基于LabVIEW的變電站絕緣子識別定位

趙天成，王 帥，楊 雯，施天賀

（武漢大學(xué)，武漢 430072）

隨著電力生產(chǎn)和控制技術(shù)的發(fā)展，智能化變電站實現(xiàn)無人值班和遠(yuǎn)方監(jiān)控成為發(fā)展的趨勢［1］。國外智能變電站的智能化巡檢起步較早，技術(shù)更為先進，其智能巡檢方式大多建立在GIS和GPS之上。2008年巴西圣保羅大學(xué)設(shè)計了主要應(yīng)用于變電站設(shè)備熱缺陷檢測的懸掛式移動機器人，搭載紅外熱像儀的機器人懸掛在預(yù)定鋼索軌道上，用來采集變電站設(shè)備溫度，監(jiān)控中心采用WiFi遠(yuǎn)程遙控機器人的動作。2007年山東魯能公司推出了第三代500 kV變電站設(shè)備巡檢機器人，對變電站母線、斷路器、變壓器等一次設(shè)備進行常規(guī)巡檢，并且提供基于紅外熱像儀的溫度檢測報警功能。2010年山東青島午山220kV變電站智能化改造中引入可見光照相機和紅外照相機的變電站巡檢機器人，主要用于熱缺陷檢測。該機器人采用了磁導(dǎo)航方式，可遙控或自主運行［2］。但國內(nèi)變電站巡檢機器人的研發(fā)水平局限于對現(xiàn)場進行圖片拍攝，經(jīng)過人工加以識別，并不是真正意義上的智能化，因而對機器視覺技術(shù)在智能變電站自動巡檢系統(tǒng)的應(yīng)用研究具有重要現(xiàn)實意義。

1 機器視覺系統(tǒng)的構(gòu)成

機器視覺主要通過確定識別對象，通過圖像采集裝置對圖像獲取，通過圖像處理算法對圖像特征進行提取，最后通過識別算法完成識別工作。機器視覺系統(tǒng)流程圖見圖1。

圖1 機器視覺系統(tǒng)流程圖

智能變電站巡檢系統(tǒng)中的視覺系統(tǒng)主要是將機器視覺應(yīng)用到變電站的無人巡檢中。本文以變電站絕緣子作為研究對象，通過高清攝像頭與紅外攝像頭同時獲取圖像，通過灰度化、二值化、腐蝕膨脹等一系列算法處理，提取變電站中絕緣子的特征參數(shù)，最后通過識別算法完成絕緣子的定位與識別。

2 絕緣子圖像的特征提?。?］

2.1 圖像灰度化處理

變電站中的絕緣子有著一系列影響識別的復(fù)雜背景，因此首先要對圖像進行灰度化處理，去除復(fù)雜的背景顏色。灰度化處理可以針對顏色編碼模式為RGB、HSV、YUV、HLS等圖像進行處理，本文主要闡述最常見的RGB圖像處理過程。

在RGB模型中，如果R＝G＝B時，則色彩表示一種灰度顏色，其中的R＝G＝B值即灰度值，因此灰度圖像每個像素只需要一個字節(jié)存放灰度值（或稱強度值、亮度值），灰度范圍0～255。一般采用分量法、最大值法、平均值法和加權(quán)平均值法對彩色圖像做灰度化處理。

由于人眼對綠色的敏感最高，對藍(lán)色敏感最低，本論文選用基于人體生理學(xué)的加權(quán)平均值法：

式中：R（i，j）、G（i，j）、B（i，j）分別為紅色、綠色、藍(lán)色在（i，j）像素點的值。

LabVIEW軟件中Vision Assistant快速VI中的Color Plane Extraction函數(shù)可以完成對彩色的RGB圖像的灰度化處理（見圖2b）。

2.2 灰度直方圖變化

圖像中的灰度種類較少時，可以對直方圖進行均衡化處理。直方圖均衡化就是把各個灰度級出現(xiàn)像素的概率盡量平均化處理，使直方圖曲線趨于平坦，常用的典型變換函數(shù)為：

式中：s（i，j）為（i，j）像素點的灰度值；r為灰度值變量。

Vision Assistant快速VI中的Histogram函數(shù)可以求得圖像的灰度直方圖。

2.3 圖像二值化處理

觀察灰度直方圖，找到波峰與波谷。將波谷所在位置的灰度值設(shè)置成為閾值，大于等于這個閾值的將像素變成1（即黑色），小于閾值的將像素變?yōu)?（即白色）［4］。經(jīng)過二值化處理之后的灰度圖見圖2c。

2.4 腐蝕與膨脹處理

2.4.1 腐蝕處理

腐蝕處理能夠使絕緣子圖像中比背景暗的部分得到了擴張，比背景亮的部分得到了收縮。選用不同的結(jié)構(gòu)元、不同的腐蝕次數(shù)能使得腐蝕后的圖像一定程度上消除圖像中孤立的噪點和削弱邊界輪廓。

2.4.2 膨脹處理

與腐蝕運算相反，膨脹運算能夠使絕緣子圖像中比背景亮的部分得到了擴張，比背景暗的部分得到了收縮。同樣，選取不同的結(jié)構(gòu)元不同的膨脹次數(shù)能擴大圖像中物體的輪廓，能夠使得原本不相連的幾個物體組合成一個物體。在一定情況下這樣更利于識別的進行。

腐蝕與膨脹處理之后見圖2的d、e。

3 絕緣子的形態(tài)模式識別與定位

3.1 絕緣子圖像的邊緣提取

對絕緣子圖像進行邊緣提取有利于得到圖像中有用部位的參數(shù)特征量，同時可以便于對絕緣子或者其他儀器設(shè)備進行物理參數(shù)的測量。

LabVIEW軟件中的可以實現(xiàn)Canny算子的邊緣檢測。

3.2 絕緣子識別與定位

經(jīng)過處理之后的絕緣子圖片可以用來完成絕緣子的定位與識別。在LabVIEW中可以通過IMAQ Count Objects 2VI來完成提取絕緣子在圖片中的位置。首先提取絕緣子的位置，然后LabVIEW的Count函數(shù)的連通域檢測方法來得知圖片中所存在的物體的個數(shù)，并且檢測每個連通區(qū)域上下左右4個頂點的坐標(biāo)，則目標(biāo)區(qū)域?qū)谝源松?、下頂點橫坐標(biāo)和左右頂點縱坐標(biāo)構(gòu)成的矩形之中。將圖片轉(zhuǎn)化為二維矩陣，然后使用以上4個坐標(biāo)將矩陣中對應(yīng)的子矩陣截取出來，實現(xiàn)單個目標(biāo)的分離。

圖2 絕緣子特征提取過程

如果圖片中的兩個物體相距較近，則有可能一個物體的部分區(qū)域被截取到與之相鄰的另一個物體的矩形子圖片之中，此時必須對子圖片中多余的區(qū)域進行清除。文中所采用的是面積比較和連續(xù)邊緣點判斷共同作用的方法來清除圖片中多余的區(qū)域。其中面積計算是對連通域中像素點的累加，連續(xù)邊緣點是指在圖像邊緣上屬于連通域的連續(xù)的像素點的個數(shù)。當(dāng)某一區(qū)域的面積不是這個子圖片中最大的，并且在子圖片邊緣有幾個連續(xù)像素時就可以判斷此區(qū)域為非目標(biāo)區(qū)域，將其像素灰度值全部賦值為0，則可實現(xiàn)非目標(biāo)區(qū)域的清除。

由于絕緣子具有對稱的特征，設(shè)絕緣子的像素高度為H，H的大小可由單個目標(biāo)分離后的子圖片的像素高度得知，絕緣子的中心點坐標(biāo)為a（x0，y0），絕緣子的傾斜角度為α，則絕緣子軸線的方程為：

由于圖片是以數(shù)組形式存儲，圖片中的坐標(biāo)是以左上角為原點，行方向為x軸，列方向為y軸，所以需要進行坐標(biāo)變換，設(shè)坐標(biāo)變換之后的絕緣子的中心點坐標(biāo)為a1（x1，y1），仍使用坐標(biāo)變換前的傾角α，則坐標(biāo)變換后的軸線方程為：

4 仿真試驗

智能變電站無人巡檢視覺系統(tǒng)如圖3所示。系統(tǒng)由機器人模塊、無線傳輸裝置和上位機構(gòu)成。機器人模塊主要包括傳感器部分、GPS導(dǎo)航系統(tǒng)，和圖像采集裝置。傳感器與GPS用來實現(xiàn)智能小車的路線歸來和蔽障。

圖3 智能變電站無人巡檢視覺系統(tǒng)

仿真試驗基本上成功找到了絕緣子的軸線位置與連通域。通過二值化處理之后變成完全的黑白圖像，再經(jīng)過腐蝕膨脹處理后去除噪點，通過Lab－VIEW的Count函數(shù)成功的找到了絕緣子的連通域，通過位置確定算法成功地找到了絕緣子的對稱中心線，實現(xiàn)了絕緣子的識別與定位。

5 結(jié)束語

本文針對目前智能變電站無人巡檢系統(tǒng)的研究現(xiàn)狀，提出了基于LabVIEW的絕緣子視覺識別定位。通過對絕緣子圖像的灰度化處理、二值化處理、腐蝕膨脹等處理，識別出了絕緣子在圖片中的位置，同時找到了絕緣子的軸線位置，實現(xiàn)了絕緣子的定位與識別?；贚abVIEW的絕緣子圖像的處理與識別定位研究，有助于今后智能變電站變電站設(shè)備的故障識別以及無人巡檢視覺系統(tǒng)的深入研究。

［1］洪憲平.走向網(wǎng)絡(luò)化的遠(yuǎn)動系統(tǒng)［J］.電力系統(tǒng)自動化，2001，25（6）：1－3.

［2］李向東，魯守銀，王宏.一種基于變電站使用的移動機器人介紹［J］.山東電力技術(shù)，2005，（03）：3－6，10.

［3］章毓晉.圖像工程［M］.北京：清華大學(xué)出版社，2012.

［4］梁華為.直接從雙峰直方圖確定二值化閾值［J］.模式識別與人工智能，2002，15（2）：253－256.