由于运行绝缘子长期处于外部环境下,空气中的污染物会在其表面积累附着,污秽层会吸收空气中的水分,导致绝缘子的电气强度显著下降,很容易造成污秽闪络,甚至严重的停电和线路停运事故。近年来,随着数字图像处理和计算机机器视觉技术的发展以及“坚强智能电网”的不断推进,高压传输线路的在线监测与故障诊断也逐渐由人工转向智能。本文采用图像处理算法,对瓷质绝缘子在恶劣气象条件下的识别与污秽程度检测技术进行了研究。主要进行了以下几部分工作:(1)分析了目前输电线路绝缘子预处理、识别与污秽检测技术的研究现状,存在的不足之处以及之后的发展趋势,根据这些基础制定了本文的研究方案。介绍了本文实现输电线路绝缘子污秽程度检测技术的总体架构,对系统涉及到的关键技术分块进行了说明。此外,介绍了本文绝缘子污秽程度检测技术的图像处理算法的总体实现流程。(2)针对绝缘子复杂现场环境和恶劣气象条件,提出一种改进MSRCR图像增强算法。首先,将绝缘子图像分解为R、G和B三个分量,分别提取三个通道的反射图像分量;然后分段变换的两个边界点由二维最小误差法计算得到,并用自适应阈值分段线性变换分别处理三个反射图像;最后通道合并得到增强后的彩色绝缘子图像,对其H分量进行分割最终得到绝缘子目标。(3)建立绝缘子污秽程度检测模型,通过提取绝缘子的颜色特征并进行筛选,得到分类能力较强的特征参数作为模型的输入,通过算法训练最终建立模型,输出绝缘子的污秽程度,实现瓷质绝缘子污秽程度的识别与检测。(4)对绝缘子污秽程度检测技术涉及到的相关算法性能进行了分析与测试,包括图像增强算法、图像分割算法和绝缘子污秽程度检测模型,并对不同现场环境下的绝缘子进行了现场运行测试。结果表明,本文提出的绝缘子图像污秽程度检测方法准确率可达92%,验证了算法的可行性与实用性。图38幅,表10个,参考文献74篇