架空輸電線路本體缺陷圖像自動(dòng)識(shí)別技術(shù)

文/王剛

針對(duì)架空輸電線路本體缺陷圖像進(jìn)行高效、準(zhǔn)確的分割則是對(duì)電氣設(shè)備工作狀態(tài)進(jìn)行故障檢測(cè)和診斷的基礎(chǔ)，本文利用狀態(tài)檢測(cè)方法對(duì)架空輸電線路本體缺陷圖像進(jìn)行智能化、自動(dòng)化故障分析,實(shí)現(xiàn)了對(duì)架空輸電線路工作的穩(wěn)定性進(jìn)行動(dòng)態(tài)性能監(jiān)測(cè)，進(jìn)而保證電網(wǎng)運(yùn)行的可靠性和安全性。

1 前言

目前國內(nèi)外已經(jīng)開展“機(jī)巡+人巡”協(xié)同巡視的工作，其主要功能及工作重點(diǎn)在無人機(jī)設(shè)備管理，數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等降低巡視操作難度，巡視流程制度化管理等方面，但在缺陷圖像、視頻的計(jì)算機(jī)自動(dòng)化識(shí)別、處理方面，還處于待開發(fā)階段。隨著管理要求的提高，精細(xì)化巡檢成為趨勢(shì), 巡檢過程產(chǎn)生大量的圖像視頻資料。目前電力線進(jìn)行日常巡查過程中對(duì)現(xiàn)場(chǎng)巡查后獲得的架空輸電線路本體的巡檢視頻圖像和照片資料缺陷數(shù)據(jù)進(jìn)行比對(duì)與校驗(yàn)工作一般都是由人工來完成，存在工作量大、費(fèi)時(shí)且易產(chǎn)生疏漏等缺點(diǎn)。而且由于需要校驗(yàn)的圖像較多以及圖像上所涉及到的缺陷數(shù)據(jù)與輸電線路能否安全運(yùn)行有緊密的關(guān)系，為達(dá)到精確確認(rèn)，工作人員面臨巨大的考驗(yàn)。伴隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，如何實(shí)現(xiàn)架空輸電線路本體缺陷圖像自動(dòng)識(shí)別和校驗(yàn)這一課題逐漸走進(jìn)人們的視野。

為了實(shí)現(xiàn)對(duì)圖像進(jìn)行處理的目的，開始時(shí)要對(duì)圖像進(jìn)行預(yù)處理操作，除去圖像中包含的噪聲等，提高圖像的信噪比。對(duì)于那些識(shí)別起來有困難的圖像還要對(duì)其進(jìn)行增強(qiáng)，滿足人們對(duì)圖像進(jìn)行分析的要求。

綜上所述，如何實(shí)現(xiàn)對(duì)架空輸電線路本體缺陷圖像自動(dòng)識(shí)別就成為擺在電力系統(tǒng)管理者面前的一大難題。

2 架空輸電線路本體缺陷圖像自動(dòng)識(shí)別方法

針對(duì)架空輸電線路本體常見的絕緣子自爆、導(dǎo)地線斷股、塔身鳥窩、懸掛異物及塔材、螺栓、銷針等缺陷的圖片(如圖1所示)及視頻運(yùn)用機(jī)器視覺對(duì)數(shù)字圖像進(jìn)行增強(qiáng)、去噪、圖像分割、邊緣檢測(cè)，采用基于深度學(xué)習(xí)的機(jī)器學(xué)習(xí)算法，對(duì)圖像進(jìn)行缺陷識(shí)別，解決缺陷分類問題及缺陷標(biāo)記的問題。

圖1：輸電線路現(xiàn)場(chǎng)實(shí)例

根據(jù)業(yè)務(wù)需求，對(duì)桿塔本體進(jìn)行數(shù)據(jù)采集，對(duì)絕緣子、導(dǎo)地線、鳥窩、懸掛異物、螺栓、銷針等物體分類進(jìn)行拍攝拍照。篩選素材，選取樣本，將樣本分為正負(fù)樣本，標(biāo)出正樣本特征。建立識(shí)別模型，輸入少量數(shù)據(jù)進(jìn)行演算，查看匹配程度。輸入大量數(shù)據(jù)進(jìn)行模型精度訓(xùn)練，豐富特征樣本。融合各子分類訓(xùn)練模型，集成為識(shí)別引擎。最后編寫上層應(yīng)用程序，提供對(duì)底層識(shí)別引擎的調(diào)用接口。

建立桿塔、絕緣子、螺栓、金具、線纜、建筑、車輛等物體，以及滑坡、結(jié)冰、懸掛異物等場(chǎng)景的識(shí)別模型。通過圖像識(shí)別算法，結(jié)合大量巡檢樣本的深度學(xué)習(xí)訓(xùn)練、以及GPU計(jì)算技術(shù)，對(duì)無人機(jī)拍攝的照片、視頻進(jìn)行快速識(shí)別，發(fā)現(xiàn)問題、找出缺陷和隱患；利用熱成像設(shè)備，對(duì)線路發(fā)熱、電弧問題進(jìn)行自動(dòng)識(shí)別，快速報(bào)警。避免傳統(tǒng)人工觀看照片、視頻產(chǎn)生的疏忽、漏報(bào)現(xiàn)象，提高巡檢影像的識(shí)別效率和準(zhǔn)確度。

基于深度學(xué)習(xí)的多種圖像特征學(xué)習(xí)模型，經(jīng)過長時(shí)間的摸索和積累，構(gòu)建了針對(duì)車輛識(shí)別、路面識(shí)別、架空輸變線路本體及通道物體識(shí)別等引擎。通過GPU輔助運(yùn)算，大幅度提高識(shí)別的效率和準(zhǔn)確率。

通過對(duì)海量圖片特征進(jìn)行提取、訓(xùn)練，實(shí)現(xiàn)通過圖像特征信息進(jìn)行圖像內(nèi)容自動(dòng)識(shí)別的一種人工智能識(shí)別技術(shù)，可以簡單認(rèn)為其是一個(gè)“見多識(shí)廣”的智能機(jī)器人，可在無人工干預(yù)的狀態(tài)下進(jìn)行自動(dòng)識(shí)別工作，且無需任何樣本庫比對(duì)，通過訓(xùn)練可廣泛用于圖像、視頻內(nèi)容的檢測(cè)。

針對(duì)架空輸電線路本體缺陷圖像本文采用的技術(shù)處理步驟如下：

首先進(jìn)行圖像增強(qiáng)——由于成像過程中原始圖像受污跡或噪聲干擾或需要監(jiān)測(cè)的區(qū)域不明顯,因此先將圖像首先分成5x5個(gè)子圖像,再分別對(duì)每個(gè)子圖像具體增強(qiáng)。圖像增強(qiáng)方法主要分為空間域增強(qiáng)和變換域增強(qiáng)兩大類，本文采用了對(duì)每個(gè)子圖像采用不同增強(qiáng)系數(shù)的算法。先計(jì)算出每個(gè)子圖像的平均灰度，以及每個(gè)子圖像中心點(diǎn)附近的灰度均值和均方差值，然后依據(jù)原圖與平均灰度的差異，灰度變化越大的部分其放大倍數(shù)越小，這樣不同的地方采用不同的放大倍數(shù)，將“差異”放大，實(shí)現(xiàn)了圖像增強(qiáng)的效果。

之后進(jìn)行圖像去噪——包括濾除圖像的隨機(jī)噪聲、高斯噪聲等以減弱噪聲的影響。先將圖像從空間域轉(zhuǎn)換到變換域，再對(duì)變換域中的變換系數(shù)進(jìn)行處理，再進(jìn)行反變換將圖像從變換域轉(zhuǎn)換到空間域來達(dá)到去除圖像嗓聲的目的。本文采用K-L變換法，由于根據(jù)圖像的協(xié)方差矩陣來決定相應(yīng)的變換矩陣，因此本方法與圖像匹配效果較好。

下一步進(jìn)行圖像邊緣檢測(cè)——邊緣主要存在于目標(biāo)與目標(biāo)，目標(biāo)與背景或區(qū)域與區(qū)域之間，是圖像灰度不連續(xù)性的反映，圖像邊緣檢測(cè)是檢測(cè)圖像函數(shù)不連續(xù)點(diǎn)的過程表示。采用基于一階微分算子檢測(cè)邊緣圖像通過matlab來實(shí)現(xiàn)。一階微分邊緣算子又稱梯度邊緣算子，它是利用圖像在邊緣處的階躍性，及圖像梯度在邊緣去得極大值得特征性進(jìn)行邊緣檢測(cè)。canny算子主要在原一階微分算子基礎(chǔ)上進(jìn)行了擴(kuò)展，增加了非最大值抑制和雙閾值兩項(xiàng)改進(jìn)。利用非最大值抑制不僅可以有效地抑制多響應(yīng)邊緣，而且還可以提高邊緣的定位精度。利用雙閾值可以有效減少邊緣的漏檢率。主要分為四步進(jìn)行：高斯平滑去噪、計(jì)算梯度與方向角、非最大值抑制、滯后閾值化。

最后進(jìn)行圖像特征提取——為了識(shí)別出某圖像所屬的類別，我們需要將它與其他不同類別的圖像區(qū)分開來。這就要求選取的特征不僅要能夠很好地描述圖像，更重要的是還要能夠很好地區(qū)分不同類別的圖像。在滿足分類識(shí)別正確率要求的前提下，使用較少的特征就能完成分類設(shè)別任務(wù)是最佳方案。選擇那些在同類圖像之間差異較小，在不同類別的圖像之間差異較大的圖像特征可以滿足這一要求。同樣通過Matlab中的函數(shù)regionprops來計(jì)算每幅圖像的特征點(diǎn)，該函數(shù)是用來度量圖像區(qū)域?qū)傩缘暮瘮?shù)，獲得每幅圖像的曲率數(shù)據(jù)和骨架數(shù)據(jù)，能用來做更細(xì)致的特征提取。將有疑問的圖像向量與前文學(xué)習(xí)所獲得的圖庫中圖像的特征指相比較，相似比例超過事先設(shè)定好的閾值的就認(rèn)為是同樣的缺陷。

通過以上處理流程，初步實(shí)現(xiàn)了架空輸電線路本體缺陷圖像的分割與特征提取，為后續(xù)自動(dòng)識(shí)別缺陷奠定了技術(shù)基礎(chǔ)。

3 總結(jié)

終上所述，通過計(jì)算機(jī)系統(tǒng)圖像自動(dòng)識(shí)別技術(shù)，實(shí)現(xiàn)對(duì)架空輸電線路缺陷圖像的快速自動(dòng)識(shí)別，提高巡檢員工的工作效率，避免靠人力操控，靠經(jīng)驗(yàn)、無標(biāo)準(zhǔn)可遵循的巡檢流程，實(shí)現(xiàn)數(shù)字化、智能化、精細(xì)化的管理。如果該技術(shù)能夠被開發(fā)應(yīng)用在國家電網(wǎng)公司以及其他單位，就可以節(jié)省一部分人力資源，并且提高員工的勞動(dòng)生產(chǎn)率，更為重要的是提高了準(zhǔn)確度，降低了事故隱患。