高光譜成像技術：為電力系統液體雜質檢測提供高效解決方案

在電力系統向智能電網轉型的過程中，冷卻液、變壓器油、水等關鍵液體的化學完整性，直接關系到電力設備的穩定運行與能源系統的安全保障。這些液體在長期使用中，易因機械磨損、腐蝕、絕緣材料分解等因素，混入碳、鐵、銅、錫等雜質，可能降低冷卻效率、縮短設備壽命，甚至引發電氣故障。有數據顯示，約35% 的變壓器故障與冷卻液體中的污染物相關，因此及時準確的雜質檢測成為電力運維的關鍵需求。

傳統檢測方法往往存在效率低、準確性不足等問題，難以滿足電力系統proactive 維護的需求。而高光譜成像（HSI）技術作為一種非接觸檢測手段，憑借其高光譜分辨率與空間分辨率的優勢，為液體雜質檢測提供了新的解決方案。杭州彩譜科技的 FS-23 高光譜相機，在上海電力大學團隊開展的電力系統液體雜質檢測研究中，展現出了穩定可靠的應用潛力。

高光譜與機器學習的創新融合

該研究搭建的檢測系統以彩譜FS-23 高光譜相機為核心，搭配鹵素燈、校準白板與計算機，構建了完整的高光譜成像檢測體系。FS-23 高光譜相機具備 400-1000nm 的光譜范圍，2.5nm 的光譜分辨率與 1200 個光譜通道，能夠精準捕捉液體樣本在不同波長下的光譜響應；同時其 1920×1920 像素的空間分辨率與 5.86μm 的像素尺寸，可清晰呈現樣本的空間信息，為雜質識別提供了豐富的數據支撐。

檢測流程遵循嚴謹的科學邏輯：

1. 樣本制備：選取coolant、變壓器油、水三類電力系統關鍵液體，分別添加碳、鐵、銅、錫四種常見雜質顆粒（粒徑均為 10μm），按照國際標準設定雜質濃度，確保樣本貼合實際應用場景；

2. 數據采集：在標準化照明條件下，以50 毫秒曝光時間采集樣本高光譜圖像，通過軟件選取感興趣區域（ROI），最終構建包含 9350 條光譜反射率數據的數據集；

3. 數據預處理：采用Savitzky-Golay 濾波對原始光譜數據進行平滑處理，消除儀器噪聲與光散射等干擾因素，提升數據質量；

4. 模型構建：整合13 種機器學習算法，開發 WeightedEnsemble_L2 加權集成模型，通過兩級集成策略，充分發揮不同算法的互補優勢，提升雜質分類的準確性與魯棒性。

穩定高效的雜質識別能力

實驗結果顯示，基于彩譜FS-23 高光譜相機的檢測方案，在電力系統液體雜質檢測中表現出優異性能：

l 模型在訓練集上達到90% 的準確率，驗證集與預測集準確率均為 87.53%，有效降低了單一模型常見的過擬合問題，展現出良好的穩定性；

l 對不同雜質的識別表現出差異化優勢：碳顆粒混合物的識別效果突出，在三類液體中均能實現高效識別；原始液體的識別準確率超過97%，其穩定的光譜特征使其易于區分；銅顆粒在冷卻液與變壓器油中也保持了較高的識別準確率；

l 具備出色的泛化能力：即使僅基于冷卻液樣本訓練模型，其在變壓器油與水樣本的雜質檢測中，仍分別達到87.86% 與 87.42% 的準確率，能夠適配電力系統中多種關鍵液體的檢測需求。

值得注意的是，該方案對鐵、錫等雜質的檢測雖面臨光譜相似性、化學不穩定性等挑戰，但仍能保持70% 以上的準確率，為實際應用中的雜質篩查提供了可靠參考。

助力電力系統智能化運維

彩譜FS-23 高光譜相機在電力系統液體雜質檢測中的成功應用，不僅解決了傳統檢測方法的痛點，更推動了電力運維向精準化、智能化轉型。其非接觸式檢測特性，可避免對液體樣本的破壞；快速的光譜數據采集與分析流程，能夠滿足實時監測需求；而與機器學習算法的融合，進一步提升了檢測結果的可靠性，為電力設備的預測性維護提供了數據支撐。

除電力行業外，彩譜科技的高光譜相機憑借其靈活的配置與穩定的性能，還可廣泛應用于食品檢測、環境監測、材料分析等多個領域。未來，彩譜科技將持續深耕高光譜技術研發，不斷拓展應用場景，為各行業提供更具針對性的光譜檢測解決方案，以技術創新賦能產業升級。

（論文原文可通過Engineering Applications of Artificial Intelligence 158 (2025) 111607搜索《Hyperspectral imaging for rapid impurity detection in power》進行閱讀）

產品推薦

FigSpec FS-23成像高光譜相機

l 圖像分辨率：1920*1920

l 光譜范圍：400-1000nm

l 光譜分辨率(FWHM)：2.5nm

l 光譜通道數：1200