基于視覺(jué)的絕緣子“掉串”缺陷的檢測(cè)與定位

王銀立，閆 斌

（電子科技大學(xué) 自動(dòng)化工程學(xué)院，四川 成都611731）

0 引 言

絕緣子［1，2］是一種特殊的絕緣控件，用于防止輸電線路的帶電部件形成接地通道。由于絕緣子長(zhǎng)期處于惡劣的自然環(huán)境中，所以經(jīng)常會(huì)出現(xiàn) “掉串”故障，此故障會(huì)使電網(wǎng)解裂，導(dǎo)致大面積停電，對(duì)電力系統(tǒng)的安全穩(wěn)定造成極大危害。傳統(tǒng)的監(jiān)測(cè)主要依賴(lài)于人工巡線。這種方法效率低、危險(xiǎn)系數(shù)很高。近年來(lái)，隨著計(jì)算機(jī)視覺(jué)［3，4］技術(shù)的迅速發(fā)展，使絕緣子的遠(yuǎn)程監(jiān)控成為可能，可以利用計(jì)算機(jī)視覺(jué)的知識(shí)對(duì)絕緣子圖片進(jìn)行處理，自動(dòng)識(shí)別絕緣子缺陷。傳統(tǒng)的識(shí)別絕緣子 “掉串”的算法［5］首先需要提取絕緣子的 “二值化”邊界，然后計(jì)算絕緣子邊緣的鏈碼與形狀數(shù)，最后通過(guò)分析形狀特征判斷故障。但對(duì)于復(fù)雜的自然環(huán)境，圖像的分割本身還是一個(gè)世界性難題。所以由此得出的算法的穩(wěn)定性并不高，不能適應(yīng)工業(yè)現(xiàn)場(chǎng)的復(fù)雜環(huán)境。

為此，針對(duì)復(fù)雜自然環(huán)境下的絕緣子，提出一種不依賴(lài)于完整分割邊緣的絕緣子 “掉串”識(shí)別算法。充分利用玻璃絕緣子的顏色特征，在Lab空間對(duì)圖像進(jìn)行相關(guān)處理，獲得邊緣不完整但可以代表絕緣子位置和區(qū)域范圍的二值圖像。然后構(gòu)建數(shù)學(xué)模型計(jì)算絕緣子區(qū)域內(nèi)的有效像素點(diǎn)的比例來(lái)判斷是否有 “掉串”缺陷。實(shí)驗(yàn)結(jié)果表明，通過(guò)此算法可以實(shí)現(xiàn) “掉串”絕緣子的檢測(cè)與準(zhǔn)確定位，相對(duì)于傳統(tǒng)算法識(shí)別率明顯提高。

1 復(fù)雜背景的去除

1.1 Lab空間閾值化

電力設(shè)備現(xiàn)場(chǎng)主要有兩個(gè)特點(diǎn)：①背景的復(fù)雜性，對(duì)于自然環(huán)境而言，絕緣子的背景是紛繁復(fù)雜的，即使同一地點(diǎn)在一年四季當(dāng)中變化也非常大，無(wú)規(guī)律可循。②光照的多變性，在不同地點(diǎn)和不同時(shí)間，光照都是不斷變化的。

基于以上兩個(gè)特點(diǎn)，觀察待處理的絕緣子 （如圖1 所示）可知，絕緣子帶有很明顯的顏色特征，選用RGB顏色模型可以描述其顏色特征。但由于RGB模型的3個(gè)分量都與光照有關(guān)，所以由此模型得到的顏色特征并不穩(wěn)定。故可以將其轉(zhuǎn)換到其它顏色空間，考慮到絕緣子獨(dú)特的顏色特征，該算法選擇Lab顏色空間。

Lab模型是由亮度 （L）分量和與顏色相關(guān)的兩個(gè)顏色分量 （a、b）組成。a取值為＋127～－128 （洋紅－綠）；b取值為＋127～－128 （黃－藍(lán)）。根據(jù)絕緣子的顏色特征，提取圖像的a通道分量并對(duì)其進(jìn)行直方圖均衡化得到L，如圖2所示。觀察圖2可知藍(lán)色絕緣子在a通道中占據(jù)了低閾值部分故可以對(duì)其閾值化將其目標(biāo)大致分割出來(lái)，閾值設(shè)定為經(jīng)驗(yàn)值30，閾值化的結(jié)果如圖3所示。

1.2 絕緣子的 “粗”分割

1.2.1 “最大類(lèi)間方差法”的原理介紹

“最大類(lèi)間方差法”［6－8］是一種自適應(yīng)的閾值確定的方法，它是按圖像的灰度特性，尋找最優(yōu)閾值使得目標(biāo)和背景的方差最大。

對(duì)圖1進(jìn)行灰度化得到圖像I，絕緣子串為前景，自然環(huán)境為背景。設(shè)：前景像素點(diǎn)占整幅圖像的比例為r0，其所在區(qū)域的平均灰度為u0；背景像素點(diǎn)所占比例為r1，平均灰度為u1。整幅圖像的平均灰度設(shè)為U，前景和背景之間的方差設(shè)為W，待求的閾值設(shè)為T(mén)。則：

圖像的平均灰度為

兩類(lèi)之間的方差為

將式 （1）、式 （2）帶入計(jì)算可得

遍歷圖像所有的灰度值，W 取最大值時(shí)的灰度即為待求的最優(yōu)分割閾值T。

1.2.2 面積形態(tài)學(xué)

面積形態(tài)學(xué)［10］與傳統(tǒng)的形態(tài)學(xué)相比不同之處在于使用面積結(jié)構(gòu)元素代替普通的結(jié)構(gòu)元素。在傳統(tǒng)形態(tài)學(xué)中，處理結(jié)果與結(jié)構(gòu)元素的形狀和大小密切相關(guān)，面積形態(tài)學(xué)的結(jié)果只與結(jié)構(gòu)元素的面積有關(guān)。面積形態(tài)學(xué)共包含兩類(lèi)運(yùn)算：面積開(kāi)運(yùn)算和面積閉運(yùn)算。

在一幅二值圖像中，連通域被定義為

其中，Pd＞l表示在二值圖像中p到q的連通路徑，則面積開(kāi)運(yùn)算可以定義為

其中，｜Cs（P）｜表示連通域的面積，由式 （5）可知經(jīng)過(guò)面積開(kāi)運(yùn)算后，面積小于閾值t的連通域被去掉，面積閉運(yùn)算的效果剛好相反，不再贅述。

1.2.3 過(guò)濾背景干擾

a空間圖像閾值化后依然含有很多背景干擾，如圖3所示，可以按照以下步驟進(jìn)行后續(xù)處理，去除復(fù)雜背景。

（1）對(duì)待處理圖像 （圖1）進(jìn)行灰度化得到圖像I，對(duì)I用 “最大類(lèi)間方差法”進(jìn)行閾值分割得到圖像G，如圖4所示。可以將絕緣子分割出來(lái)，但仍然無(wú)法去除復(fù)雜的背景，須配合顏色空間做進(jìn)一步分割。

圖4 最大類(lèi)間方差法分割結(jié)果G

（2）用G （圖4）中的像素與L （圖3）中的像素進(jìn)行邏輯“與”運(yùn)算，將運(yùn)算結(jié)果重新賦值給L，綜合利用顏色空間和灰度空間的信息可去除復(fù)雜的背景，結(jié)果如圖5所示。

圖5 L與G 邏輯 “與”運(yùn)算

（3）為了去除圖像中的小塊噪聲干擾，用面積形態(tài)學(xué)的方法［9，10］去除圖像5 中面積較小的連通域，在該算法中選擇去除連通域面積小于20的小塊區(qū)域。

如圖6所示為分割結(jié)果，去除了復(fù)雜的自然背景。雖然絕緣子的邊緣并沒(méi)有被完整保留下來(lái)，但結(jié)果中包含了絕緣子的位置信息和區(qū)域信息，可以作為絕緣子粗分割的結(jié)果。

圖6 去除小的連通域

2 “掉串”缺陷地檢測(cè)與精確定位

2.1 計(jì)算絕緣子的中心坐標(biāo)和區(qū)域坐標(biāo)

為了處理方便、提高定位精度，將上下兩個(gè)絕緣子串分開(kāi)處理。首先對(duì)獲取的絕緣子進(jìn)行直線擬合并計(jì)算線段的長(zhǎng)度，為了數(shù)學(xué)計(jì)算的方便，用示意圖來(lái)表示這一步的結(jié)果，如圖7所示。

圖7 直線擬合結(jié)果

SE所在的直線為擬合的直線，θ為直線與水平方向的夾角。O 點(diǎn)為絕緣子的中心坐標(biāo)。A、B、C、D 表示絕緣子區(qū)域的4個(gè)端點(diǎn)坐標(biāo)。

假設(shè)擬合的直線方程為Y＝k＊X＋b，由此可得

2.1.1 計(jì)算絕緣子的中心坐標(biāo)

（1）確定絕緣子串的起始點(diǎn)坐標(biāo)S和終點(diǎn)坐標(biāo)E，本文采用以下原則確定：

1）起始點(diǎn)距圖像的左側(cè)最近；終點(diǎn)距圖像的右側(cè)最近。

2）為了防止孤立噪聲點(diǎn)的干擾需檢測(cè)起始點(diǎn)和終點(diǎn)的八鄰域內(nèi)是否至少存在4個(gè)同屬于絕緣子的像素點(diǎn)。

（2）令SE的長(zhǎng)度為length則

（3）計(jì)算線段SO 的長(zhǎng)度 （令｜.｜表示線段長(zhǎng)度），O點(diǎn)為絕緣子的中心，設(shè)絕緣子的個(gè)數(shù)為N。

則

（4）由圖7根線段和角度之間的關(guān)系可以計(jì)算出O 點(diǎn)的坐標(biāo) （令Xs和Ys表示S點(diǎn)的橫坐標(biāo)和縱坐標(biāo)）

2.1.2 計(jì)算絕緣子的區(qū)域坐標(biāo)

若要確定矩形ADBC需知矩形的長(zhǎng)｜AC｜、寬｜AD｜以及頂點(diǎn)A的坐標(biāo)。

取｜AC｜為兩個(gè)絕緣子之間的距離即

令｜AD｜為所有絕緣子像素點(diǎn)到直線SE 的平均距離（設(shè)此平均距離為m）的2倍，即

另由圖7可得

由式 （6）－式 （16）可求得A 點(diǎn)的坐標(biāo)。

另一個(gè)方向 （θ＜0）的絕緣子推導(dǎo)過(guò)程類(lèi)似，這里僅給出最終結(jié)果。式 （18）和式 （19）分別為絕緣子中心點(diǎn)O坐標(biāo)和頂點(diǎn)A坐標(biāo)

如圖8所示為根據(jù)計(jì)算結(jié)果繪制的絕緣子中心和區(qū)域，圖中的灰色矩形邊框?yàn)榻^緣子的區(qū)域，邊框中心即為絕緣子中心。

圖8 絕緣子的中心和區(qū)域標(biāo)記

2.2 檢測(cè)與定位 “掉串”缺陷

設(shè)絕緣子區(qū)域內(nèi)的白色像素點(diǎn)所占比例為rate，白色像素點(diǎn)的個(gè)數(shù)為：count（i），可以通過(guò)下面的原則來(lái)判斷是否有缺陷

threshold是設(shè)定的閾值，在處理過(guò)程中我們?nèi)hreshold為所有rate的平均值的一半即

如圖9所示是按照式 （20）、式 （21）計(jì)算的絕緣子像素點(diǎn)所占的比例和判別故障需要設(shè)定的閾值。兩個(gè)白色邊框標(biāo)記了有缺陷的絕緣子和設(shè)定的閾值，可以看出根據(jù)閾值和式 （20）可以成功判斷并定位缺陷位置。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 測(cè)試結(jié)果展示

本文以某遠(yuǎn)程智能巡線系統(tǒng)為工程背景，該系統(tǒng)的目標(biāo)是實(shí)現(xiàn)輸電線路的遠(yuǎn)程智能監(jiān)控。在輸電線路現(xiàn)場(chǎng)安裝圖像傳感器，將需要監(jiān)控的輸電設(shè)備圖片通過(guò)遠(yuǎn)程網(wǎng)絡(luò)傳回主監(jiān)控室，主監(jiān)控系統(tǒng)是一個(gè)BS （brower／server）系統(tǒng)，允許客戶遠(yuǎn)程登錄進(jìn)行巡視。

圖9 閾值的選定

為了測(cè)試該算法的穩(wěn)定性，現(xiàn)場(chǎng)采集了400 張絕緣子圖像為實(shí)驗(yàn)對(duì)象，實(shí)驗(yàn)環(huán)境為opencv＋vs2008，opencv（open source computer vision library）［11，12］是由Intel公 司 提供的可以跨平臺(tái)使用的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，包含了500多個(gè)C／C＋＋高層API圖像處理接口，不依賴(lài)于外部庫(kù)。使用vs2008＋opencv的架構(gòu)可以大大縮短開(kāi)發(fā)時(shí)間，開(kāi)發(fā)語(yǔ)言使用C／C＋＋可以滿足工業(yè)現(xiàn)場(chǎng)實(shí)時(shí)性高的要求。

部分測(cè)試結(jié)果如圖10所示，有缺陷的地方用黑色的方框標(biāo)出。

圖10 測(cè)試結(jié)果

由圖10可知，因?yàn)椴灰蕾?lài)于完整的分割邊緣，此算法可適應(yīng)復(fù)雜的自然環(huán)境，而且可以精確地定位到 “掉串”絕緣子的位置。另外由于矩形區(qū)域的長(zhǎng)寬和判定閾值都是自適應(yīng)的，故該算法對(duì)絕緣子的角度和尺度的變化，也有很好的魯棒性。

3.2 與傳統(tǒng)算法對(duì)比分析

對(duì)于采集的400 幅圖片，我們將其人為分類(lèi)，如表1所示，然后分別用傳統(tǒng)的識(shí)別算法和本文的算法進(jìn)行測(cè)試，測(cè)試結(jié)果見(jiàn)表2。

表1 測(cè)試圖片分類(lèi)

表2 傳統(tǒng)算法與本文算法對(duì)比結(jié)果

由表2的測(cè)試結(jié)果可以得出如下結(jié)論：

（1）對(duì)于單一背景的絕緣子，傳統(tǒng)算法與本文算法的識(shí)別率都很高，可達(dá)到90%以上。

（2）對(duì)于復(fù)雜背景的絕緣子，傳統(tǒng)算法由于依賴(lài)于完整的分割邊緣，識(shí)別率較低，低于10%。而本文的算法卻可以較好地適應(yīng)這種場(chǎng)景，識(shí)別率可達(dá)到85%以上，相對(duì)于傳統(tǒng)算法具有絕對(duì)的優(yōu)勢(shì)。

4 結(jié)束語(yǔ)

本文針對(duì)復(fù)雜環(huán)境下的絕緣子 “掉串”缺陷，提出一種不依賴(lài)于完整分割邊緣的缺陷識(shí)別算法。該算法可以適應(yīng)復(fù)雜的自然背景，平均識(shí)別率可達(dá)到91.32%，并且可以準(zhǔn)確定位到缺陷絕緣子的位置。算法識(shí)別失敗的絕緣子主要是受到惡劣天氣的影響，比如大霧、大雨。今后的研究改進(jìn)應(yīng)針對(duì)大霧、大雨的自然環(huán)境提出能適用復(fù)雜天氣的識(shí)別算法。

［1］ZHANG Hongzhi.Handbook of typical defects analysis for 500kv transmission line ［M］.Beijing：China Electric Power Press，2009 （in Chinese）.［張宏志.500kv輸電線路典型缺陷分析手冊(cè) ［M］.北京：中國(guó)電力出版社，2009.］

［2］WU Guangya.Development of China's insulator and the issue should be considered ［J］.Insulators and Surge Arresters，2010，4 （2）：7－11（in Chinese）.［吳光亞.我國(guó)絕緣子的發(fā)展現(xiàn)狀及應(yīng)考慮的問(wèn)題［J］.電磁避雷器，2010，4 （2）：7－11.］

［3］ZHANG Zheng，WANG Yanping，XUE Guixiang.Image process and computer vision ［M］.Beijing：People Post Press，2010 （in Chinese）.［張錚，王艷平，薛桂香.圖像處理與計(jì)算機(jī)視覺(jué) ［M］.北京：人民郵電出版社，2010.］

［4］Zhang Bo.Computer vision vs human vision ［C］／／9th IEEE International Conference on Cognitive Informatics，2010.

［5］TONG Weiguo.Research on methods for recognition and status detection of power line based on aerial images ［D］.Beijing：Electrical Engineering Theory and New Technology School of Electrical Engineering，2011：91－99 （in Chinese）. ［仝衛(wèi)國(guó).基于航拍圖像的輸電線路識(shí)別與狀態(tài)檢測(cè)方法研究 ［D］.北京：華北電力大學(xué)電工理論與新技術(shù)專(zhuān)業(yè)，2011：91－99.］

［6］ZHAI Zhong.Research on image segmentation based on the improved Otsu algorithm ［J］.Computer Science，2009，36（5）：276－278 （in Chinese）. ［瞿中.基于改進(jìn)的最大類(lèi)間方差算法的圖像分割研究 ［J］.計(jì)算機(jī)科學(xué)，2009，36 （5）：276－278.］

［7］Shu H J，Xue G L，Xin L.An improved Otsu method for image segmentation［J］.Signal Processing，2006，8 （2）：1－4.

［8］Alsaeed D H，Bouridane A，Elzaart A.Two modified Otsu segmentation methods based on lognormal and Gamma distributions models［C］／／ICITeS，2012：1－5.

［9］GE Yumin，LI Baoshu，LIANG Shuang.Application of mathematical morphology to edge detection of insulator image［J］.High Voltage Apparatus，2012，48 （1）：101－104 （in Chinese）. ［葛玉敏，李寶樹(shù)，梁爽.數(shù)學(xué)形態(tài)學(xué)在絕緣子圖像邊緣檢測(cè)中的應(yīng)用［J］.高壓電器，2012，48 （1）：101－104.］

［10］XIONG Zheyuan，F(xiàn)AN Xiaoping，LI Yan.A new binary area morphology based algorithm for license plate localization［J］.Computer Simulation，2008，25 （11）：285－287 （in Chinese）.［熊哲源，樊曉平，黎燕.一種新的基于二值面積形態(tài)學(xué)的車(chē)牌定位算法［J］.計(jì)算機(jī)仿真，2008，25（11）：285－287.］

［11］YU Shiqi，LIU Ruizhen.Learning Opencv ［M］.Beijing：Tsinghua University Press，2009 （in Chinese）. ［于 仕 琪，劉瑞 禎. 學(xué) 習(xí) OpenCV ［M］. 北 京： 清 華 大 學(xué) 出 版社，2009.］

［12］YIN Junchao，LIU Zhifang.Detection and tracking of moving objects based on OpenCV ［J］.Computer Engineering Design，2011，32 （8）：2817－2820 （in Chinese）.［尹俊超，劉直芳.基于OpenCV 的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤 ［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2011，32 （8）：2817－2820.］