随着国家“西电东送”和“全球能源互联网”战略的不断推进,近些年,电网公司建设了许多特高压输变电工程,对绝缘子的安全可靠运行提出了新的考验。污闪事故是绝缘子主要的事故类型之一,目前传统的绝缘子污秽检测方法存在着操作复杂、精确度低、现场检测难度大等缺点。高光谱技术通过对物质表面的光学特征进行检测实现物质判别,可以实现对目标进行广域、快速、非接触式的检测,可以做到“图谱合一”,目前广泛应用于遥感、地质、农业等领域。本文通过对绝缘子表面污秽进行高光谱成像,分析污秽的图谱信息,提出了基于高光谱技术的污层电导检测方法。通过改变污秽程度和污秽的含水量获得不同污层电导值的样本,在实验室中利用高光谱成像试验平台对涂污样本进行高光谱成像,结合高光谱技术的原理,分析不同污层电导的样本谱图响应。研究发现,污秽程度和含水量的变化会导致高光谱谱线呈现一定规律性的变化。本文通过Savitzky-Golay平滑和多元散射校正对采集的高光谱谱线进行预处理,实现去噪、平滑和降低环境散射光线的影响。对样本图像进行感兴趣区域分割,分别使用连续投影算法、基于MATLAB对谱线的主成分分析、基于ENVI对图像的主成分分析三种方法提取特征波段,实现数据的降维,分别从256个波段的原始光谱中提取了15、4、6个特征波段的信息。针对所研究的谱线预处理方法和特征波段提取方法,本文利用最小二乘回归模型和BP神经网络模型对谱线处理方法进行校验,并建立预测模型。研究发现,针对不同的建模方法,最优的谱图处理方法也不同。对于本文研究的绝缘子污秽而言,利用连续投影算法提取特征波段,输入BP神经网络模型中的预测效果最好,R_p可达到0.9624。利用灰度共生矩阵提取样本的纹理特征,获得感兴趣区域的二阶矩、惯性矩、熵和相关性参数,作为特征向量融合特征波段输入BP神经网络进行建模。结果表明,融合图像和谱线特征可以有效提高模型预测精度,所构建的“全波段-SG平滑-MSC-SPA特征波段+纹理特征-BPNN”预测模型的R_p可达到0.9702。