據（jù）統計，複合絕（jué）緣子的憎水性喪失占複合絕緣子故障的43%以上，因此對複合絕緣子的憎水（shuǐ）性監測十分重要。複合絕緣子（zǐ）的憎（zēng）水性測（cè）試係（xì）統現有的測試方法存在測試主觀（guān）性大，現場（chǎng）無法（fǎ）大規模（mó）開展等弊端。
複（fù）合絕緣子的憎水性測試（shì）係統是由機器視覺的圖像（xiàng）識別係統和工業級（jí）超高清晰CCD圖像自動采集（jí）係統、霧化（huà）水噴淋自動控（kòng）製係統組合設計出的一種專家測（cè）試係統。由上海來揚生產發布
複合絕緣子的憎（zēng）水性測試係統產品特點
複合絕緣子的憎（zēng）水性測試（shì）係統硬件特點：
複合絕緣子的憎（zēng）水性（xìng）測試係統測量裝置整合；
自動遙（yáo）控控製；
GPS定位，可與電子地圖無縫鏈接（jiē）；
濾鏡和液體著色劑（jì），在硬件上防（fáng）止（zhǐ）光線幹擾影響（xiǎng）；
高清晰（xī）工業級CCD圖像采集係統；
便攜式抗幹（gàn）擾設（shè）計，可帶電（diàn）測試。
圖（tú）像識別技術：
基於梯度的自適（shì）應（yīng）濾波；
二維熵門限法（fǎ）水珠分割；
水珠邊界的自動搜索跟蹤；
冗餘信息的刪（shān）除；
基於（yú）人工智能的圖（tú）像區域分割（gē）。
特征量提取：
基於中心（xīn）矩的特征量提取；
基於傅裏葉描述子的幾何特征提取；
基於共（gòng）生矩陣的特征提取；
基於不變矩的特征提取；
紋理特征（zhēng）提取。
專家係統分級模塊：
分類模塊：scale模（mó）塊；training模塊（kuài）；predicting模塊
基於Support Vector Machine數據分類
Sequential minimal optimization優化*小算法
增（zēng）量學習算法