絕緣子涂層缺陷檢測(cè)研究

劉 雨，田立國(guó)

（天津職業(yè)技術(shù)師范大學(xué)天津市信息傳感與智能控制重點(diǎn)實(shí)驗(yàn)室，天津 300222）

絕緣子是搭在高壓電線(xiàn)連接塔上的一種盤(pán)狀的絕緣體，作用是增加爬電距離[1]，它使帶電部件絕緣，并起到機(jī)械支撐與定位作用[2]。由于絕緣子長(zhǎng)期暴露在戶(hù)外，大氣中的塵埃易沉淀到其表面形成污穢層，產(chǎn)生污閃現(xiàn)象。為防止污閃現(xiàn)象的產(chǎn)生，一般在絕緣子的表面鍍一層保護(hù)涂層[3]。但是，絕緣子長(zhǎng)期暴露在戶(hù)外，需要定期對(duì)絕緣子進(jìn)行缺陷檢測(cè)，原始的方法是靠人工對(duì)絕緣子進(jìn)行缺陷檢測(cè)[4]，工作人員通過(guò)望遠(yuǎn)鏡從地面對(duì)高空進(jìn)行觀(guān)察，在斷電情況下，爬上高處對(duì)絕緣子進(jìn)行檢測(cè)，其檢測(cè)效率較低。將無(wú)人機(jī)與圖像處理技術(shù)應(yīng)用到絕緣子的檢測(cè)中，不僅可以減少人工成本，還能提高檢測(cè)精度。當(dāng)絕緣子出現(xiàn)缺陷時(shí)，缺陷部分的圖像特性會(huì)發(fā)生變化，利用邊緣檢測(cè)，檢測(cè)圖像特性發(fā)生變化的部位，從而確定缺陷位置。常用的邊緣檢測(cè)算法有微分算子、Canny算子和LOG算子等[5]。Canny算子是一種比較優(yōu)秀的邊緣檢測(cè)方法，具有低誤碼率、高定位精度和抑制虛假邊緣等特點(diǎn)，但在圖像處理的實(shí)際操作過(guò)程中，會(huì)伴有脈沖干擾和椒鹽噪音，在這種情況下只用1種算法來(lái)進(jìn)行邊緣檢測(cè)會(huì)造成圖像邊緣提取后，出現(xiàn)邊緣點(diǎn)提取錯(cuò)誤、圖像輪廓提取模糊、邊緣效果不強(qiáng)等問(wèn)題，需在邊緣檢測(cè)前對(duì)圖像進(jìn)行去噪處理[6]。因此，需通過(guò)中值濾波對(duì)圖像進(jìn)行處理。中值濾波作為一種常用的非線(xiàn)性濾波，可有效降低脈沖干擾和椒鹽噪音，可使圖像更加清晰。它不僅可以處理灰度圖像，還可以處理二值圖像。本文采用中值濾波對(duì)采集圖像進(jìn)行平滑處理，利用Canny算子檢測(cè)圖像邊緣，從而實(shí)現(xiàn)對(duì)絕緣子涂層缺陷的檢測(cè)。

1 無(wú)人機(jī)的定位和數(shù)據(jù)的采集

對(duì)塔桿上的絕緣子進(jìn)行圖像采集，無(wú)人機(jī)從地面飛往距塔桿20 m處，無(wú)人機(jī)定位方法如圖1所示。

圖1 無(wú)人機(jī)定位方法

將無(wú)人機(jī)從地面E點(diǎn)導(dǎo)航至拍攝點(diǎn)C，C點(diǎn)距離單側(cè)絕緣子20 m，B點(diǎn)為絕緣子的末端，無(wú)人機(jī)以B點(diǎn)為初步中心點(diǎn)，通過(guò)控制臺(tái)控制機(jī)頭和高清變焦攝像頭對(duì)準(zhǔn)塔桿方向進(jìn)行絕緣子的圖像采集，同時(shí)提取絕緣子中心點(diǎn)的坐標(biāo)和圖片的中心坐標(biāo)，通過(guò)CCD的尺寸和拍照時(shí)的焦距，計(jì)算出絕緣子與相對(duì)焦點(diǎn)中心線(xiàn)的夾角，然后調(diào)整云臺(tái)進(jìn)行對(duì)焦拍攝，系統(tǒng)流程如圖2所示。

圖2 系統(tǒng)流程

在GPS系統(tǒng)中，首先獲取進(jìn)行絕緣子圖像采集的電線(xiàn)塔桿坐標(biāo)（當(dāng)?shù)仉娏挚刹樵?xún)到所需坐標(biāo)），而無(wú)人機(jī)進(jìn)行圖像采集的坐標(biāo)，即距離塔桿中心側(cè)20 m處的GPS坐標(biāo)最為重要，偏移點(diǎn)坐標(biāo)如圖3所示?？赏ㄟ^(guò)已獲得的塔桿坐標(biāo)和塔桿方位進(jìn)行運(yùn)算[7]。將塔桿單側(cè)絕緣子的中心點(diǎn) O處坐標(biāo)設(shè)為（OL，Ol，h），通過(guò)式（1）～（4）可得出水平偏移坐標(biāo)。

式中：坐標(biāo)中選取的弧度CE=6 378 137；偏移后坐標(biāo)由l和L表示；x為經(jīng)度方向偏移距離；y為緯度方向偏移距離；θ為導(dǎo)線(xiàn)走向與緯度方向的夾角。

在無(wú)人機(jī)控制系統(tǒng)輸入已計(jì)算出的GPS坐標(biāo)，無(wú)人機(jī)將會(huì)執(zhí)行設(shè)定的任務(wù)，飛往指定地點(diǎn)。

圖3 偏移點(diǎn)坐標(biāo)

2 圖像處理算法

2.1 中值濾波

圖像在采集的過(guò)程中，無(wú)法做到完全消除高頻噪聲，因此為了更好地抑制噪聲，一般采用低通濾波，但仍有很多高頻信息存在于圖像輪廓邊緣，使用低通濾波過(guò)濾噪聲會(huì)造成圖像邊緣變得模糊難以識(shí)別，所以可采用中值濾波方法消除圖像邊緣模糊問(wèn)題，在噪聲過(guò)濾的過(guò)程中保持圖像邊緣的清晰度。

中值濾波作為一種常見(jiàn)的非線(xiàn)性濾波，它是一種類(lèi)似于卷積的鄰域運(yùn)算，但并非是加權(quán)求和計(jì)算，它是排列鄰域中的灰度像素等級(jí)，選擇1個(gè)中間像素值作為輸出值，可有效降低傅里葉空間中的高頻分量。但對(duì)低頻分量會(huì)產(chǎn)生影響，圖像中的高頻分量區(qū)域邊緣的灰度值有一部分變化較大較快，中值濾波可以將這一部分消除，使圖像變得更加平滑。

中值濾波的工作原理：首先，找尋1個(gè)像素，以該像素作為中心領(lǐng)域，其形狀為方形；然后，將該方形領(lǐng)域每個(gè)像素進(jìn)行灰度值排序，取其中間值賦值給中心點(diǎn)像素，領(lǐng)域在此稱(chēng)為窗口；最后，這個(gè)方形窗口在圖像中前后左右移動(dòng)時(shí)，采用中值濾波算法能夠很好地對(duì)圖像進(jìn)行平滑處理[8]。中值濾波能夠很好地消除椒鹽噪聲，且能消減傅里葉空間的高頻分量，同時(shí)還能影響低頻分量。

選擇數(shù)字圖像中或序列中的1個(gè)值，用它鄰域的平均值將其代替。其定義為：對(duì)一維序列x1≤x2≤x3≤xn，欲把 n 個(gè)數(shù)據(jù)按大小排列 xi1≤xi2≤xi3≤xin，則

在操作過(guò)程中選擇L=2n+1的濾波窗口，n為正整數(shù)。讓此方形窗口在圖像中移動(dòng)。過(guò)程如下：

①讓模板漫游于圖像之中，使其中心重疊于圖像某個(gè)中心像素；

②提取模板中一一對(duì)應(yīng)的像素的灰度值；

③對(duì)灰度值進(jìn)行排序；

④找出其中的中間值；

⑤將中心位置的像素值替換成中間值。

中值濾波窗口中的中間值為輸出值，因此中值濾波對(duì)極限像素值（和周?chē)叶戎瞪舷赂?dòng)大的像素）沒(méi)有平均值那么準(zhǔn)確，所以能夠更好地消除獨(dú)立的噪聲點(diǎn)，且能夠使圖像變得更加清晰。

在圖像中某一像素與其相鄰的像素在灰度值上有密切的關(guān)聯(lián)性。由于存在這種灰度相關(guān)性，因此在低頻區(qū)域集中了大部分能量，高頻部分集中了大多數(shù)的細(xì)節(jié)部分能量。而產(chǎn)生于圖像數(shù)字化和傳輸過(guò)程中的脈沖干擾和椒鹽噪聲，其能量大部分存在于高頻區(qū)域，所以在圖像處理的過(guò)程中，既能有效消減噪聲和干擾，還要使得圖像清晰化并保持細(xì)節(jié)，顯然存在矛盾[9]。因此，在最大程度消減噪聲和干擾的同時(shí)，還應(yīng)最大化地保留圖像細(xì)節(jié)。

2.2 Canny算子

Canny原理是把邊緣檢測(cè)轉(zhuǎn)換為檢測(cè)單位函數(shù)極大值。在高斯噪聲中，一個(gè)典型的邊緣代表1個(gè)階躍的強(qiáng)度變化，Canny對(duì)檢測(cè)出來(lái)的邊緣信息提出3個(gè)標(biāo)準(zhǔn)[10]：

①信噪比標(biāo)準(zhǔn) 圖像檢測(cè)的邊緣均真實(shí)有效，減少不相關(guān)的邊緣信息，信噪比數(shù)學(xué)表達(dá)式為：式中：f（x）為邊界上[-ω，+ω]的濾波器的脈沖響應(yīng)；G（-x）為函數(shù)；σ為高斯噪聲的均方差，信噪比越大提取的邊緣質(zhì)量越高。

②定位精度準(zhǔn)則 對(duì)于邊緣信息的提取要盡可能標(biāo)準(zhǔn)，數(shù)學(xué)表達(dá)式為：

其中L值越大，表明定位精度越高。

③單邊緣響應(yīng)準(zhǔn)則 同樣的邊緣，響應(yīng)次數(shù)要少，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離D（f′）應(yīng)滿(mǎn)足：

Canny邊緣檢測(cè)的過(guò)程為：

a.用高斯濾波去除圖像中的噪聲，采用的高斯函數(shù)為：

b.對(duì)濾波后圖像中的每個(gè)像素，梯度復(fù)制與方向的計(jì)算，使用一階有限差分來(lái)近似圖像灰度值，得到2個(gè)關(guān)于x和y方向的偏導(dǎo)矩陣，用一對(duì)卷積陣列分布作用于對(duì)應(yīng)的水平與垂直方向?yàn)椋?/p>

計(jì)算出幅值與方向?yàn)椋?/p>

c.非極大值抑制。尋找像素點(diǎn)局部的最大值，將非極大值點(diǎn)所對(duì)應(yīng)的灰度值設(shè)置為背景像素點(diǎn)，像素鄰域區(qū)滿(mǎn)足梯度值的局部最優(yōu)值判斷為該像素的邊緣，對(duì)其余非極大值的相關(guān)信息進(jìn)行抑制，利用該準(zhǔn)則可剔除大部分非邊緣點(diǎn)。

d.用滯后閾值算法求解圖像邊緣。上一步驟得到的疑似邊緣中存在偽邊緣，由于單閾值處理邊緣選取操作較難，Canny算法采用滯后閾值法減少偽邊緣數(shù)量。Canny選取了滯后閾值，滯后閾值不僅需要高閾值還需低閾值，在進(jìn)行邊緣確定時(shí)依據(jù)下面的步驟：a）.假設(shè)某像素的幅值高于高閾值，將此像素保留作為邊緣像素；b）.反之，若該像素的幅值低于低閾值，將此像素刪除；c）.若像素幅值低于高閾值高于低閾值，此像素被保留的條件僅限于連接1個(gè)高閾值像素時(shí)。

2.3 Sobel算子

Sobel算子可以被看做一個(gè)梯度算子，是一種基于一階微分的邊緣檢測(cè)算子，一般包含2組3×3的矩陣，記為 Mx和 My，即

式中：Mx與My分別表示水平梯度方向檢測(cè)垂直邊緣以及垂直梯度方向檢測(cè)水平邊緣。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 缺陷檢測(cè)步驟

針對(duì)無(wú)人機(jī)采集到的圖像可能因受到環(huán)境影響造成圖像出現(xiàn)噪聲等問(wèn)題，采用先通過(guò)中值濾波進(jìn)行預(yù)處理，再通過(guò)Canny算子與Sobel算子分別對(duì)絕緣子涂層缺陷圖像進(jìn)行檢測(cè)的方法。最后進(jìn)行對(duì)比，實(shí)現(xiàn)絕緣子的缺陷識(shí)別。缺陷檢測(cè)流程如圖4所示。

圖4 缺陷檢測(cè)流程

具體步驟如下：

（1）圖像采集 無(wú)人機(jī)通過(guò)GPS進(jìn)行定位飛達(dá)指定位置進(jìn)行圖像采集。

（2）噪聲濾除 采用中值濾波算法對(duì)圖像進(jìn)行預(yù)處理，濾除掉圖像中的噪聲，為后續(xù)缺陷檢測(cè)系統(tǒng)更好地提取到絕緣子邊緣做準(zhǔn)備。

（3）缺陷檢測(cè) 將處理過(guò)的圖像通過(guò)Canny算法檢測(cè)與Sobel算法檢測(cè)。

（4）結(jié)果分析 將缺陷檢測(cè)結(jié)果進(jìn)行對(duì)比分析。

3.2 實(shí)驗(yàn)結(jié)果分析

采用Matlab 7.1（R2010b）對(duì)帶有缺陷的絕緣子圖像進(jìn)行中值濾波消除椒鹽噪聲處理，去噪圖像如圖5所示。

圖5 去噪圖像

從圖5可知，中值濾波在消除孤立噪聲點(diǎn)的同時(shí)，還很好地保護(hù)了圖像邊界信息，使得在接下來(lái)的絕緣子涂層缺陷檢測(cè)時(shí)不容易出現(xiàn)誤檢、漏檢等現(xiàn)象。

對(duì)經(jīng)過(guò)中值濾波后的圖像采用Canny算子與Sobel算子進(jìn)行檢測(cè)，缺陷檢測(cè)圖像如圖6所示。

對(duì)比圖 6中的圖像（c）和（d），得出 Canny算子在絕緣子涂層缺陷的檢測(cè)中能夠更好地保護(hù)邊緣信息，使缺陷部位的信息圖像輸出更加清晰。

圖6 缺陷檢測(cè)圖像

4 結(jié)語(yǔ)

將無(wú)人機(jī)與圖像處理應(yīng)用于絕緣子涂層缺陷檢測(cè)，相比于原始的人工高空檢測(cè)，不僅提高了檢測(cè)的精度，還提高了工作人員的安全系數(shù)。在圖像處理部分，中值濾波法能有效消減噪聲且能很好地保留圖像的細(xì)節(jié)。在圖像缺陷檢測(cè)算法上，選擇了Canny算法與Sobel算法并進(jìn)行了對(duì)比，發(fā)現(xiàn)Canny算法對(duì)邊緣的提取達(dá)到了實(shí)驗(yàn)前的圖像效果，沒(méi)有選擇到高強(qiáng)度噪聲作為邊緣，也沒(méi)有漏選低強(qiáng)度邊緣，能夠識(shí)別出缺陷部位。本文提出的基于Matlab的圖像處理與無(wú)人機(jī)相結(jié)合的絕緣子涂層缺陷檢測(cè)系統(tǒng)相較于傳統(tǒng)的檢測(cè)工藝具有明顯優(yōu)勢(shì)。