多谱段日盲窄带紫外成像仪及其检测不同放电状态的方法

摘要

多谱段日盲窄带紫外成像仪及其检测不同放电状态的方法，所述多谱段日盲窄带紫外成像仪，当光线通过镜头进入分光镜后，分别进入两个相互独立的可见光通道和紫外通道；所述可见光通道：光线经过分光镜的折射和反射后进入可见光相机，进行可见光成像并将可见光成像传输给图像控制处理模块；所述紫外通道：透过分光镜输出的光线经过日盲紫外滤光片后并经过多谱段滤光片之后进入紫外像增强器中，并将紫外像增强器处理过的光电子转换图像传输给图像控制处理模块。

说明书

技术领域

本发明属于日盲紫外成像及其放电诊断技术领域，具体涉及一种多谱段日盲窄带紫外成像仪及其检测不同放电状态的方法。

背景技术

多谱段日盲紫外成像仪的紫外成像波段为240-280nm，因为太阳光中该波段的光线在经过大气层时，其能量几乎被大气分子的散射和臭氧层的吸收消耗殆尽，在空气中的太阳光谱分布中不存在240-280nm波段，形成了一个天然的屏蔽层，而燃烧爆炸和放电现象会发射出各个谱段，包括日盲波段的紫外光，因此，通过观测、分析和定位日盲波段的光便可以实现对放电的定位和评估。

现阶段国内外市场上主流的紫外成像仪的紫外成像系统主要包括日盲紫外像增强器的紫外单光子成像系统、基于多阳极阵列微通道探测器的紫外单光子成像系统和基于固体紫外探测器的单光子成像系统三种。其中第二种方法采用多阳极阵列微通道探测器，由光电阴极、微通道板和阳极阵列组成，具有高增益、低噪声等优点，并具有良好的光子计数和成像功能，缺点是设计难度大，成本高，其他两种方法噪声大、增益有限、探测面积小，易受外界环境的影响，对极微弱的目标探测具有局限性。高端紫外成像仪一般采用第二种方法，在实现对放电的高灵敏探测和降噪方面具有较好的表现。如现有技术：中国专利（申请号：CN2010201418040，公告号：CN201689138U）公开一种基于窄带光谱的日盲紫外成像仪，它主要由保护镜头、紫外镜头、光谱图像采集器、数据处理器和显示器依次构成，是所述的保护镜头后设置有分光板，在分光板后分别设置可见光镜头和紫外镜头；可见光镜头通过CCD与光谱图像采集器电连接，紫外镜头通过紫外探测器与光谱采集器电连接，所述的光谱图像采集器是双光谱图像采集器，双光谱图像采集器在通过数据处理器与显示器及数据输出设备电连接。中国专利（申请号：CN201820450726，公告号：CN208092177U）公开一种基于紫外光子数校正的新型日盲紫外成像仪，包括捕光镜头、反射分光镜、可见光镜头、可见光CCD、紫外光镜头、紫外滤光片、紫外光ICCD、双通道视频采集卡、主板和显示器；捕光镜头连接反射分光镜，反射分光镜通过可见光镜头额可见光CCD与双通道视频采集卡连接，反射分光镜还通过紫外光镜头、紫外滤光片和紫外光ICCD与双通道视频采集卡连接，双通道视频采集卡的输出端与主板的输入端连接，主板的输出端与显示器连接，主板还设有最佳增益自动获取模块、检测距离校正模块、海拔高度校正模块和设备表面放电缺陷定级模块。中国专利（申请号：CN2017100641714，公开号：CN107015125 A）公开一种基于红外、紫外和可见光的一体化检测方法和装置，包括分别采集红外信号和紫外信号，并分别对所述的红外信号和紫外信号进行处理；根据处理后的红外信号和紫外信号进行综合定位，获得故障诊断；分别采集超声信号和视频信号，并分别对所述超声信号和视频信号进行处理；根据处理后的超声信号和视频信号，进行超声局放处理得到故障报警信息；将故障诊断结果和故障报警结果发送给检测平台。中国专利（申请号：CN2017206951796，公告号：CN206832940U）公开一种具有虹膜识别功能的日盲紫外成像仪，其包括：可见光PAL相机，紫外PAL相机，数据处理及显控板，电源供给模块以及虹膜识别模块。其中，数据处理及显控板包括：FPGA模块，ARM模块以及图像显示模块。FPGA模块的图像采集端分别与可见光PAL相机与紫外PAL相机连接，FPGA模块的第一图像数据输出端与ARM模块的图像处理输入端连接，FPGA模块的第二图像数据输出端与图像显示模块连接。虹膜识别模块与ARM模块的控制端连接。电源供给模块分别与FPGA模块、ARM模块以及虹膜识别模块电连接。中国专利（申请号：CN2014105059567，公开号：CN104280670 A）公开一种基于日盲紫外成像仪的电晕检测方法，该方法包括：使用预设的标准紫外光源对日盲紫外成像仪进行标定；根据标定后的标定数据设置增益控制参数，并根据增益控制参数对日盲紫外成像仪的增益进行自动调节；使用所述日盲紫外成像仪对目标位置的电晕放电进行检测，得到实际检测数据；根据检测数据计算得到对应的目标位置的电晕的辐射亮度。中国专利（申请号：CN201621403628，公告号：CN206248773U）公开一种应用于电晕检测的日盲紫外成像仪，包括壳体，所述壳体的顶端设有第一凹槽，在第一凹槽内通过第一铰接轴安装有扫描反射镜，在扫描反射镜上安装有第一盖板，在第一盖板下方安装有保护扫描反射镜的第一保护块，在壳体的前端面上设有通孔，在前端面的通孔内设有阶梯槽，在阶梯槽内依次安装有第二盖板、反射镜和保护反射镜的第二保护块，反射镜通过第二铰接轴铰接在壳体上，在壳体内安装有双通道日盲紫外成像仪。中国专利（申请号：CN2012104900861，公开号：CN103018640 A）公开高压绝缘子表面电晕放电强度测试方法，它利用日盲紫外成像仪在不同仪器增益和观测距离下采集复合绝缘子在不同放电强度时的电晕放电视频信号，然后采用视频分析和数字图像处理算法分割出放电光斑区域，获得放电光斑面积、视在放电量、观测距离和仪器增益这四者的相关数据，在此基础上采用最小二乘支持向量机回归算法建立放电量强度预测模型，最后利用该模型对高压绝缘子表面电晕放电强度进行测试。

随着紫外放电信号无噪声倍增、可见光和紫外光图像融合技术的发展，当前的紫外成像仪在高灵敏度微弱放电探测和定位方面有较好的效果。一般而言，紫外图像的最终呈现形式是二值化的放电光斑，并于可见光图像融和。但在观测较严重的火花和弧光放电过程中，整个成像范围内会被放电光斑覆盖，影响对放电严重程度的判断。

研究表明，电晕放电的光谱大部分处于紫外区域。亟需研究利用而火花放电和电弧放电阶段各个谱段的化学反应及其紫外光放电谱段，解决较强放电情况下成像界面被放电光斑占据的问题。

发明内容

为了解决上述现有技术中的不足，本发明公开一种多谱段日盲窄带紫外成像仪检测放电状态的方法包括多谱段日盲窄带紫外成像仪装置和基于此的放电状态诊断方法。

多谱段日盲窄带紫外成像仪，当光线通过镜头101进入分光镜102后，分别进入两个相互独立的可见光通道和紫外通道；其特征为：

所述可见光通道：光线经过分光镜102的折射和反射后进入可见光相机110，进行可见光成像并将可见光成像传输给图像控制处理模块109；

所述紫外通道：透过分光镜102输出的光线经过日盲紫外滤光片103后并经过多谱段滤光片104之后进入紫外像增强器中，并将紫外像增强器处理过的光电子转换图像传输给图像控制处理模块109。

优选为：所述紫外像增强器进行真空处理，并与图像控制处理模块109进行链接；所述紫外像增强器包括顺序设置的光电阴极105、MCP106、光纤锥107、CCD108。

优选为：所述多谱段滤光片104输出的日盲紫外光经过所述光电阴极105之后将光转换为光电子，光电子在强电场的作用下进入微通道板MCP106的微通道，与通道壁碰撞产生光电子的倍增，并完成基于最大光子电流的UVcount参数处理和计算；初始输入的光电子经过MCP百万级别的放大，经过光纤锥107进行采集处理，最终在CCD108屏上完成光电子到图像的转换；经过转换的图像信号经过图像控制处理模块109完成图像的数字化及紫外通道颜色等显示信息的控制，通过控制外加电压U

优选为：所述日盲紫外滤光片的带通波段为240-280nm日盲波段；

优选为：经过多谱段滤光片104之后的紫外通道的光波段为240-250nm，250-260nm，260-270nm和270-280nm。

优选为：所述多通道多谱段滤光片104采用同轴连杆装置，连杆装置的一端与定位盘相连，另一端与控制端相连；多通道多谱段滤光片与同轴连杆装置之间的铆接方式采用错位相切分布，可以实现不同滤光镜片选择与切换的稳定性。

优选为：多通道多谱段滤光片104的

此外，本发明还公开一种采用多谱段日盲窄带紫外成像仪检测不同放电状态的方法 ，包括如下步骤：

步骤1：放电环境的搭建，主要搭建多参量可控的放电模型；

步骤2：环境参数采集，主要完成对放电相关环境参量的信号采集工作；

步骤3：放电和紫外量化参数采集，主要通过泄漏电流和光强信号放电强度量化参数，紫外量化参数提取；

步骤4：基于放电量化参数和紫外量化参数数据分析，主要包括频谱分析，聚类分析，实现对放电状态的定性和定量化，提取紫外定量和定性的紫外参量；

步骤5：基于深度学习的放电量化参数对紫外量化参数的标定和深度学习系统训练；

步骤6：基于放电紫外量化参数的放电状态识别。

有益效果：

利用而火花放电和电弧放电阶段各个谱段的化学反应及其紫外光放电谱段，解决较强放电情况下成像界面被放电光斑占据的问题。

附图说明

图1多谱段日盲窄带紫外成像仪结构示意图。

图2（a）为连杆机构侧视图，图2（b）为连杆机构俯视图。

图3镜头切换控制流程图。

图4多谱段日盲窄带紫外成像检测原理接线图。

图5基于多谱段日盲窄带紫外成像智能检测识别系统训练阶段。

图6基于多谱段日盲窄带紫外成像智能检测识别系统识别阶段。

其中：101镜头，102分光镜，103日盲滤光片，104多通道多光谱滤光片、105光电阴极，106微通道板MCP，107光纤锥、108成像电荷耦合元件CCD ，109图像控制处理模块，110可见光相机，201激光测距模块，202测距盘，203支架， 204镜片，205连杆轴，206齿轮转盘，207传送带，208步进电机电源，209电机位置控制线，210步进电机，211位置传输线，401高压电源，402光电倍增管，403气压控制阀门出口，404 湿度控制器，405接地和泄漏电流测量模块，406 循环工质温度控制单元， 407散冷（热）循环工质及导管， 408散冷（热）翅片组，409超声波和超高频传感器，410透紫外玻璃观察窗，411 紫外成像仪， 412、413针板（棒棒、棒板）电极，414温度、湿度和气压可控研究腔体，415温度控制贴片。

具体实施方式

下面将结合本发明中的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

由图1可知，多谱段日盲窄带紫外成像仪包括镜头101、分光镜102、标准日盲紫外滤光片103、多通道多谱段滤光片104、光电阴极105、微通道板（Microchannel plate，MCP）106、光纤锥107、成像电荷耦合元件（Charge-coupled Device，CCD）108及对ultravioletcount（UV count）和紫外光斑（ultraviolet spot，UV spot）进行图像控制处理的图像控制处理模块109、可见光相机110。

自然光和放电等发出的光通过感光面积达30cm

紫外通道透过分光镜102输出的光线经过日盲紫外滤光片103后并经过多谱段滤光片104之后进入紫外像增强器中，并将紫外像增强器处理过的光电子转换图像传输给图像控制处理模块109。紫外通道光进入多谱段滤光片104具有以下主要特点：多谱段（240-250nm，250-260nm，260-270nm和270-280nm），高透过率（特定谱段内的透过率大于18%），深截止（各个波段截止率达到OD6 optical density）截止率的计算如公式(1)所示：

其中OD为optical density，光密度值，trans为滤光片的透光值。

经过多谱段段滤光片104之后的紫外通道的光波段为240-250nm，250-260nm，260-270nm和270-280nm，在电晕等放电的起始阶段，这个波段的光是很弱的；紫外成像仪紫外通道默认选择的滤光片是日盲波段（240-280nm）。光电阴极-MCP-光纤锥-CCD共同构成紫外像增强器，光电阴极105为具有负电子亲和势的半导体材料，主要采用锑（Sb），碘（I）和诸如锂Li，钠Na，钾K和铯Cs的化合物，采用最多的为CsSb,CsI，新一代的紫外光电阴极材料诸如三材料GaAlN，ZnO等，其主要特点为在紫外和可见光区的领子效率最高可达30%。

为了避免环境干扰，紫外像增强器进行真空处理，并与图像控制处理模块109进行链接。特定谱段的日盲紫外光经过光电阴极之后将光转换为光电子，光电子在MCP106两端外加高压Ux下产生强电场的作用下进入MCP106微通道，与通道壁碰撞产生倍增光电子，倍增光电子采用多阳极读出模块，MCP不同位置所输出的倍增电子对应着不同的阳极二维排列位置，完成光电信号的转换，并记录电子的位置信息与光电流IUV的大小，多阳极阵列输出信号经过光纤锥107进行采集，最终在CCD108屏上完成电信号到图像的转换。荧光屏的成像信号经过图像控制处理模块109完成图像的数字化及紫外通道颜色等显示信息的控制，通过控制外加电压Ux完成紫外图像增益控制，通过紫外通道光电流信号IUV完成最大光子电流的UVcount参数的计算。

根据紫外光和可见光图像的特点，采用刚体变换模型对变换矩阵求解，并用该矩阵完成图像配准。其公式可以表示为：

上式中x和y为分别表示待配准图像中位于(x,y)点的横、纵坐标，x’，y’为(x,y)经过刚体变换后的横、纵坐标，

配准后的紫外通道和可见光成像输入图像进行图像融合：

1）进行NSST（Non-subsampled Shearlet Transform，非下采样剪切波）分解，分别得到对应图像的高频子带系数和低频子带系数；

2）对各自的高、低频子带系数分别通过高频融合规则和低频融合规则进行融合，得到融合后的高、低频系数；

3）将融合后的系数作为输入，利用NSST重构函数其进行处理，得到最终融合后的图像。

多通道多谱段滤光片104采用同轴连杆装置，连杆装置的一端与测距盘202相连，另一端与控制端相连。多通道多谱段滤光片104与同轴连杆装置之间的铆接方式采用错位相切分布，可以实现不同滤光镜片选择与切换的稳定性，保证其互不干扰。

多通道多谱段滤光片104的控制可以设置为自动切换和手动切换两种模式，最终实现紫外成像统计参数的处理。

在图像控制处理模块109中设置“是否开启镜头自动切换软开关a”，具有0和1两个可选值，当自动切换开关a为1，为自动调节模式，自动切换开关a为0时，为手动选镜头模式。可以根据是否开启镜头自动切换软开关a的值实现手动和自动镜片切换方式的选择，默认为自动切换模式。

当控制模式为自动切换时，连杆装置的控制端通过传送带与步进电机210相连接，步进电机在收到图像控制处理模块109发出的启动命令之后启动步进电机，控制开始时，将定投的调节次数T置零，通过传动装置旋转连杆装置实现对不同谱段镜片的切换，当收到停止命令之后，步进电机停止工作，每切换成功一次（镜头所在位置L发生变化），调节次数变为T+1，计算并记录镜片位置L和相应的R值，当切换次数大于3时（所有镜片切换过一遍），控制器发出命令，将镜头自动切换为位置L所对应激光发射接收器距离d，继续执行紫外成像统计参数处理。

当自动切换开关a为0时，控制模式为手动切换，用户通过界面选择希望的光谱段，控制端判断镜片所在位置L是否与用户算选谱段L

如果多通道多谱段滤光片（104)所在位置L与用户所

其中，多通道多谱段滤光片104的位置通过测距盘(202)与激光发射接收器之间的不同4个特定距离d

其中，d为激光发射接收器不同距离，S

激光测距模块（201）将所测到测距盘(202)的距离d传送给控制终端（209），根据确定各个多谱段滤光片所在位置，并据此发出启动和停止控制电机的命令。其中，对多通道滤光片104的采用自动控制策略，通过控制采用光斑面积S

其中光斑面积S

多通道多谱段滤光片104及其控制模块结构如图2所示。

1）激光测距模块（201）与测距盘（202）相匹配，两者之间的距离分为d

2）测距盘（202）与L1,L2,L3,L4四组镜片（204），齿轮转盘（206）通过连杆轴（205）固定链接在一起，连杆轴通过轴承实现与支架（203）之间的单轴连接，使连杆轴及其固定链接的器件可以绕轴承转动；

3）激光测距模块（201）所测得到测距盘（202）的距离d

4）步进电机（210）通过传送带（207）与齿轮转盘（206）连接，通过步进电机转动控制连杆轴的位置，实现镜片位置的控制；

5）激光测距模块（201）将数据通过位置传输线（211）传输给图像控制处理模块109；

6）图像控制处理模块109处理激光测距模块（201）得到的距离信号确定当前镜片，根据控制程序调制步进电机（210）的电源，实现电机启动和停止的控制，进而实现投入镜片的切换。

例如，当镜头位于240-250nm谱段位置时，激光测距模块（201）得到d1距离，并将信息发出给控制终端，控制终端发出启动控制电机命令，连杆机构开始转动，当激光测距模块（201）得到d2距离时，终端发出停止控制电机命令，镜头成功切换为250-260nm谱段。其余谱段镜片的切换与此类似。

经过上述方案，仪器可以实现对日盲紫外波段的镜头进行精细化控制，解决不同放电阶段所发射的光谱位于不同谱段，而240-280nm波段成像无法区分的问题；解决在较为放电严重程度的情况下，被紫外图像占满成像画面的问题。

采用基于氘灯-单色仪-积分球组成精细化的，240-280nm的波段微光测试单元，实现1×10

基于深度学习的日盲紫外成像智能诊断方法作为一种非接触式的放电诊断测试方法，具有安全，可定位，方法简单，诊断准确度搞等优点，基于较高准确度的电和非电参量放电分级测试校准和放电量化参数和紫外量化参数数据分析实现基于深度学习的日盲紫外成像智能诊断。该诊断方法的主要步骤主要包括：

步骤1：放电环境的搭建，主要搭建多参量可控的

步骤2：环境参数采集，主要完成对放电相关环境参量的信号采集工作；

步骤3：放电和紫外量化参数采集，主要通过泄漏电流和光强信号等电放电强度量化参数，紫外量化参数提取；

步骤4：基于放电量化参数和紫外量化参数数据分析，主要包括频谱分析，聚类分析，实现对放电状态的定性和定量化，提取紫外定量和定性的紫外参量；

步骤5：基于深度学习的放电量化参数对紫外量化参数的标定和深度学习系统训练；

步骤6：基于放电紫外量化参数的放电状态识别。

步骤1放电环境的搭建，放电腔体414为研究腔体，采用采用针板电极（可换为棒棒，板板电极）412，413，进行放电状态分级理论测试，两者之间的距离可调节。腔体中，采用温度控制贴片415实现腔体温度的控制，采用散冷（热）翅片组408，循环工质温度控制单元406，散冷（热）循环工质及导管407实现腔体内放电环境温度控制；采用404湿度控制器实现放电环境湿度控制；采用气压控制阀门403实现放电环境气压控制。

步骤2中，环境参数采集，主要控制采集的环境参量主要包括：环境温度、湿度、气压，电极种类，电极距离，观测距离。

试验中温度范围选择为-20℃~50℃，相对湿度变化在10%~100%范围。电极种类包括棒棒，棒板和针板电极，分别模拟不同电气设备不同放电严重程度的情况，电极距离分别采用10cm，20cm，30cm。现场检测时，观测距离范围为3-100m，具体参数范围的选择如表所示。

表 模型试验参数范围的选择

步骤3中，放电和紫外量化参数采集，在放电的测试过程中，同步记录施加电压值，并通过电流传感器采集分析泄漏电流、光电倍增管402采集光强信号、声音传感器409采集超声波和超高频信号，将放电光参数和紫外成像仪采集的紫外参量411同步策略，将同一放电时刻所得的电信号参数和紫外参量进行精确到1ms的精细化映射。

步骤4基于放电量化参数和紫外量化参数数据分析，主要对包括泄漏电流、紫外放电量化参数、超声和超高频等参量的频谱、聚类分析，实现对放电状态的定性和定量分析。

紫外定量和定性参量及其信号处理主要包括：

1）泄漏电流传感器405采集放电产生的泄漏电流I

其中，i(t)为测得的泄漏电流模拟信号，α

）采用高时间分辨率的光电倍增管402，采集并分析不同放电阶段产生的光强度D，研究D随时间的变换特性与泄漏电流随时间变换的相关性,相关性计算如公式(7)所示：

其中，D和I分别表示放电产生的光强和泄漏电流在某一时间的连续值，cov为正时表示正相关，cov为负时表示负相关，cov的幅值表示相关程度。基于此确定采用光强与泄漏电流的方式确定放电强度的可行性。

3）超声波和超高频传感器

其中，u(t)为测得的超声波模拟信号，α

4）紫外放电量化参数411。通过调节MCP和CCD成像形成的P

将得到的P

其中，S表示紫外成像仪记录的放电产生的光斑参数序列，经过分析得到S的采样序列为i[n],经过转换得到的频域分量。光斑参数序列S经过离散傅里叶变换之后，得到的n维向量F，其表达式及其构成如公式(13)、(14)所示：

其中，公式(13)又称为傅里叶矩阵，通过公式(12)和傅里叶矩阵可以得到光斑参数序列S的频域信息，实现离散的光斑参数信息于连续的电压和泄漏电流信号进行基于频域的相关度分析，具体步骤见公式(6),为紫外成像方法对放电状态的区分提供一种心得方法，采用同样的方法可以得到P

5）基于K-means聚类算法的数据处理。采用紫外量化参数及其统计参数的量化分析。

1）-4）中的放电量化参数包括P

K-means聚类算法对泄漏电流脉冲峰值，超声信号和放电量等电参数对放电状态进行聚类，获得4种放电状态的聚类中心，根据各个参数的数值将放电分为强，中，弱和无放电4种状态，分别对应电弧放电，火花放电，电晕放电和无放电状态；

K-means样本值：

其中，x

距离变量为:

其中，L

步骤5：基于深度学习的放电量化参数对紫外量化参数的标定和深度学习系统训练。

深度学习隶属于神经网络，其特点和核心是采用端到端的方式实现图片、声音信息的检测识别，在网络框架的构架过程中，采用卷积计算对图片和声音信号进行抽象信号的提取。

将类别检测和bounding box预测的预测是否为同步，深度学习完成分为twostage和one-stage两种检测方法，前者以R-CNN和Faster R-CNN为代表，优点为具有较高的识别精度，缺点是识别速度偏慢；对比而言，YOLO(You Only Look Once)是具有更快的识别速度基于Darknet的深度学习网络框架one-stage检测方法，经过了3个阶段的发展，YOLOv4采用SSP(spatial pyramid pooling)和PAN(path aggravation network)作为网络框架的中间部分，采用了诸如马赛克数据扩充(Mosaic data augmentation, MSA), DropBlock正则化方法，分类标签平和化，Mish激活函数等网络优化调优方法，使得检测速度更快，并提高了检测精度。

YOLOv4框架以darknet53作为骨架，以SPP和PAN作为中间(Neck)框架，以YOLOv3作为网络出口(head),总共包含110个卷积层，3个最大值池化层，23个shortcut层，18个route层。

）darknet53中的卷积层采用mish作为激活函数，其表达式如式（18）所示：

Mish是一个平滑的曲线，平滑的激活函数允许更好的信息深入神经网络，从而得到更好的准确性和泛化；在负值的时候并不是完全截断，允许比较小的负梯度流入。

）中间框架采用leaky-RELU作为激活函数，其中，3个池化层和3个route层组成SPP，leaky-RELU的计算公式如（19）所示。

当x<0时，它得到0.1的正梯度。它具备ReLU激活函数的所有特征，如计算高效、快速收敛、在正区域内不会饱和，但与mish相比，该函数的结果并不连贯。

）Shortcut层和三个主体之间的链接层采用线性函数y=x作为激活函数。

）网络出口(head)除三个主体之间的3个检测尺度的链接层采用线性函数y=x作为激活函数外，其余均采用leaky-RELU作为激活函数。

网络参数的训练方面如图5所示，智能评估系统（503）作为一个端到端的诊断系统，通过超参数(学习率等)、激活函数对网络的训练过程进行调优，分析其对IOU、Recall、mAP、avgLoss等评价参数的影响，完成具有最佳识别训练效果网络框架参数的选择，实现放电的紫外图像统计参数（502）和放电状态聚类参数（504）的匹配。

1）在匹配紫外成像镜头光谱段参数（501）的基础上，放电的紫外图像信息（502）包括紫外图像、视频，紫外图像统计参数和UV count统计参数；

2）放电状态聚类参数（504）包括“无放电”、“电晕放电”、“弧光放电”和“火花放电”，其在放电参量（505）的基础上完成聚类；

3）在训练过程中，网络放电状态聚类参数作为训练过程中原始输入数据的label信息，是实现网络分类的重要依据；

4）在训练和识别过程中，紫外图像信息（502）作为网络的输入信息；

5）紫外图像信息（502）和放电参量（505）使用精确到ms的数据同步触发，实现使光电信息同步。

本方法在对YOLOv4框架的基础上提出了网络误差的AP-loss改进方法。

改进方法具体包括：

1）首先对标注框（x,y,w,h）和放电状态聚类参数（504，“无放电”、“电晕放电”、“弧光放电”和“火花放电”）进行转换，得到标注框和放电状态聚类参数(标注值)的变换格式，如式(20)和式(21)所示：

式中：k和m分别表示一张图片中第k行m列个锚框，和分别为两标注框重叠度的指标和转换后的标注值；α和β分别为锚框的真值匹配度标量评分和原始标注值。

2）经过变换后的网络误差计算如式22所示：

式中：H(x)为符号函数，仅当x＞0时取1，否则为0；和分别为标注值1和0的数据组的集合。

3）经过变换后的网络的最小化目标函数如式(23)和式(24)所示：

其中，

4）对score函数求导数得到网络的反向传播梯度如式(25)所示

在误差计算函数的基础上，利用链式求导计算损失函数对每个权重的偏导数（梯度），然后根据梯度下降公式更新权重。

1）前向计算每个神经元的输出值

2）反向计算每个神经元的误差项

3）计算每个神经元连接权重

4）根据梯度下降法则更新每个权重公式为：

其中为学习率，为第i个样本的特征值，为第i个样本的标记值，在本方法中为4种放电状态，分别为电弧放电，火花放电，电晕放电和无放电状态，为模型对第i个样本的预测值，如根据网络输入参数的计算，将放电状态预测为无放电。

步骤6：基于放电紫外量化参数的放电状态识别过程如图6所示，将紫外图像信息（603）输入经过训练的智能评估系统（604），经过网络运算后给出放电评估结果（605）

1）紫外图像信息（603）将获得的电气设备放电的信息进行统计处理（502），具体包括可见光和紫外融合、紫外光成像和可见光图片（602）或经过统计处理的紫外视频（601），将统计信息作为附加参数，同图片和视频信号一起，打包送入智能评估系统，进行识别；

2）智能评估系统（604）通过调用步骤5中经过系统loss最小化和网络参数调优训练得到的网络参数（503），通过输入信息，进行卷积计算，提取图像和视频的抽象特征，最终给出放电评估（605）

3）放电评估（605）结果包括“无放电”、“电晕放电”、“弧光放电”和“火花放电”。

通过采用多谱段日盲窄带紫外成像仪及其检测不同放电状态的智能诊断方法，对日盲紫外波段光谱进行了细分，制定了多谱段窄带滤光片的自动和手动控制策略，解决在现场检测时发生较严重的放电情况下，可见光图像被紫外光斑图像覆盖的问题；提出了包括泄漏电流、紫外放电量化参数、超声和超高频等参量的频谱、聚类分析，实现对放电状态的定性和定量分析，实现了基于多光谱紫外成像的放电量化；采用改进了loss误差函数的深度学习智能诊断算法对经过量化分级的紫外图像和视频进行了训练，解决了现场检测过程中产生放电严重程度的智能评估问题。

在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。