随着我国经济的快速发展,环境污染问题日益严重,绝缘子表面积污情况也随之加重,同时特高压工程的大力建设也为外绝缘防污工作带来了新的要求和挑战。基于此,对绝缘子表面污秽进行定期检测以制订清扫、更换方案,对指导输电线路外绝缘的防污工作、保障电力系统安全可靠运行具有重要意义。因此,本文基于高光谱技术和数据融合技术提出了适用于自然积污绝缘子表面污秽程度的非接触式检测及评估方法。本文首先提出了基于图谱特征的污秽程度检测模型建立方法。在获取实验数据的基础上阐述了基于高光谱图谱特征检测人工样品污秽程度的原理及分析流程,接下来对积污样品高光谱图像进行了预处理,并基于迭代保留信息变量算法对谱线进行特征选择得到融合后的谱线特征数据,接下来提取了图像的纹理和颜色特征,并基于特征变换的核主成分分析方法实现了高光谱图谱特征的融合,通过集成学习分类算法分别基于谱线特征融合前后和图谱特征融合前后数据建立了污秽程度检测模型。结果表明:基于图谱融合特征建立的污秽程度分类模型对人工样品污秽程度的检测效果最佳,准确率可达96.25%,同时数据量最少,处理速度最快,验证了基于高光谱图谱融合特征检测绝缘子污秽程度的可行性。在应用图谱融合特征检测绝缘子污秽程度切实可行的基础上,基于高光谱图谱融合特征实现了绝缘子自然污秽程度的准确检测及整体评估。首先阐述了利用高光谱图谱特征检测绝缘子自然污秽程度的原理,接下来叙述了绝缘子污秽区域高光谱图像纹理和颜色特征的提取方法及步骤,最后基于图谱融合特征实现了绝缘子自然污秽的污秽程度检测和整体评估。结果表明:基于图谱融合特征的分类模型对绝缘子自然污秽程度检测准确率可达95.0%,相较于基于单一谱线特征建立的分类模型更加稳定、高效,更适用于绝缘子自然污秽的检测及评估。综上所述,输电线路绝缘子积污情况严峻,亟需高效、准确的非接触式检测手段和方法,本文提出的基于高光谱图谱特征的检测方法可以实现绝缘子自然污秽程度的准确检测及评估,这对指导外绝缘防污工作、制定清污策略具有重要的理论价值和工程实际意义。