基于顏色和距離的絕緣子航拍圖像故障檢測方法

尚 方，朱明澤，劉 生，王孝余，侴海洋

(1. 國網(wǎng)黑龍江省電力有限公司電力科學研究院，哈爾濱150030；2.哈爾濱電氣國際工程有限責任公司，哈爾濱 150028；3. 國網(wǎng)黑龍江省電力有限公司伊春供電公司，黑龍江 伊春 153000)

0 引 言

根據(jù)《電力工業(yè)統(tǒng)計資料匯編》，截止2018年，中國35 kV以上的輸電線路長度合計189萬多千米，線路巡檢的工作量非常大。以國網(wǎng)黑龍江省電力有限公司為例，黑龍江省山地地形多，森林茂密，一條線路動輒上百千米，翻山越嶺，穿林過河。目前，絕大部分線路仍采用人工方式進行巡檢，幾乎沒有多少檢測可以通過檢修車輛、無人機設備等進行巡檢。夏天的樹木和沼澤、冬天齊腰深的積雪，給巡線工人帶來很多的風險同時人工巡檢難度大、效率低、準確率也并不好。因此，無人機巡檢是未來發(fā)展的趨勢。絕緣子狀態(tài)是輸電線路巡檢的關鍵指標之一，通過可見光來判斷絕緣子的狀態(tài)是目前巡檢的最主要做法。因此，探索一種經(jīng)濟高效的絕緣子狀態(tài)自動檢測手段，是有廣闊發(fā)展前景和重要應用價值的研究方向[1-4]。

1 絕緣子故障檢測的發(fā)展

現(xiàn)有的自動化巡檢方法基本上是通過無人機或者載人機攜帶攝像設備對絕緣子進行拍攝，再對拍照的圖像進行計算機圖形學處理來實現(xiàn)絕緣子的故障檢測[5]。一般學者是按以下兩個步驟進行，即首先定位絕緣子的區(qū)域，再對絕緣子缺陷進行檢測。

在絕緣子區(qū)域定位中，圖像分割經(jīng)常被國內(nèi)外學者應用在提取絕緣子區(qū)域上，但很少用于絕緣子缺陷檢測中[6]。文獻[7]結合了圖像分割算法，提出了利用圖像校正和投影變換的方法；文獻[8]提出了以圖片色調(diào)直方圖為選定參數(shù)的最大類間方差法。然而，這兩個方法都是針對藍色絕緣子這種非常特殊的情況進行的提取，而對于其他顏色的絕緣子考慮不多。文獻[9]提出以絕緣子圖像的紋理特征為參數(shù)，依靠特征選擇算法挑選的方法，然而這種方法計算量比較大，還需要計算圖像灰度矩陣。

在絕緣子缺陷檢測中，有學者提出這樣一個有效的方法：先分類統(tǒng)計識別分塊圖像的顏色、連通域形狀和邊緣鏈碼特性，再根據(jù)統(tǒng)計的結果識別絕緣子區(qū)域，最后用滑動窗口直方圖統(tǒng)計及匹配的方法發(fā)現(xiàn)絕緣子有缺陷的區(qū)域[10]。這種基于直方圖匹配判據(jù)的玻璃絕緣子缺陷診斷排除方法，能在一定的光線變換范圍和背景復雜度內(nèi)識別玻璃絕緣子損傷，快速排除大量正常玻璃絕緣子圖片，提高故障檢測效率。還有學者通過分區(qū)后計算各個區(qū)域特征值躍變的方法判定缺陷，具體方法為：先把絕緣子串都旋轉到水平角度，再分區(qū)計算圖像紋理特征值，最后根據(jù)特征值判定缺陷。但該方法有兩方面明顯的缺點：對拍攝角度要求高，且計算復雜[11]。分析這些處理絕緣子缺陷檢測的算法可知，它們只是關注于目標區(qū)域內(nèi)的絕緣子串是否有缺陷，卻不能精確標記出缺陷位置。

2 基于圖像顏色和距離的絕緣子故障檢測

2.1 無人機航拍圖像中絕緣子形態(tài)分析

在無人機航拍圖像中，絕大多數(shù)的絕緣子圖像如圖1(a)所示。存在著缺陷的情況如圖1(b)所示，圖上圈出部分為缺陷?？紤]到航拍輸電線路圖像一般都是以地面為背景，從上至下俯拍，因此絕緣子一般都有如下特點：

圖1 絕緣子串及單片缺失典型缺陷航拍圖像

1)單片絕緣子圖像為橢圓形狀；陶瓷絕緣子一般為黑白相間；復合絕緣子為橙色或者黑色；玻璃絕緣子為淺綠色，有明亮反光等特征。

2)絕緣子一般成串出現(xiàn)，外觀尺寸顏色基本相同，每個串中絕緣子片之間的空間距離相同(除非有個別出現(xiàn)問題的情況)。

3)當出現(xiàn)單片絕緣子自爆后，在圖像中能夠發(fā)現(xiàn)該串本應有絕緣子片的地方有明顯缺口，且缺口寬度約為正常絕緣子片間距的2倍多一點。

4)無人機設備航拍分辨率高，對焦準確，圖像非常清晰，易于提取出足夠多的像素信息用于后期處理。

5)航拍中為保證拍照安全，航拍器多高飛至桿塔上部，對絕緣子的拍照以大地為背景，因此，地表植被、環(huán)境(如水泥路面的灰色、水面的反光、淺綠色)等易對絕緣子檢測造成干擾。

2.2 基于顏色和空間距離的絕緣子故障檢測

利用圖像處理與模式識別技術檢測絕緣子碎裂的核心技術主要有定位、分類與損毀位置確定。下面詳細介紹每個步驟。

利用彩色數(shù)字圖像中絕緣子特有的顏色特征，確定RGB各分量的大致范圍，在圖像中找到在顏色范圍內(nèi)的點。這一步驟完成后，可以將圖像中屬于絕緣子的感興趣點提取出來，圖2(a)是原始圖像。

圖2 絕緣子興趣點提取示意圖

感興趣點提取出來后，將這些點歸類到各個絕緣子，計算每一個絕緣子中心點的位置和大小。可以看到，每個絕緣子是一個閉合的連通區(qū)域，因此，在圖2(b)中，找到符合條件的連通區(qū)域。連通區(qū)域的個數(shù)代表絕緣子的數(shù)量，連通區(qū)域的重心位置代表絕緣子的中心。

在這里約定，同一串上的絕緣子屬于同一類。由于絕緣子串在圖像中往往不是單個出現(xiàn)，一幅圖像中經(jīng)常會出現(xiàn)兩串甚至多串絕緣子，因此需要將上一步找到的絕緣子根據(jù)位置關系進行分類。首先，根據(jù)絕緣子中心位置計算其所屬串與水平方向的夾角。以圖3為例進行說明，如果需要測量最右上絕緣子的情況(即圖中所有線段的焦點處所標記待測絕緣子)，將其依次與其余圓點表示的絕緣子的中心位置兩兩連線，計算連線與水平位置的夾角。在圖3中，除待測絕緣子外一共有27個標記的絕緣子，因此該待檢測絕緣子有27個計算出來的夾角。其次，計算絕緣子所屬絕緣子串的角度。在一定的閾值范圍內(nèi)，可以統(tǒng)計出上一步計算出的27個夾角最大的響應，作為此絕緣子所屬絕緣子串的角度。對每一個絕緣子進行以上操作，計算出每一個絕緣子所屬串的角度。最后，根據(jù)兩個絕緣子之間連線與水平方向的夾角與其所屬串的角度比較，即可判斷兩者是否屬于同一串。

圖3 絕緣子所屬串判斷

找到同一串的絕緣子后，首先對它們根據(jù)位置關系進行排序，使其順序與真實排列一致；接下來計算相鄰絕緣子之間的距離，對距離進行排序，找到出現(xiàn)頻率最高的距離為基準距離；最后搜索所有兩兩絕緣子之間的距離，當存在某兩個絕緣子之間的距離大于1.5倍基準距離時，判定在這兩個超距絕緣子之間存有丟失的情況。如圖4所示，通過測量每個絕緣子之間的長度來推算基準距離，而三角形所在的兩個絕緣子之間的長度大于1.5倍基準距離，說明此區(qū)域異常。出現(xiàn)異常有可能是因為絕緣子丟失，也有可能是因為被遮擋或污損等造成無法提取完整絕緣子輪廓，因此需要進行進一步的判斷。在可能有問題的位置搜尋其適當尺寸的鄰域，當存在感興趣點的比率高于30%時，認為此處絕緣子未丟失，否則標示丟失位置。

圖4 絕緣子片丟失位置標示(三角形)

圖5所示為幾幅典型的絕緣子圖像，可見在多種復雜拍照角度及背景的情況下，所提算法能夠準確地定位絕緣子脫落的位置。圖5(a)背景為夏季茂密植被的情況；圖5(b)、(c)背景為春季茂密植被的情況，圖5(b)的困難點還體現(xiàn)在故障出現(xiàn)的位置恰好與背景相重合；圖5(d)背景為鋼塔鋼架，在這種情況下所提算法也能從復雜的背景中，把絕緣子串識別出來并最終確定故障位置。

圖5 所提算法檢測絕緣子異常狀態(tài)

3 結 語

1)重點關注了輸電線路自動化巡檢過程中絕緣子的提取及其缺片故障檢測問題，通過實驗證明，所提算法對于發(fā)生了污閃或者堆積鳥糞的情況有良好的檢測能力；

2)所提算法簡單高效，不需要大規(guī)模的數(shù)據(jù)運算，不需要高清晰圖片源，這給受多因素影響的航拍工作提供了非常大的便利。經(jīng)實驗，一幅50萬像素左右圖像的處理速度在500 ms左右。對于顏色特征明顯的絕緣子，所提方法準確率較高；

3)下一步將考慮在圖像中絕緣子串非常接近甚至重合于桿塔這一極端情況下的檢測算法，進一步提升算法的普適性。