刘玉成 曹春诚 邓 斌

（1.国网呼伦贝尔供电公司 呼伦贝尔 021100）（2.保定市毅格通信自动化有限公司 保定 071000）

1 引言

随着我国电力事业的发展，对电能质量提高和电网正常运行的压力越来越大。设备数量多，线路布线复杂，使得电网系统更加的复杂。这些因素都会使得故障诊断较为复杂。由于计算机视觉技术的迅速发展，红外热成像技术、紫外成像等技术广泛的应用到电网中；红外热成像技术和紫外成像技术都可以实现设备运行状态下的故障定位及诊断，非常安全可靠。也可以将这些技术通过无人机和机器人搭载镜头完成巡线等工作［1～5］。大量图像数据能够提高电网的智能化水平，但是，目前监控设备并不能对这些图像进行智能识别，而是通过人工的方法对图像进行分类、分析和识别，这样不仅浪费了大量时间、工作效率低，而且判断的结果也不准确。对电力设备的智能识别不但可以解决以上问题，还有利于及时发现设备故障，提高电网安全运行水平［6～10］。

为了提高电力设备识别率，结合GA-BP神经网络与图像纹理参数方法进行电力设备识别。图像纹理信息不同于颜色、灰度等特征，描述的是图像对比度和粗糙度等。GA-BP神经网络通过GA算法中的染色体特性优化BP神经网络的连接权值和阈值，为精准图像识别提供了保障［11～16］。

2 灰度共生矩阵

灰度共生矩阵是计算图像纹理参数的常用方法［8～13］。从任意图像I中取任意一移动点（x，y），将点（x，y）在图像I上移动，会得到各种灰度值（i，j），将各灰度值排列成一个方阵并统计灰度值（i，j）出现的次数，（i，j）出现的总次数进行归一化处理得到出现的总概率P（i，j），如此操作即可得到灰度共生矩阵。……