基于多尺度模板匹配的配電線路劣化絕緣子紅外熱像檢測

童志鵬，邱志斌，吳睿雯，周志彪，范 鵬，沈厚明

〈紅外應(yīng)用〉

基于多尺度模板匹配的配電線路劣化絕緣子紅外熱像檢測

童志鵬1，邱志斌1，吳睿雯1，周志彪1，范 鵬2，沈厚明2

（1．南昌大學(xué) 能源與電氣工程系，江西 南昌 330031；2．國網(wǎng)電力科學(xué)研究院武漢南瑞有限責(zé)任公司，湖北 武漢 430074）

瓷絕緣子在配電線路中應(yīng)用廣泛，受長期機(jī)電應(yīng)力與戶外惡劣環(huán)境影響，在運(yùn)行中易發(fā)生劣化。紅外熱像法是一種重要的劣化絕緣子帶電檢測方法，具有檢測方便、安全高效和非接觸式的優(yōu)點(diǎn)，已成為線路巡檢的重要手段，但劣化絕緣子熱像特征不明顯，肉眼識(shí)別易出現(xiàn)誤判。為此，本文首先對配電線路瓷絕緣子進(jìn)行溫度場仿真分析，然后提出了一種劣化絕緣子紅外熱像檢測方法，采用多尺度模板匹配算法定位識(shí)別絕緣子，獲取絕緣子紅外圖像中的坐標(biāo)參數(shù)，并對其進(jìn)行分割提取，通過最小二乘線性擬合提取絕緣子表面溫度。結(jié)合相關(guān)標(biāo)準(zhǔn)與仿真分析結(jié)果，通過同類比較判斷法對比多個(gè)絕緣子溫度狀態(tài)的差異，實(shí)現(xiàn)劣化絕緣子檢測。

劣化絕緣子；紅外熱像法；圖像處理；圖像匹配；溫度提取

0 引言

配電線路分布廣泛且靠近用戶側(cè)，其安全穩(wěn)定運(yùn)行直接影響供電可靠性。由于自身絕緣水平較低，配電線路在遭受雷擊時(shí)易造成絕緣子閃絡(luò)或擊穿事故[1]。瓷絕緣子在生產(chǎn)制造過程中通常會(huì)出現(xiàn)一些工藝缺陷，內(nèi)部存在微裂紋或小氣孔，在長期帶電運(yùn)行過程中，受機(jī)電負(fù)荷與惡劣氣候條件影響，其機(jī)械強(qiáng)度和絕緣性能會(huì)逐漸發(fā)生劣化，出現(xiàn)低值或零值絕緣子，嚴(yán)重威脅配電線路的安全運(yùn)行[2]。

配電線路瓷絕緣子遭受雷擊后會(huì)加速其機(jī)電性能劣化[3]。為避免劣化絕緣子引發(fā)線路事故，相關(guān)標(biāo)準(zhǔn)[4-5]規(guī)定需對瓷絕緣子開展定期檢測。國內(nèi)外研究者們提出了電場測量法[6]、紅外熱像法[7-9]、紫外成像法[10]、機(jī)器人檢測法[11]等多種方法檢測輸配電線路的劣化絕緣子。其中，紅外熱像法是指利用紅外熱像儀拍攝帶電運(yùn)行的絕緣子，通過對比絕緣子間溫度狀態(tài)的差異來判斷是否存在劣化絕緣子，因其存在不影響運(yùn)行、檢測方便和安全高效的優(yōu)點(diǎn)，是現(xiàn)有技術(shù)中相對可行的現(xiàn)場檢測方法。

近年來，紅外熱像法在劣化絕緣子檢測領(lǐng)域得到了廣泛關(guān)注，國內(nèi)外學(xué)者在該領(lǐng)域的研究也逐漸豐富。文獻(xiàn)[12]針對無人機(jī)拍攝的紅外圖像，基于周期紋理特征進(jìn)行絕緣子定位識(shí)別；文獻(xiàn)[13]研究了環(huán)境濕度對紅外熱像法檢測瓷絕緣子的影響，結(jié)果表明，濕度保持在80%左右最有利于劣化絕緣子的檢測；文獻(xiàn)[14]提出了一種改進(jìn)的隨機(jī)抽樣一致算法，通過紅外圖像中絕緣子特征點(diǎn)的精匹配，實(shí)現(xiàn)劣化絕緣子的準(zhǔn)確、快速識(shí)別。文獻(xiàn)[15]驗(yàn)證了紅外熱像法用以檢測劣化瓷絕緣子的實(shí)用性，但僅依靠帶電設(shè)備紅外診斷應(yīng)用規(guī)范[16]診斷劣化絕緣子效果不佳，正確檢出率較低。目前研究表明，紅外圖像的采集易受到氣象因素、檢測距離、拍攝角度、環(huán)境濕度等多重因素影響，導(dǎo)致紅外圖像不易處理，且劣化絕緣子檢測判據(jù)單一、漏判率高。

針對上述問題，本文首先對配電線路瓷絕緣子進(jìn)行建模仿真分析，與帶電設(shè)備紅外診斷應(yīng)用規(guī)范相互驗(yàn)證，提出檢測配電線路劣化絕緣子的判據(jù)；然后提出一種基于多尺度模板匹配的配電線路劣化絕緣子紅外熱像檢測方法，以廣泛應(yīng)用的P-10型絕緣子紅外圖像為例，對圖像進(jìn)行去噪和灰度化預(yù)處理，采用多尺度模板匹配算法實(shí)現(xiàn)絕緣子的定位識(shí)別，獲取紅外圖像中絕緣子的坐標(biāo)參數(shù)，并對絕緣子進(jìn)行分割，通過最小二乘線性擬合提取絕緣子溫度，通過同類比較判斷法對比多個(gè)絕緣子的溫度差異，實(shí)現(xiàn)劣化絕緣子的檢測。

1 劣化絕緣子紅外檢測原理

瓷絕緣子的劣化可通過發(fā)熱異常的形式體現(xiàn)，通過紅外熱像儀可以將紅外能量轉(zhuǎn)換成紅外圖譜，從而判斷其發(fā)熱狀態(tài)。劣化絕緣子包含低值絕緣子和零值絕緣子，正常絕緣子阻值在300MΩ以上，低值絕緣子阻值在10～300MΩ，零值絕緣子阻值低于10MΩ，絕緣子發(fā)熱公式如下：

式中：是絕緣子的發(fā)熱量；是絕緣子兩端電壓；是絕緣子電阻值；是運(yùn)行時(shí)間。

正常絕緣子劣化成低值絕緣子后，阻值降低，由(1)式知，發(fā)熱功率上升。當(dāng)阻值降低到臨界閾值以下，絕緣子的內(nèi)部絕緣被擊穿，出現(xiàn)泄漏電流，此時(shí)零值絕緣子兩端電位差接近0，導(dǎo)致發(fā)熱功率下降，向外輻射的紅外能量也減少。相比于正常情況下的發(fā)熱特征，低值絕緣子的灰度值高于正常絕緣子，零值絕緣子的灰度值低于正常絕緣子。

本文根據(jù)劣化絕緣子與正常絕緣子的紅外熱像差異，對配電線路瓷絕緣子進(jìn)行建模與溫度場仿真分析，提出一種基于多尺度模板匹配的劣化絕緣子紅外熱像檢測方法，兩種方法相互驗(yàn)證實(shí)現(xiàn)劣化絕緣子檢測，流程如圖1所示。

圖1 劣化絕緣子檢測流程

2 配電線路瓷絕緣子溫度場仿真分析

2.1 有限元仿真模型

以圖2(a)所示的配電線路為例進(jìn)行建模仿真，所采用的P-10型絕緣子由瓷件、水泥膠合劑及鐵腳組成，其三維模型如圖2(b)所示。零值絕緣子的剖面圖如圖2(c)所示，將導(dǎo)線和絕緣子鐵腳間的局部瓷件及混凝土膠合劑部分設(shè)置為金屬導(dǎo)體材料，代表貫穿性缺陷，外部仍為瓷件材料[17]。低值絕緣子的剖面圖如圖2(d)所示，對絕緣子出現(xiàn)裂痕的情況進(jìn)行仿真，在絕緣子內(nèi)部建立3條極其細(xì)微且長度為20mm裂痕，裂痕的產(chǎn)生會(huì)加速絕緣材料老化，導(dǎo)致裂痕周圍局部瓷件導(dǎo)熱率下降[18]。

圖2 桿塔模型

2.2 仿真邊界條件及材料屬性

設(shè)置環(huán)境溫度為25℃，導(dǎo)線采用鋼芯鋁絞線，由于比熱容和導(dǎo)熱率對溫度場影響比較大，故在材料參數(shù)設(shè)置時(shí)，只考慮這兩種參數(shù)，如表1所示[19-20]。

表1 材料屬性

2.3 仿真結(jié)果分析

當(dāng)環(huán)境溫度為25℃時(shí)，計(jì)算得到的溫度分布云圖如圖3所示，從左到右依次是正常絕緣子、零值絕緣子、低值絕緣子。零值絕緣子缺陷周圍的溫度比正常絕緣子低2℃左右，其余部分溫差在1℃左右，低值絕緣子缺陷周圍的溫度比正常絕緣子高2℃左右，其余部分溫差在1℃左右。由表2可知：零值絕緣子發(fā)熱最高溫度比正常絕緣子要低1.6℃左右，低值絕緣子比正常絕緣子最高溫度高1.1℃。符合帶電設(shè)備紅外診斷應(yīng)用規(guī)范標(biāo)準(zhǔn)所述：零值絕緣子發(fā)熱溫度比正常絕緣子要低1℃左右，低值絕緣子發(fā)熱溫度比正常絕緣子要高1℃左右?？蓪⒎抡娼Y(jié)果作為劣化絕緣子紅外熱像檢測的判據(jù)。

圖3 溫度云圖

表2 仿真結(jié)果

3 紅外圖像預(yù)處理

3.1 灰度化

彩色圖像又稱為RGB圖像，是由、、三個(gè)通道分量構(gòu)成的三維矩陣，矩陣中的數(shù)值代表該點(diǎn)的像素值，每個(gè)像素的三通道分量均有256種取值，為了減少計(jì)算機(jī)的運(yùn)算量，需要將RGB圖像轉(zhuǎn)換成數(shù)據(jù)量更小的灰度圖像?；叶葓D像是彩色圖像中的特例，其中一個(gè)像素點(diǎn)的變化范圍不變，但、、三個(gè)通道數(shù)值相同，因此數(shù)據(jù)量相比于RGB圖像少很多?；叶然褪鞘挂环噬珗D像的、、三通道轉(zhuǎn)換成相同數(shù)值矩陣的圖像處理方法。圖像經(jīng)過灰度化處理后仍然保留了RGB圖像的亮度和色度的特點(diǎn)[21]。本文采取加權(quán)法灰度化：

式中：(,)為像素點(diǎn)的坐標(biāo)位置；Gray(,)為該像素點(diǎn)灰度值；(,)、(,)、(,)分別為該像素點(diǎn)紅、綠、藍(lán)色通道分量的數(shù)值。

3.2 BM3D圖像去噪

三維塊匹配濾波（block-matching and 3D filtering，BM3D）是目前降噪性能最優(yōu)的算法之一[22]，該算法綜合了頻率濾波和空間濾波的優(yōu)點(diǎn)，能夠使圖像的細(xì)節(jié)信息損失降到最低，得到很高信噪比。該算法分兩步進(jìn)行圖像去噪，第一步稱為基礎(chǔ)估計(jì)濾波，第二步稱為最終估計(jì)濾波，每一步均包括相似塊分組、協(xié)同濾波和聚集3個(gè)部分，基礎(chǔ)估計(jì)為最終估計(jì)提供權(quán)重參數(shù)，最終估計(jì)取基礎(chǔ)估計(jì)的權(quán)重參數(shù)進(jìn)行濾波。BM3D算法流程如圖4所示。

圖4 BM3D算法流程

1）相似塊分組：將紅外圖像分成大小相同的圖像塊，取一圖像塊作為參考塊，在參考塊的鄰域內(nèi)匹配相似塊，并將每組參考塊與相似塊歸為一類三維矩陣。塊與塊之間的相似性用塊間距表示，塊間距越小，其相似性也就越高。這樣即可構(gòu)造出若干個(gè)相似塊組。

2）協(xié)同濾波：對每個(gè)相似塊組進(jìn)行二維變換，變換到頻率域，再通過硬閾值收縮濾波在頻率域進(jìn)行濾波處理，隨后通過三維逆變換到空間域得到處理后的圖像塊。每個(gè)圖像塊都是對去噪圖像的估計(jì)，最后將各個(gè)圖像塊恢復(fù)到原位置。

3）聚集：由于在相似塊匹配階段會(huì)出現(xiàn)重復(fù)匹配的情況，某一個(gè)像素點(diǎn)可能會(huì)出現(xiàn)在多個(gè)圖像塊中，因此需要通過聚集對有重疊的圖像塊估計(jì)值進(jìn)行加權(quán)平均處理，從而得到該像素點(diǎn)的估計(jì)值。

以一幅瓷絕緣子紅外圖像為例，經(jīng)過灰度化和BM3D去噪預(yù)處理后的圖像如圖5所示。

圖5 紅外圖像預(yù)處理

4 絕緣子定位識(shí)別

4.1 模板匹配算法

模板匹配算法通過給定一幅模板圖像，采用相關(guān)系數(shù)匹配法等相似度度量算法對待匹配圖像與模板圖像進(jìn)行比較，找到待匹配圖像上與模板圖像相似度最高的部分，該部分即為提取到的感興趣區(qū)域（region of interest，ROI）[23]。如圖6所示，構(gòu)建模板圖像庫，該庫由多幅30pixel×30pixel尺寸的P-10型絕緣子圖像構(gòu)成，每次進(jìn)行模板匹配時(shí)可從中選出一幅作為模板圖像，目標(biāo)圖像為一幅經(jīng)過預(yù)處理的P-10型絕緣子圖像。

圖6 模板匹配演示

模板圖像在目標(biāo)圖像上從左上角坐標(biāo)原點(diǎn)開始平移滑動(dòng)，直到遍歷目標(biāo)圖像為止。每滑動(dòng)一個(gè)像素就得計(jì)算模板圖像與紅色矩形框內(nèi)子圖的相似度，在獲得的相似度圖像中，計(jì)算出最大相似圖像，即為提取到的ROI。

采用相關(guān)系數(shù)匹配法進(jìn)行模板匹配，模板圖像和目標(biāo)圖像的每個(gè)像素點(diǎn)都減去總體像素的平均值，使其均沒有直流分量，計(jì)算公式為：

式中：和分別表示模板圖像和目標(biāo)圖像；和為模板圖像的寬和高；(,)和(￠,￠)是圖中某個(gè)點(diǎn)相對于目標(biāo)圖像原點(diǎn)與紅色矩形框內(nèi)子圖左上角的坐標(biāo)，'(',')和'(',')是和中該點(diǎn)的已降低灰度值。模板圖像與紅色矩形框內(nèi)子圖的相似度函數(shù)如下：

通過模板匹配識(shí)別圖5中的絕緣子，ROI的結(jié)果如圖7所示。

圖7 模板匹配結(jié)果

Fig.7 Template matching result

4.2 Canny算子邊緣檢測

Canny算子是圖像邊緣檢測的常用方法，其檢測準(zhǔn)確性高，可以識(shí)別圖像中物體的邊緣，并盡可能保證圖像的邊緣特征，減少圖像中雜亂數(shù)據(jù)的干擾[24]。通過Canny算子進(jìn)行邊緣檢測的原理如下：

①通過高斯濾波進(jìn)行圖像去噪；

②采樣梯度算子計(jì)算垂直、水平、對角線方向的梯度，采用非極大值抑制消除邊緣檢測帶來的雜散響應(yīng)，得到圖像梯度中的局部最大值；

③進(jìn)行高低閾值檢測，得到圖像中物體準(zhǔn)確的邊緣，高于高閾值的像素設(shè)定為強(qiáng)邊緣，低于低閾值的像素被抑制，最終得到二值圖像。

4.3 多尺度模板匹配算法

如圖7所示，模板匹配雖然可以匹配目標(biāo)圖像中的絕緣子，但是ROI卻并沒有與絕緣子大小一致，仍然包含了絕緣子周圍的區(qū)域。本文采用多尺度模板匹配解決上述問題，其具體原理如下：

①將目標(biāo)圖像和模板圖像先轉(zhuǎn)換成灰度圖，然后采用Canny算子提取模板圖像和目標(biāo)圖像的邊緣，利用模板圖像邊緣進(jìn)行模板匹配。

②將提取邊緣后的模板圖像在目標(biāo)圖像上滑動(dòng)，紅色矩形框即為模板圖像在目標(biāo)圖像上滑動(dòng)時(shí)的位置，同時(shí)目標(biāo)圖像根據(jù)Scale比例進(jìn)行縮放，并保持寬高比，當(dāng)縮放到圖像小于模板圖像時(shí)，則停止縮放。依據(jù)相關(guān)系數(shù)匹配法計(jì)算模板圖像與當(dāng)前紅色矩形框內(nèi)圖像的相似度，以進(jìn)行相關(guān)性匹配，

從計(jì)算結(jié)果中找到相似度最高的紅色矩形框內(nèi)的圖像，即為提取到的ROI，算法模型如圖8所示。

經(jīng)過多尺度模板匹配后，紅外圖像中的絕緣子被最小外接矩形框標(biāo)識(shí)出來，可以準(zhǔn)確顯示其位置，ROI提取結(jié)果如圖9所示。

5 絕緣子溫度提取

5.1 讀取溫寬條灰度矩陣

在計(jì)算機(jī)視覺領(lǐng)域中，圖像的本質(zhì)就是數(shù)值矩陣，數(shù)值為像素值的大小，且彩色圖像是由RGB三維矩陣所構(gòu)成的，灰度圖像也是三維矩陣，只不過灰度圖像中矩陣、矩陣和矩陣是相等的，亦可稱為灰度矩陣。

圖8 多尺度模板匹配算法模型

圖9 多尺度模板匹配結(jié)果

本文通過對一幅P-10型絕緣子的紅外熱像及其溫寬條進(jìn)行相同的加權(quán)均值灰度化處理，讀取溫寬條及其周邊區(qū)域的灰度值，得到一組27pixel×147pixel×3大小的三維灰度值矩陣，其部分矩陣如圖10所示，其中，矩形框內(nèi)的數(shù)字為溫寬條的部分灰度值矩陣，矩形框外的數(shù)字是溫寬條周邊區(qū)域的灰度值。本文選取的溫寬條溫度范圍為1℃～24℃，保持?jǐn)?shù)據(jù)集中的紅外圖像為同一溫寬條，便于對其進(jìn)行研究分析，在讀取溫寬條灰度矩陣時(shí)可減少數(shù)據(jù)誤差。

通過研究溫寬條灰度矩陣可得出以下規(guī)律：①溫寬條外區(qū)域的灰度值隨機(jī)排列；②溫寬條的灰度矩陣中的灰度值隨溫度下降單調(diào)遞減，且基本呈線性關(guān)系，可對溫寬條進(jìn)行線性擬合，得到溫度與灰度值的關(guān)系。

圖10 溫寬條及其部分灰度矩陣

5.2 最小二乘線性擬合

最小二乘法是將散點(diǎn)擬合成直線的常用方法，設(shè)(x,y)是一組觀測數(shù)據(jù)，且(x,y)∈，滿足以下函數(shù)：

其中＝[1,2,3, …,]T為待定參數(shù)。為了尋找函數(shù)的最優(yōu)估計(jì)值，對于給定的組觀測數(shù)據(jù)(x,y)（＝1, 2,…,），只要觀測數(shù)據(jù)的組數(shù)比待定參數(shù)多，那模型的參數(shù)是唯一確定的解，求解目標(biāo)函數(shù)：

式中：使目標(biāo)函數(shù)取最小值的參數(shù)t(＝1, 2,…,)即為最優(yōu)估計(jì)值。最小二乘法是求方程組近似解的估計(jì)算法，以最小殘差平方和確定最佳匹配函數(shù)，通過擬合直線求取未知的數(shù)據(jù)，并使得這些求取值與實(shí)際值之間誤差的平方和為最小值[25]。

根據(jù)5.1節(jié)中溫寬條灰度矩陣的排列規(guī)律，從溫寬條灰度矩陣中每隔1℃選取24組灰度值及其對應(yīng)的溫度，如表3所示，以灰度值為自變量，溫度為因變量，進(jìn)行最小二乘線性擬合，結(jié)果如圖11所示，可得到＝0.1132－2.1824為灰度值與溫度的對應(yīng)關(guān)系式。經(jīng)過誤差分析，當(dāng)＝112時(shí)，經(jīng)擬合直線所求的＝10.496，與實(shí)際值＝11相差0.504，為擬合數(shù)據(jù)中的最大誤差，即經(jīng)過最小二乘線性擬合，提取紅外圖像上各像素的溫度值，最大誤差在±0.5℃之內(nèi)，平均誤差在±0.20℃之內(nèi)，其精度可以滿足劣化絕緣子檢測分析要求。

圖11 最小二乘線性擬合結(jié)果

5.3 絕緣子區(qū)域溫度分布

根據(jù)最小二乘線性擬合結(jié)果，紅外圖像中每一個(gè)像素點(diǎn)都對應(yīng)不同的溫度大小，本文選取圖9紅色矩形框內(nèi)絕緣子圖像為例，將其轉(zhuǎn)換為3維圖像，可得到絕緣子區(qū)域的溫度分布，如圖12所示，其中黃色區(qū)域是紅外圖像中的絕緣子區(qū)域。

圖12 絕緣子區(qū)域溫度分布

由于紅外線由物體表面向四周散發(fā)，從固定角度拍攝物體，面向拍攝角度的熱量會(huì)接收的更多，故紅外圖像中的物體邊緣溫度會(huì)略低于內(nèi)部溫度。同時(shí)，部分紅外圖像會(huì)出現(xiàn)絕緣子被遮擋的情況，因此在讀取絕緣子溫度時(shí)，不宜選取整個(gè)絕緣子區(qū)域求取內(nèi)部的平均溫度，本文根據(jù)圖12中絕緣子區(qū)域溫度分布情況，以出現(xiàn)頻率最高的灰度值代表絕緣子的實(shí)際灰度值，將其最小二乘擬合結(jié)果作為實(shí)際溫度。

6 算例驗(yàn)證與結(jié)果分析

6.1 P-10型絕緣子紅外熱像檢測

本文算例在Python3.6版本的軟件環(huán)境以及CPU為2.90GHz、Intel Core i5-10400H硬件環(huán)境下完成。選取某10kV配電線路的兩種型號(hào)瓷絕緣子，采用紅外熱像儀采集圖像數(shù)據(jù)，拍攝時(shí)氣溫在16℃～22℃之間，圖像大小為290pixel×240pixel。

選取P-10型絕緣子的8幅典型紅外圖像為例，依次命名為a.jpg～h.jpg，通過預(yù)處理凸顯圖像的信息特征、減少圖像中的雜亂信息，采用多尺度模板匹配算法準(zhǔn)確定位紅外圖像中的絕緣子，經(jīng)過閾值分割[26]與圖像融合[27]將絕緣子從紅外圖像中分割提取出來，結(jié)果如圖13所示。通過讀取絕緣子內(nèi)出現(xiàn)頻率最高的灰度值，代入擬合直線＝0.1132－2.1824求取實(shí)際溫度，結(jié)果如表4所示。根據(jù)劣化絕緣子的判據(jù)可知，在紅外圖像中零值絕緣子呈現(xiàn)暗色調(diào)，低值絕緣子呈現(xiàn)亮色調(diào)，通過對比多個(gè)絕緣子間的溫度狀態(tài)差異，可以實(shí)現(xiàn)劣化絕緣子的檢測。上述8幅紅外圖像都是在同一時(shí)間段內(nèi)拍攝，可排除環(huán)境條件差異對絕緣子溫度的影響，由表4可知，原始圖像中絕緣子實(shí)際溫度都在22℃左右，但其中“f.jpg”的溫度只有21.1368℃，明顯低于其余正常絕緣子溫度，可判斷其為零值絕緣子，從圖13(e)也可看出，“f.jpg”中絕緣子呈現(xiàn)暗色調(diào)，亮度低于其余絕緣子。

表3 灰度值以及與其對應(yīng)的溫度

圖13 P-10型絕緣子紅外圖像分割提取結(jié)果

6.2 PS-15型絕緣子紅外熱像檢測

為了驗(yàn)證本文方法對不同型號(hào)絕緣子的適用性，以4幅PS-15型絕緣子為例，依次命名為i.jpg～l.jpg，通過更換模板圖像，實(shí)現(xiàn)絕緣子的定位識(shí)別和溫度提取，結(jié)果如圖14與表5所示，可見絕緣子溫度在22℃～23℃范圍內(nèi)，“j.jpg”的溫度明顯偏高，比其余絕緣子的平均溫度高出0.9056℃，因此“j.jpg”疑似為低值絕緣子，需要運(yùn)檢人員現(xiàn)場驗(yàn)證，如有問題及時(shí)更換。上述結(jié)果驗(yàn)證了本文方法的有效性與批量自動(dòng)化檢測劣化絕緣子的可行性。進(jìn)一步地，隨機(jī)選取某地區(qū)拍攝的200幅10kV配電線路絕緣子的紅外圖像，利用本文方法開展劣化絕緣子檢測。結(jié)果表明，正確識(shí)別絕緣子的圖像有182幅，識(shí)別正確率為91%；檢測為劣化絕緣子的圖像13幅，包括2幅零值絕緣子圖像與11幅低值絕緣子圖像，研究結(jié)果有助于實(shí)現(xiàn)配電線路劣化絕緣子在線檢測，提高配電線路運(yùn)維效率。

表4 P-10型絕緣子紅外熱像的溫度提取結(jié)果

圖14 PS-15型絕緣子定位識(shí)別結(jié)果

表5 PS-15型絕緣子紅外熱像的溫度提取結(jié)果

7 結(jié)論

本文方法在定位識(shí)別絕緣子方面準(zhǔn)確率較為理想，采用本文提出的多尺度模板匹配算法，可實(shí)現(xiàn)配電線路紅外圖像絕緣子的準(zhǔn)確識(shí)別，并實(shí)現(xiàn)劣化絕緣子的檢測，最終檢測結(jié)果可為運(yùn)檢人員提供疑似劣化絕緣子的明確位置，減少檢測劣化絕緣子的工作量，安全高效，實(shí)用性強(qiáng)，可以實(shí)現(xiàn)批量自動(dòng)化檢測劣化絕緣子，對配電線路檢測劣化絕緣子研究提供了參考，具有較好的工程應(yīng)用前景。

[1] 王羽, 文習(xí)山, 藍(lán)磊, 等. 提高架空配電線路耐雷水平的仿真分析[J]. 高電壓技術(shù), 2011, 37(10): 2471-2476．

WANG Yu, WEN Xishan, LAN Lei, et al. Simulation analysis on improving lightning withstanding level of overhead distribution lines[J]., 2011, 37(10): 2471-2476.

[2] 邱志斌, 阮江軍, 黃道春, 等. 輸電線路懸式瓷絕緣子老化形式分析與試驗(yàn)研究[J]. 高電壓技術(shù), 2016, 42(4): 1259-1267．

QIU Zhibin, RUAN Jiangjun, HUANG Daochun, et al. Study on aging modes and test of transmission line porcelain suspension insulators[J]., 2016, 42(4): 1259-1267.

[3] 汪小丁. 10kV配電線路防雷分析與海寧地區(qū)防雷討論[J]. 農(nóng)村電氣化, 2022(7): 24-26.

WANG Xiaoding. Analysis and discussion on lightning protection of 10 kV distribution line[J]., 2022, (7): 24-26.

[4] 國家能源局. 輸變電設(shè)備狀態(tài)檢修試驗(yàn)規(guī)程: DL/T 393-2010 [S]. 北京: 中國電力出版社, 2010．

National Energy Administration. Regulations of Condition-based Maintenance & Test for Electric Equipment: DL/T 393-2010[S]. Beijing: China Electric Power Press, 2010.

[5] 國家能源局. 劣化懸式絕緣子檢測規(guī)程: DL/T 626-2015 [S]. 北京: 中國電力出版社, 2015．

National Energy Administration. Aging suspension insulators inspection rule: DL/T 626-2015[S]. Beijing: China Electric Power Press, 2015.

[6] 王力農(nóng), 簡思亮, 宋斌, 等. 基于電場分布測量法的輸電線路劣化絕緣子檢測研究[J]. 電瓷避雷器, 2019(4): 199-205．

WANG Linong, JIAN Siliang, SONG Bin, et al. Research on the detection of faulty insulator in transmission line based on electric field distribution measurement[J]., 2019(4): 199-205.

[7] 盧航, 姚建剛, 付鵬. 基于總體最小二乘的Shearlet自適應(yīng)零值絕緣子紅外圖像去噪[J]. 紅外技術(shù), 2015, 37(10): 842-846．

LU Hang, YAO Jiangang, FU Peng, et al. Faulty insulators infrared thermal image adaptive denoising based on total least squares estimation and Shearlet transform[J]., 2015, 37(10): 842-846．

[8] 程洋, 夏令志, 李志飛, 等. 基于紅外成像法的零值瓷絕緣子檢測[J]. 絕緣材料, 2019, 52(3): 74-79．

CHENG Yang, XIA Lingzhi, LI Zhifei, et al. Detection of faulty porcelain insulator based on infrared imaging method[J]., 2019, 52(3): 74-79.

[9] 張美金, 屈秋帛. 基于GWO-SVM的紅外熱成像低零值絕緣子識(shí)別[J]. 紅外技術(shù), 2021, 43(4): 397-402．

ZHANG Meijin, QU Qiubo. Infrared thermography low-zero insulator identification based on GWO-SVM[J]., 2021, 43(4): 397-402.

[10] 王勝輝, 姜婷玥, 李偉, 等. 零值絕緣子串紅外和紫外成像特性試驗(yàn)及耦合場仿真研究[J]. 高壓電器, 2021, 57(12): 1-9．

WANG Shenghui, JIANG Tingyue, LI Wei, et al. Study on infrared and UV imaging characteristics test and coupling field simulation of zero-value insulator strings[J]., 2021, 57(12): 1-9.

[11] 王海濤, 鄭雷, 李健, 等. 500kV瓷絕緣子串的分體式低/零值檢測機(jī)器人優(yōu)化設(shè)計(jì)與實(shí)測[J]. 高電壓技術(shù), 2020, 46(9): 3035-3043．

WANG Haitao, ZHENG Lei, LI Jian, et al. Optimization design and measurement test of a split low/zero insulator detection robot for 500 kV porcelain insulator strings[J]., 2020, 46(9): 3035-3043.

[12] 彭向陽, 梁福遜, 錢金菊, 等. 基于機(jī)載紅外影像紋理特征的輸電線路絕緣子自動(dòng)定位[J]. 高電壓技術(shù), 2019, 45(3): 922-928．

PENG Xiangyang, LIANG Fuxun, QIAN Jinju, et al. Automatic recognition of insulator from UAV infrared image based on periodic textural feature[J]., 2019, 45(3): 922-928.

[13] 張也, 彭子健, 付強(qiáng), 等. 環(huán)境濕度對瓷質(zhì)絕緣子串電壓分布及紅外熱像檢測的影響分析[J]. 電網(wǎng)技術(shù), 2018, 42(4): 1342-1349．

ZHANG Ye, PENG Zijian, FU Qiang, et al. Analysis of environment humidity influence on voltage distribution and infrared thermal image detection of porcelain insulator strings[J]., 2018, 42(4): 1342-1349.

[14] 張曉春, 歐陽廣澤, 何洪英, 等. 基于紅外圖像匹配的零值絕緣子檢測[J]. 電測與儀表, 2019, 56(6): 100-105．

ZHANG Xiaochun, OUYANG Guangze, HE Hongying, et al. Zero -insulator detection based on infrared images matching[J]., 2019, 56(6): 100-105.

[15] 李唐兵, 陳國鋒, 饒斌斌, 等. 一種改進(jìn)的劣化盤形懸式瓷絕緣子紅外熱像診斷方法[J]. 電瓷避雷器, 2014(6): 8-13．

LI Tangbing, CHEN Guofeng, RAO Binbin. A improved method of detecting deterioration insulator based on infrared thermal image[J]., 2014(6): 8-13．

[16] 國家能源局. 帶電設(shè)備紅外診斷應(yīng)用規(guī)范: DL/T 664-2016 [S]. 北京: 中國電力出版社, 2016．

National Energy Administration. Application rules of infrared diagnosis for live electric equipment: DL/T 664-2016 [S]. Beijing: China Electric Power Press, 2016.

[17] 劉鵬. 基于紅外和紫外成像法的零值絕緣子發(fā)熱與放電特性研究[D]. 北京: 華北電力大學(xué), 2016．

LIU Peng. Study on Zero Value Insulator Heating and Discharge Characteristic Based on the Infrared and Ultraviolet Imaging Method [D]. Beijing: North China Electric Power University, 2016.

[18] 莫運(yùn)德, 馬謙. 陶瓷材料導(dǎo)熱率及其影響因素的探討[J]. 中國陶瓷, 1983(3): 14-17．

MO Yunde, MA Qian. Discussion on thermal conductivity of ceramic materials and its influencing factors[J]., 1983(3): 14-17.

[19] 張俊雙, 鄭重, 錢文曉, 等. 計(jì)及多因素影響的直流電弧對瓷絕緣子熱效應(yīng)仿真分析[J]. 電瓷避雷器, 2016(2): 18-23．

ZHANG Junshuang, ZHENG Zhong, QIAN Wenxiao, et al. The simulation analysis of DC arc thermal effect on porcelain insulators considering multiple factors[J]., 2016(2): 18-23.

[20] 徐鑫, 方春華, 智李, 等. 連續(xù)激光作用下瓷質(zhì)絕緣子溫度和熱應(yīng)力分析[J]. 光電子激光, 2021, 32(1): 78-87．

XU Xin, FANG Chunhua, ZHI Li, et al. Analysis of temperature and thermal stress of porcelain insulator under continuous laser irradiation[J]., 2021, 32(1): 78-87.

[21] 王畇浩. 基于可見光與紅外航拍圖像的輸電線路絕緣子多故障檢測研究[D]. 成都: 電子科技大學(xué), 2019.

WANG Yunhao. Research on Multi-fault Detection of Transmission Line Insulators Based on Visible and Infrared Aerial Images[D]. Chengdu: University of Electronic Science and Technology of China, 2019.

[22] HUANG S, TANG C, XU M, et al. BM3D-based total variation algorithm for speckle removal with structure-preserving in OCT ima ges[J]., 2019, 58(23): 6233-6243．

[23] 劉飛飛, 馬禮然. 快速模板匹配算法在口罩耳繩檢測中的應(yīng)用[J]. 傳感器與微系統(tǒng), 2022, 41(1): 157-160．

LIU Feifei, MA Liran. Application of fast template matching algorithm in mask ear band detection[J]., 2022, 41(1): 157-160.

[24] 卞艷, 宮雨生, 馬國鵬, 等. 基于無人機(jī)遙感影像的水體提取方法[J]. 浙江大學(xué)學(xué)報(bào): 工學(xué)版, 2022, 56(4): 764-774.

BIAN Yan, GONG Yusheng, MA Guopeng. Water extraction from unmanned aerial vehicle remote sensing images[J].: Engineering Science, 2022, 56(4): 764-774.

[25] 張俊, 關(guān)勝曉. 基于改進(jìn)的最大后驗(yàn)概率矢量量化和最小二乘支持向量機(jī)集成算法[J]. 計(jì)算機(jī)應(yīng)用, 2015, 35(7): 2101-2104．

ZHANG Jun, GUAN Shengxiao. Integration algorithm of improved maximum a posteriori probability vector quantization and least squares support vector machine[J]., 2015, 35(7): 2101-2104.

[26] Otsu N. A threshold selection method from gray-level histograms[J]., 1979, 9(1): 62-66.

[27] 聶茜茜, 肖斌, 畢秀麗, 等. 基于超像素級卷積神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合算法[J]. 電子與信息學(xué)報(bào), 2021, 43(4): 965-973．

NIE Qianqian, XIAO Bin, BI Xiuli, et al. Multi-focus image fusion algorithm based on super pixel level convolutional neural network[J]., 2021, 43(4): 965-973.

Infrared Thermal Image Detection of Faulty Insulators in Distribution Lines Based on Multi-scale Template Matching

TONG Zhipeng1，QIU Zhibin1，WU Ruiwen1，ZHOU Zhibiao1，F(xiàn)AN Peng2，SHEN Houming2

(1.,,330031,;2..,,430074,)

Porcelain insulators are widely used in power distribution lines, but they are susceptible to degradation during operation owing to long-term electromechanical stress and harsh outdoor environments. Infrared thermal imaging is an important live insulator degradation detection method. It has the advantages of convenient detection, safety, high efficiency, and non-contact operation. It has become an important method in power inspection. However, the thermal image characteristics of faulty insulators are not evident and cannot be recognized directly by the naked eye. Therefore, in this study, we first conduct a temperature field simulation analysis of porcelain insulators in distribution lines and then propose an infrared thermal image detection method for faulty insulators. A multi-scale template matching algorithm is used to locate and identify the insulators. The coordinate parameters of the insulator in the infrared image are obtained, the insulator is segmented and extracted by multi-scale template matching, and the temperature of the insulator is extracted by least-square linear fitting. Combined with the relevant standards and simulation analysis results, the differences in the temperature states among multiple insulators were compared using a similar comparison judgment method to detect faulty insulators.

faulty insulator, infrared thermography, image processing, image matching, temperature extraction

TM726

A

1001-8891(2023)10-1337-09

2022-11-26；

2022-12-28.

童志鵬（1996-）男，碩士研究生，主要研究方向?yàn)殡姎庠O(shè)備狀態(tài)評估與紅外故障診斷。E-mail：931865391@qq.com。

邱志斌（1991-）男，博士（后），副教授，主要從事輸變電設(shè)備外絕緣與放電預(yù)測、電磁場數(shù)值計(jì)算及其工程應(yīng)用、電力視覺與人工智能等方面的研究工作。E-mail：qiuzb@ncu.edu.cn。