航拍圖像中絕緣子的識別與故障診斷*

姜浩然，金立軍*，閆書佳

（1.同濟大學電子與信息工程學院，上海201804；2.西安交通大學電力設備電氣絕緣國家重點實驗室，陜西西安710049）

0 引言

目前，我國輸電線路的巡檢基本采用地面目測法，但常規(guī)的基于人力的巡檢勞動強度大，且效果不好［1］。飛行控制、檢測和圖像處理技術的發(fā)展，為輸電線路的自動化檢測提供了新的思路［2］。架空輸電線路及戶外變電所使用的絕緣子的性能的好壞是決定電力輸送系統(tǒng)可靠性的一個關鍵因素。作為輸電線路中廣泛使用的兩類絕緣子，瓷絕緣子在機械、電氣等作用下會破裂甚至發(fā)生掉片，而自然環(huán)境、機械載力、生產(chǎn)工藝等問題可能會引起玻璃絕緣子自爆，嚴重影響了電網(wǎng)的正常運行。

目前，絕緣子運行狀態(tài)的檢測方法主要有超聲波檢測法、紅外測溫法、脈沖電流法等，這些方法大多存在操作復雜、成本高、危險性大、受氣候影響大［3］等缺點。近年來，隨著計算機圖像處理技術的發(fā)展和無人機巡檢技術的日益成熟，絕緣子檢測方法有了新的突破。基于可見光圖像的輸電線路絕緣子故障診斷受背景影響較大，問題復雜，成果較少。目前研究還處在發(fā)展階段，其很大程度上依賴于輸電線路絕緣子的準確識別。由于電網(wǎng)圖像拍攝角度和拍攝距離的影響，絕緣子會表現(xiàn)出一定的特征。如何有效區(qū)分背景和絕緣子，從復雜背景圖像中準確識別絕緣子成為檢測工作的難點。

針對輸電線路絕緣子掉片這一典型故障，本研究通過分析現(xiàn)場拍攝的輸電線路絕緣子照片，基于數(shù)字圖像處理技術與模式識別提出一種新的絕緣子缺陷診斷方法，并以絕緣子圖像為例進行實驗。

1 絕緣子故障診斷流程

為觀察輸電線路絕緣子特征，本研究將其從環(huán)境背景中區(qū)分出來，首先須對航拍絕緣子圖像預處理。拍攝到的圖像是彩色的，占據(jù)大量存儲空間，影響計算速度；拍攝過程中混入的噪聲也需要進一步的處理；將圖像閾值分割后，通過選取適當?shù)姆椒▽Φ玫降亩祱D像進行邊緣檢測，以獲得連續(xù)清晰的輪廓。

根據(jù)絕緣子片呈橢圓這一特征，筆者利用改進的Hough 變換來檢測邊緣圖像中的不完整橢圓，并將參數(shù)空間降為一維，實現(xiàn)橢圓的快速準確檢測。最后，根據(jù)得到的橢圓參數(shù)分類決策，準確識別絕緣子，并根據(jù)絕緣子統(tǒng)計信息判斷絕緣子是否掉片。

本研究提出的絕緣子故障檢測流程如圖1所示。

圖1 絕緣子故障診斷流程圖

2 絕緣子圖像預處理

2.1 閾值分割

OTSU 算法是一種動態(tài)閾值分割方法，其基本思路是：基于圖像的灰度信息，通過遍歷找到圖像的最佳閾值，灰度值t將圖像分為目標和背景兩類，分別計算兩類的方差，當類間方差為最大值時，就以這個灰度值為閾值分割圖像［4］。

記t為分割閾值，將圖像分為C0、C1兩類。C0、C1類像素點占圖像比例分別為w0、w1，各類平均灰度分別為u0、u1，則圖像的總平均灰度u為：

在灰度范圍內(nèi)值遍歷t，當t使得兩類間方差g=w0?(u0-u)2+w1?(u1-u)2值最大時，t即為分割閾值。原圖與閾值分割結果如圖2所示。

圖2 閾值分割

2.2 邊緣檢測

通過小波變換將信號分解為不同的空間和尺度分量，信號的高頻能量集中在小尺度區(qū)間，而低頻能量集中在大尺度區(qū)間［5］，尺度的變換使得小波具有一定的頻率分辨率。圖像的邊緣即信號的高頻部分，利用小波變換的聚焦特性，可以用來實現(xiàn)圖像的邊緣檢測。

設θ(x,y)是一適當光滑的二元函數(shù)，引入記號：

式中：s—尺度。

則二維子波在尺度s下有如下定義：

對f(x,y)進行卷積處理，分別得到沿水平x方向的小波變換信號和沿垂直y方向的信號：

二維圖像f(x,y)在尺度s下小波變換模：

其模極大值的梯度方向：

小波變換模取局部極大值時，表示圖像中點的灰度發(fā)生了劇烈變化，其大小對應于該點的灰度強度；梯度對應于模局部極大值點的方向。因此，計算小波模極大值點便可得到圖像的邊緣點。

為了分析算法的有效性，筆者對大量輸電線路絕緣子圖像進行了實驗，分別采用本研究方法和基于Canny 算子的邊緣檢測方法進行比較［6］。兩種算法邊緣檢測結果如圖3所示。

圖3 邊緣檢測

另外，為了進一步評價小波模極大值法和Canny算子邊緣檢測方法的效果，本研究采用兩種評價標準對邊緣檢測結果進行了比較［7］。

邊緣連續(xù)性R：

式中：CEN—連續(xù)邊緣像素總數(shù)，TEN—邊緣像素總數(shù)。

邊緣有序度Me：

式中：N—錯檢率；F—漏檢率；Me越大，則邊緣圖像的邊緣有序性越好。

兩種方法邊緣檢測結果的比較如表1所示?？梢姡狙芯糠椒ǖ腞與Me均更高，即小波模極大值法邊緣連續(xù)性和有序度更好，能得到較好的絕緣子邊緣檢測效果。

表1 兩種方法邊緣檢測結果比較

3 絕緣子識別與故障診斷

3.1 Hough變換基本原理

Hough變換定義了圖像空間與參數(shù)空間的映射關系，通過坐標變換把圖像空間中的點映射為參數(shù)空間的曲線或曲面，并采用投票表決的機制實現(xiàn)目標物體的檢測與識別［8］。首先需定義參數(shù)化方程，之后利用該方程將圖像空間中的信息變換到參數(shù)空間，實現(xiàn)坐標變換。變換過程中同時對參數(shù)空間中的數(shù)據(jù)進行統(tǒng)計累加，并尋找累加器峰值，設定閾值，并以此來判斷原始空間是否存在檢測目標。

3.2 基于改進Hough變換的橢圓識別

多數(shù)輸電線路圖像中絕緣子邊緣輪廓呈橢圓狀，設定參數(shù)方程，Hough 變換可以實現(xiàn)對特定結構的檢測。本研究通過改進Hough變換可以實現(xiàn)絕緣子的檢測。橢圓包含5 個參數(shù)：橢圓中心(x0,y0)；轉角α；長軸2a；短軸2b。相比于直線的二維參數(shù)空間，橢圓的參數(shù)是五維，計算量急劇增大［9］。通過將五維參數(shù)空間降為一維，只需一維累加器累積橢圓短軸長度，可以降低存儲空間，加快運算速度。同時，由于拍攝角度，絕緣子邊緣圖像中橢圓并不完整，本研究利用橢圓的數(shù)學性質，橢圓長軸的優(yōu)勢能加快絕緣子檢測速度，同時可實現(xiàn)不完整橢圓的檢測。

橢圓幾何模型如圖4所示。設橢圓長軸的兩端點分為是像素點(x1,y1)，(x2,y2)，也可將其設為短軸端點，但會增加像素點檢測的復雜度，耗時較長。

根據(jù)橢圓的數(shù)學模型，可以推導出橢圓參數(shù)的計算公式：

圖4 橢圓幾何模型

設點(x,y)為橢圓邊緣上除(x1,y1)、(x2,y2)外的任意一點，f1，f2—橢圓的焦點，τ為點(x,y)、橢圓中心(x0,y0)連線與橢圓長軸的夾角。

根據(jù)橢圓的幾何模型，可以看出點(x,y)與橢圓中心(x0,y0)的距離應小于橢圓長軸兩端點(x1,y1)或(x2,y2)與(x0,y0)的距離。引入?yún)?shù)d為(x,y)與(x0,y0)的距離。可計算出橢圓參數(shù)b：

根據(jù)以上推導，可以得到橢圓的5 個參數(shù)。本研究并對五維參數(shù)空間降維，僅建立一維累加器，實現(xiàn)對短軸一半即b值的統(tǒng)計。檢測峰值并設定閾值，利用表決原理達到檢測橢圓的目的。

改進Hough變換檢測橢圓算法如下：

（1）建立一維數(shù)組A，將二值圖像中的所有邊緣像素點存入其中，建立累加器并清零；

（2）將數(shù)組中的邊緣像素點按順序賦予點(x1,y1)，并對每一點(x1,y1)，重復步驟（3）~（8）；

（3）尋找點(x2,y2)，使得點(x1,y1)與點(x2,y2)的距離大于閾值，重復（4）~（8）；

（4）根據(jù)像素點(x1,y1)與(x2,y2)，計算橢圓4 參數(shù)：橢圓中心(x0,y0)、轉角α、長軸一半a；

（5）尋找點(x,y)，使得(x,y)與(x0,y0)的距離大于閾值，并小于(x1,y1)與(x0,y0)的距離。對所有可能點(x,y)計算橢圓參數(shù)b，累加器遞增；

（6）檢測累積器的峰值，如果超過閾值，則為真實橢圓，并將橢圓參數(shù)存入數(shù)組B；

（7）從數(shù)組A中將檢測到的真實橢圓所有像素點移去，累加器清零；

（8）在邊緣圖像中標記檢測到的橢圓；

（9）結束。

本研究利用上述算法處理絕緣子邊緣圖像，可實現(xiàn)不完整橢圓的檢測，并得到橢圓參數(shù)。其中可能有非絕緣子的橢圓，絕緣子串具有一定的相似性，可以進一步分類。同一絕緣子串的所有絕緣子片大小相近，方向一致，即轉角、長軸、短軸相似。筆者統(tǒng)計所有橢圓的以上三參數(shù)并剔除差異較大的數(shù)據(jù)，據(jù)此可從去除多余橢圓，準確檢測到絕緣子。

3.3 絕緣子故障診斷

本研究通過改進Hough 變換實現(xiàn)了絕緣子識別。依據(jù)絕緣子對的參數(shù)信息，可完成絕緣子掉片故障診斷。診斷算法如下：

（1）確定絕緣子串。同一絕緣子串上的橢圓轉角相同，利用轉角α及橢圓中心(x0,y0)，進行直線檢測，提取出兩條直線，并將直線上的橢圓中心分別存入兩個數(shù)組。

（2）統(tǒng)計絕緣子片數(shù)。選取同一電壓等級同一區(qū)域的絕緣子串進行故障診斷時，其絕緣子片數(shù)一定［10］。此處區(qū)域拍攝的220 kV 輸電線路圖像中單個絕緣子串片數(shù)為17。統(tǒng)計（1）中數(shù)組的長度，若數(shù)組長度為17，絕緣子串未發(fā)生掉片，若數(shù)組長度小于17，則需進一步判斷。

（3）計算相鄰絕緣子的間距信息。對每一數(shù)組，從中取任意橢圓中心(xi,yi)，計算其他所有橢圓中心與其距離d，存為數(shù)組D。計算數(shù)組D中的次小值d2與最小值d1的比值e（四舍五入取整），并存入數(shù)組E。循環(huán)，直到計算完每一橢圓中心(xi,yi)對應的e。

（4）絕緣子故障診斷。對于正常絕緣子串，兩端e=2，其余絕緣子片e=1，否則，有掉片故障。對于數(shù)組E，統(tǒng)計e=2 的數(shù)目m，若m=2，而其余e均為1，則絕緣子完好，否則絕緣子有掉片發(fā)生。

本研究通過計算相鄰絕緣子對的間距信息e，若掉片故障發(fā)生在絕緣子串中部，無論拍攝的絕緣子串是否完整，均能實現(xiàn)故障診斷。若掉片發(fā)生在絕緣子串兩端，會發(fā)生漏檢，不適于該算法的研究范圍。

4 實驗及結果分析

根據(jù)本研究提出的算法，筆者對航拍絕緣子圖像進行了實驗。利用改進Hough 變換檢測絕緣子，將得到所有橢圓的數(shù)學信息，即橢圓的5 個參數(shù)。筆者統(tǒng)計檢測到的所有橢圓的參數(shù)信息，并分別比較分類，其中短軸長度統(tǒng)計數(shù)據(jù)如圖5所示。

圖5 橢圓短軸長度統(tǒng)計

本研究根據(jù)橢圓統(tǒng)計信息可找到突變點，即編號為25 的橢圓，由此可去除干擾信息，將背景橢圓從圖像中去掉，僅標記真實絕緣子，實現(xiàn)絕緣子準確識別，如圖6所示。

圖6 絕緣子識別

筆者根據(jù)絕緣子故障診斷算法，統(tǒng)計絕緣子片數(shù)，其中一組片數(shù)不為17，繼續(xù)計算相鄰絕緣子的間距信息，e=2 的數(shù)目為4，不滿足條件，有掉片發(fā)生。

為了驗證本研究故障診斷方法的準確性，筆者另對100 幅絕緣子圖像進行了實驗。其中，正常絕緣子圖像80 幅，掉片圖像20 幅。筆者用本研究提出的算法處理輸電線路絕緣子圖像，成功檢測絕緣子輪廓100 幅，能找出19 張故障圖像，1 張漏檢，其原因為故障發(fā)生在絕緣子串頂端。絕緣子掉片故障診斷成功率為95%。

5 結束語

本研究提出一種基于改進Hough變換的輸電線路絕緣子故障診斷方法，主要分為4步：

（1）基于OTSU 圖像分割，減少圖像細節(jié)與計算量，目標與背景區(qū)分度較好；

（2）利用小波模極大值法檢測圖像邊緣，獲得連續(xù)性好有序度高的邊緣圖像；

（3）利用改進Hough 變換檢測橢圓，加快檢測速度，并能檢測邊緣不完整的橢圓，改善檢測效果，設計分類條件去除背景；

（4）基于絕緣子參數(shù)位置信息，設計算法以實現(xiàn)絕緣子故障診斷。

筆者通過對100幅絕緣子圖像進行實驗來驗證本研究方法的穩(wěn)定性。實驗結果證明，本研究算法能準確檢測電網(wǎng)巡檢圖像中的絕緣子輪廓并判斷絕緣子掉片故障，具有較高的通用性和工程應用價值。該方法簡單有效，為我國智能電網(wǎng)中絕緣子巡檢提供了新的概念和技術手段。

（References）：

［1］孔志增.輸電線路巡檢機器人系統(tǒng)及控制軟件研究［D］.保定：華北電力大學機械電子工程，2008.

［2］陳立軍，吳 謙，石 美，等.輸電線路覆冰檢測技術發(fā)展綜述［J］.化工自動化及儀表，2011，38（2）：129-152.

［3］梅紅偉，趙晨龍，戴罕奇，等.染污瓷和玻璃絕緣子的濕潤特性研究［J］.中國電機工程學報，2014，34（9）：1471-1480.

［4］楊修國.淺談圖像閾值分割技術［J］.電子設計工程，2012，20（23）：36-40.

［5］李亞標，王寶光，李溫溫.基于小波變換的圖像紋理特征提取方法及其應用［J］.傳感技術學報，2009，22（9）：1308-1311.

［6］CANNY J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679-698.

［7］趙振兵，金思新，劉亞春，等.基于NSCT 的航拍絕緣子圖像邊緣提取方法［J］.儀器儀表學報，2012（9）：2045-2052.

［8］KESIDIS A L，PAPAMARKOS N.On the inverse hough transform［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1999，21（12）：1329-1343.

［9］XIE Yong-hong，JI Qiang.A new efficient ellipse detection method［J］.IEEE Computer Society，2002（2）：957-960.

［10］葛永超.瓷絕緣子狀態(tài)檢測方法的研究［D］.河北：華北電力大學電子信息與電氣工程學院，2013：45-52.