随着经济发展,人民的用电需求不断增长,发用电不均衡的问题日益凸显。为了解决这个问题,国内开始大力推动建设高压输电线路进行电能的长距离输送。输电杆塔作为输电线路的直接支撑结构,它的运行可靠性直接关系到电网的运行安全。目前电力行业对输电杆塔的腐蚀因素、腐蚀区域分布特点等都缺乏深刻研究,传统腐蚀检测方法难以无损,高效,准确地对投运杆塔全部位钢结构的腐蚀状态进行判别,输电杆塔的日常巡检及防腐维护缺乏统一标准。因此本文提出了一种基于高光谱技术的杆塔腐蚀状态检测方法,实现在运输电杆塔腐蚀等级的非接触检测以及异常腐蚀区域处腐蚀成分的识别及含量反演。本文首先研究了基于人工腐蚀试样高光谱图谱特征建立腐蚀等级分类模型的方法。获取各腐蚀等级试样的高光谱数据,结合试样的高光谱图像特征建立了基于多核学习算法的碳钢腐蚀等级分类模型。测试试样腐蚀等级分类准确率达93.3%。分类得到试样表面的整体腐蚀等级后,把试样表面腐蚀区域细分为小区域提取高光谱图谱特征,基于建立的腐蚀等级分类模型实现了各细分区域的腐蚀等级可视化,为研究现场杆塔表面腐蚀等级分布特点提供了技术支持。然后针对输电杆塔存在不同高度、不同位置处的腐蚀等级异于杆塔整体腐蚀等级的现象,提出了精细检测腐蚀区域表面腐蚀产物成分及含量的高光谱检测方法。获取了中性盐雾环境下的主要腐蚀成分的标准光谱曲线。使用线性光谱混合模型对试样全混合像元的光谱曲线进行高光谱解混,实现了碳钢腐蚀产物成分及含量占比的非接触检测。最后对现场运行的高压输电杆塔进行无人机遥测高光谱数据采集,验证了高光谱技术对现场杆塔进行腐蚀等级识别的应用可行性。使用图像处理方法结合高光谱谱线特征有效去除了现场杆塔高光谱图像的复杂背景区域,获取目标杆塔区域的高光谱数据实现了腐蚀等级的分类及可视化。识别结果符合现场检修工作人员观测杆塔腐蚀状况,应用效果良好。本文基于高光谱技术对输电杆塔腐蚀状态的研究,有利于可视化展示杆塔腐蚀等级的分布特点,实现腐蚀区域成分和含量占比的非接触检测。为分析杆塔腐蚀因素,制定针对性的防腐维护方案提供技术支持。