在均值差異的基礎(chǔ)上對(duì)相關(guān)參數(shù)進(jìn)行自適應(yīng)計(jì)算。

假定原始圖像函數(shù)為f(x,y),則原始圖像的掩膜區(qū)域的灰度平均值為:

Imax=Ipeak-Imask

(10)

中心及其鄰域像素點(diǎn)的灰度值均值之差為:

d(x,y)=|f(x,y)-M(x,y)|

(11)

通過中心及其鄰域像素點(diǎn)灰度均值差可知,當(dāng)像素點(diǎn)為噪聲點(diǎn)時(shí),灰度均值差達(dá)到最大值,若像素點(diǎn)為所需像素點(diǎn)時(shí),灰度均值最小,接近0。當(dāng)像素點(diǎn)位于圖像邊緣時(shí),其取值在上述2種情況內(nèi)。

取尺度因子d(x,y),自適應(yīng)平滑濾波算法的算子可表示為:

N(x,y)(i,j)=exp(-(i2+j2)/2(d(x,y))2)/

(12)

1.3 自適應(yīng)對(duì)比度增強(qiáng)原理

使用自適應(yīng)對(duì)比度增強(qiáng)算法來解決輸入圖像邊緣細(xì)節(jié)的識(shí)別問題。在識(shí)別過程中,算法識(shí)別的準(zhǔn)確性受圖像本身特征的影響較大,因此需要根據(jù)輸入圖像本身的特征對(duì)算法做一定的調(diào)整,使得識(shí)別結(jié)果更加準(zhǔn)確,且自適應(yīng)對(duì)比度增強(qiáng)算法能改善輸入圖像中對(duì)比度差的不足。輸入圖像中每個(gè)像素點(diǎn)的均勻性可以用方差來體現(xiàn),也說明方差越小的區(qū)域其像素值差異越小,對(duì)比度越弱;相反,方差越大則說明對(duì)比度越強(qiáng)。

改進(jìn)Grab Cut算法主要是對(duì)輸入圖像中的每個(gè)像素點(diǎn)計(jì)算其鄰域內(nèi)的均值以及標(biāo)準(zhǔn)差:

(13)

(14)

式中:f(s,k)代表原始圖像中像素點(diǎn)在(s,k)處的像素值;M(i,j)代表原始圖像中以點(diǎn)(i,j)為中心的區(qū)域,區(qū)域大小為(2n+1)×(2m+1)的均值;σ2(i,j)為局部像素值的方差;σ(i,j)為局部圖像的像素值的標(biāo)準(zhǔn)差。

在取得上述參數(shù)后,對(duì)輸入的圖像使用對(duì)比度增強(qiáng)算法:

I(i,j)=M(i,j)+G((i,j)-M(i,j))

(15)

(16)

2 測試樣品及參數(shù)

2.1 電暈老化樣品的制備

使用六邊形陣列的多針-板電極[21-23]進(jìn)行電暈老化硅橡膠樣品的制備,如圖2所示。其中,多針-板電極之間的距離為10 mm,針尖的曲率半徑為30 μm。使用多針-板電極能使硅橡膠樣品在電暈老化過程中的電場更加均勻,從而制備出表面老化均勻的硅橡膠樣品。

使用的硅橡膠樣品的形狀參數(shù)為115 mm×115 mm×2 mm。本次電暈老化主要制備相對(duì)環(huán)境濕度為40%、60%、80%和95%,環(huán)境溫度為(20±2)℃的硅橡膠樣品,施加為10 kV交流電,持續(xù)時(shí)長100 h[24]。

圖2 多針-板電極裝置

2.2 自然積污樣品制備

為進(jìn)一步對(duì)改進(jìn)Grab Cut算法圖像識(shí)別結(jié)果進(jìn)行驗(yàn)證,制備自然環(huán)境下積污時(shí)長為1 440 h的樣品。根據(jù)實(shí)際應(yīng)用情況,復(fù)合絕緣子有紅色、灰色等顏色的硅橡膠材料,因此選取3種填料不同的硅橡膠樣品進(jìn)行算法檢測。

在實(shí)際制備過程中,對(duì)積污1 440 h過程中的氣象天氣進(jìn)行統(tǒng)計(jì),共計(jì)晴天168 h,陰雨天1 272 h。同時(shí),根據(jù)氣象局相關(guān)數(shù)據(jù)可查閱到相關(guān)空氣質(zhì)量指數(shù),詳細(xì)氣象條件如表1所示?？諝赓|(zhì)量指數(shù)(air quality index,AQI)將空氣濃度轉(zhuǎn)換為單一的概念性指數(shù)值。對(duì)于單項(xiàng)污染物,用空氣質(zhì)量分指數(shù)表示?？諝庵饕廴疚镉锌晌腩w粒物、細(xì)顆粒物、SO2、NO2、O3、CO等6項(xiàng)。將AQI≤100的空氣分級(jí)為優(yōu)良,100

表1 自然積污硅橡膠樣品氣象條件 h

2.3 實(shí)際工況運(yùn)行復(fù)合絕緣子

為從實(shí)際應(yīng)用角度驗(yàn)證改進(jìn)Grab Cut算法在架空輸電線路復(fù)合絕緣子液滴面積識(shí)別方面的準(zhǔn)確性,對(duì)西南地區(qū)某電網(wǎng)架空輸電線路檢修更換的復(fù)合絕緣子進(jìn)行相關(guān)檢測,共收集13根處于實(shí)際線路運(yùn)行狀態(tài)的復(fù)合絕緣子。其中,35 kV輸電線路復(fù)合絕緣子2根,110 kV輸電線路復(fù)合絕緣子10根,220 kV輸電線路復(fù)合絕緣子1根,運(yùn)行年限均在8年及以上,部分樣品實(shí)物如圖3所示。

圖3 架空輸電線路復(fù)合絕緣子實(shí)物

收集的13根復(fù)合絕緣子的運(yùn)行線路分布于不同地區(qū),表面積污和老化情況等存在較大差異,但基本都存在傘裙脆化、粉化和硬化等情況,復(fù)合絕緣子憎水性也存在不同程度的降低。

3 算法驗(yàn)證及應(yīng)用

3.1 電暈老化樣品識(shí)別

1) 靜態(tài)接觸角測試結(jié)果

對(duì)初始硅橡膠樣品測量5次靜態(tài)接觸角并取其平均值作為測試結(jié)果。圖4(a)為相關(guān)樣品的部分測試結(jié)果,以未老化樣品作為初始參考值。

對(duì)不同濕度電暈老化的硅橡膠樣品測量靜態(tài)接觸角,得到部分測試結(jié)果如圖4(b)—(d)所示。由圖4可以看出,電暈老化過程中環(huán)境濕度變化導(dǎo)致硅橡膠電暈老化程度不同,憎水性也有相應(yīng)變化,環(huán)境濕度越高,硅橡膠靜態(tài)接觸角越小,即樣品的憎水性喪失越嚴(yán)重。

圖4 不同濕度下老化樣品接觸角測試結(jié)果

由于硅橡膠中存在小分子物質(zhì),使得硅橡膠本身具有一定的憎水性恢復(fù)特性。為了更好地對(duì)比硅橡膠材料在電暈老化后的恢復(fù)特性和后續(xù)液滴面積,在電暈老化后的樣品靜置0、2、4、8 h后進(jìn)行5次測量,分別計(jì)算其平均值。圖5為硅橡膠在不同濕度條件下進(jìn)行電暈老化的憎水性恢復(fù)特性的實(shí)驗(yàn)結(jié)果。

由圖5可以看出,原始樣品靜態(tài)接觸角基本未發(fā)生變化,同時(shí)環(huán)境濕度越大,電暈老化硅橡膠的憎水性降低幅度越大。同時(shí),在電暈老化結(jié)束后,不同相對(duì)濕度電暈老化樣品靜態(tài)接觸角的平均值為53.9°,靜置8 h的靜態(tài)接觸角平均值為88.3°。這說明硅橡膠樣品存在恢復(fù)特性,靜態(tài)接觸角僅能作為一種粗略的檢測方法。

圖5 不同濕度下老化樣品接觸角恢復(fù) 特性實(shí)驗(yàn)結(jié)果

2) 液滴面積法測量結(jié)果

對(duì)前期制備的電暈老化樣品分別進(jìn)行液滴面積測量,圖6(a)—(b)為部分液滴面積的測試圖像。由圖6可以看出,不同相對(duì)濕度條件下的老化樣品液滴形態(tài)不同,導(dǎo)致液滴在硅橡膠樣品鋪展的面積也不同,從側(cè)面反映硅橡膠電暈老化后樣品憎水性的喪失程度不同。

同樣,將電暈老化后的硅橡膠樣品靜置0、2、4、6、8 h,期間進(jìn)行液滴面積測試。圖6(c)—(d)為環(huán)境相對(duì)濕度RH=60%時(shí),靜置2 h和8 h后的測試圖像。

圖6 液滴面積恢復(fù)特性測試圖像

對(duì)樣品靜置后的液滴面積測試結(jié)果求取平均值,得到如圖7所示的液滴面積恢復(fù)特性曲線。

由于液滴在硅橡膠表面的鋪展面積與硅橡膠的表面張力有關(guān),因此液滴面積也能反映硅橡膠的恢復(fù)特性。由圖7可知,環(huán)境濕度越大的電暈老化樣品,液滴面積越大,說明硅橡膠表面憎水性越差。隨著靜置時(shí)間的增加,電暈老化樣品的靜態(tài)接觸角增大,相應(yīng)的硅橡膠表面液滴的鋪展面積逐漸減小,最終保持穩(wěn)定。當(dāng)電暈老化樣品靜置一定時(shí)間后,硅橡膠憎水性有一定程度的恢復(fù),液滴面積發(fā)生了明顯變化。

圖7 液滴面積恢復(fù)特性曲線

為了更加直觀地對(duì)比2種測試結(jié)果,將測試結(jié)果進(jìn)行歸一化處理,即用單次測試數(shù)據(jù)除以本組測試數(shù)據(jù)的最大值。由于液滴面積隨復(fù)合絕緣子憎水性的減弱而逐漸增大,因此將液滴面積歸一化數(shù)值取倒數(shù),對(duì)2種方法進(jìn)行對(duì)比分析,液滴面積法與靜態(tài)接觸角法歸一化處理結(jié)果如表2所示。

表2 液滴面積與靜態(tài)接觸角結(jié)果

由表2可以看出,2種方法在變化趨勢上大致相同,說明液滴面積和靜態(tài)接觸角均能體現(xiàn)硅橡膠樣品的憎水性變化情況。同時(shí),可以看出,在硅橡膠憎水性較好時(shí),2種方法測試結(jié)果基本一致;在硅橡膠處于弱憎水性時(shí),液滴面積的變化幅度更大,說明弱憎水性的情況下,液滴面積法能更加靈敏地反映憎水性變化情況。因此,液滴面積法能較為直觀地測量硅橡膠的憎水性,并與靜態(tài)接觸角測試結(jié)果吻合。液滴面積測量過程中無需昂貴的試驗(yàn)儀器,相較于靜態(tài)接觸角法更適用于復(fù)合絕緣子的現(xiàn)場應(yīng)用。

3.2 自然積污樣品識(shí)別

利用改進(jìn)Grab Cut算法對(duì)圖3中自然積污的硅橡膠樣品進(jìn)行圖像識(shí)別,得到了如圖8的測試結(jié)果。

圖8 自然積污硅橡膠樣品圖像處理測試結(jié)果

通過改進(jìn)Grab Cut算法和常見算法對(duì)圖8(c)中的原始圖像進(jìn)行邊緣識(shí)別,得到圖8(d)和圖8(e)的測試結(jié)果。由圖8(d)可以看出,改進(jìn)Grab Cut算法不僅能對(duì)電暈老化硅橡膠進(jìn)行準(zhǔn)確識(shí)別,還能識(shí)別自然積污狀態(tài)下的硅橡膠樣品。通過圖8可以看出,積污情況并未對(duì)改進(jìn)算法識(shí)別結(jié)果造成太大的影響,無明顯噪聲等情況,液滴能夠被準(zhǔn)確識(shí)別,僅在液滴邊緣小部分區(qū)域出現(xiàn)識(shí)別模糊的情況。圖8(e)中結(jié)果表明,常見的邊緣處理算法對(duì)硅橡膠液滴識(shí)別過程中存在誤識(shí)別和邊緣不準(zhǔn)確等情況,常見的圖像識(shí)別算法能準(zhǔn)確識(shí)別大范圍的圖像背景,但對(duì)于硅橡膠表面的小液滴則存在一定的識(shí)別缺陷。

對(duì)圖8(c)的硅橡膠表面液滴進(jìn)行分割,得到改進(jìn)算法和Grab Cut算法的耗時(shí)見表3。從表3中的數(shù)據(jù)可以看出,改進(jìn)算法耗時(shí)與Grab Cut算法耗時(shí)的比率在25%～30%,表明改進(jìn)算法大大提高了圖像的分割速度,提升了圖像識(shí)別的效率。

表3 改進(jìn)算法與Grab Cut算法的耗時(shí)對(duì)比

為了體現(xiàn)不同憎水性等級(jí)采用改進(jìn)算法的識(shí)別效果,對(duì)硅橡膠樣品使用蒸餾水進(jìn)行浸泡處理,降低硅橡膠表面憎水性,同時(shí)對(duì)浸泡不同時(shí)長的硅橡膠樣品進(jìn)行液滴面積檢測,最終得到HC1～HC7的樣品,部分測試圖像如圖9所示。

圖9 不同憎水性樣品液滴面積部分測試圖像

由圖9可以看出,硅橡膠樣品憎水性越差,液滴鋪展面積越大,尤其當(dāng)憎水性等級(jí)在HC4～HC7時(shí),靜態(tài)接觸角無法單獨(dú)反映硅橡膠的憎水性等級(jí)。同時(shí),硅橡膠樣品憎水性越差,液滴在樣品表面鋪展的形狀越不規(guī)則,這也加大了憎水性識(shí)別的難度。由圖9可以看出,改進(jìn)Grab Cut算法能對(duì)液滴的形態(tài)進(jìn)行較為準(zhǔn)確的識(shí)別,僅在液滴邊緣小部分區(qū)域分割有偏差,但對(duì)液滴面積的識(shí)別影響較小,能夠滿足實(shí)際測量的應(yīng)用要求。

上述測試結(jié)果反映了改進(jìn)后的Grab Cut算法能夠較為準(zhǔn)確地分割液滴與樣品背景,同時(shí)能夠較為精確地計(jì)算不同憎水性硅橡膠樣品的液滴面積,液滴面積計(jì)算結(jié)果如圖11所示。

由圖11不同憎水性樣品曲線可以看出,通過改進(jìn)后的Grab Cut算法能對(duì)不同HC等級(jí)的液滴圖像進(jìn)行液滴面積識(shí)別,同時(shí)與噴水分級(jí)法結(jié)合得出不同HC等級(jí)的液滴面積值。這說明即使硅橡膠樣品處于弱憎水性條件下,改進(jìn)算法也能較為精確地識(shí)別電暈老化硅橡膠的表面憎水性情況。

3.3 實(shí)際運(yùn)行復(fù)合絕緣子樣品識(shí)別

試驗(yàn)首先通過噴水分級(jí)法和靜態(tài)接觸角法測定相關(guān)復(fù)合絕緣子的憎水性等級(jí),然后利用改進(jìn)Grab Cut算法對(duì)圖3中實(shí)際工況運(yùn)行復(fù)合絕緣子樣品,進(jìn)行液滴面積測試,得到如圖10所示的圖像處理結(jié)果。

圖10 實(shí)際工況復(fù)合絕緣子液滴面積測試圖像處理結(jié)果

如圖10所示,復(fù)合絕緣子憎水性不同時(shí),傘裙表面液滴形態(tài)也有較大差異。隨著復(fù)合絕緣子憎水性逐漸變差,傘裙表面的液滴形態(tài)產(chǎn)生明顯的差異。憎水性等級(jí)越大,傘裙表面液滴面積越大,當(dāng)憎水性等級(jí)達(dá)到HC4時(shí)已無法對(duì)樣品進(jìn)行靜態(tài)接觸角測試。經(jīng)過算法處理后,不同憎水性條件下的液滴圖像能取得較為準(zhǔn)確的分割效果,并能較準(zhǔn)確地計(jì)算出液滴面積,液滴面積計(jì)算結(jié)果如圖11所示。

圖11 復(fù)合絕緣子液滴面積計(jì)算結(jié)果

由圖11可以看出,在實(shí)際運(yùn)行復(fù)合絕緣子表面存在粉化和大量污穢的情況下,改進(jìn)Grab Cut算法依然能較為準(zhǔn)確地識(shí)別出復(fù)合絕緣子的液滴面積。

通過改進(jìn)的Grab Cut算法對(duì)自然積污硅橡膠樣品和實(shí)際運(yùn)行工況復(fù)合絕緣子樣品進(jìn)行識(shí)別,能夠較為準(zhǔn)確地得到液滴的完整圖像,證明改進(jìn)Grab Cut算法可有效降低復(fù)合絕緣子傘裙表面覆污所帶來的噪聲干擾,并能較為精確地計(jì)算硅橡膠樣品的液滴面積。

4 結(jié)論

1) 相較于靜態(tài)接觸角測量方法,采用的改進(jìn)Grab Cut算法能更為便捷地檢測出復(fù)合絕緣子表面液滴面積,無需高精尖光學(xué)設(shè)備,并能較為準(zhǔn)確地反映硅橡膠表面的憎水性。

2) 采用自適應(yīng)對(duì)比度增強(qiáng)和自適應(yīng)平滑濾波算法對(duì)Grab Cut算法進(jìn)行改進(jìn),能有效地降低復(fù)合絕緣子傘裙表面覆污所帶來的噪聲干擾,同時(shí)能較為精確地識(shí)別出硅橡膠樣品的液滴區(qū)域。

3) 對(duì)電暈老化、自然積污、不同憎水性硅橡膠樣品和實(shí)際運(yùn)行工況絕緣子進(jìn)行圖像識(shí)別測試,算法能較為準(zhǔn)確地得到液滴的完整圖像,較為精確地計(jì)算出硅橡膠樣品的液滴面積,證明改進(jìn)的Grab Cut算法具有實(shí)用性。