馬巧慧

（東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶163318）

相較于傳統(tǒng)人工巡檢來(lái)說(shuō)，無(wú)人機(jī)電力巡檢因其采集圖像清晰、操作便捷、成本低廉以及安全系數(shù)高等特點(diǎn)逐漸在日常巡檢中所廣泛應(yīng)用，如何在無(wú)人機(jī)采集到的航拍圖像中對(duì)輸電線路關(guān)鍵部件之一的絕緣子進(jìn)行故障的快速準(zhǔn)確檢測(cè)至關(guān)重要。

目前絕緣子故障識(shí)別技術(shù)本質(zhì)上是基于數(shù)字圖像技術(shù)和計(jì)算機(jī)視覺(jué)中圖像識(shí)別來(lái)完成的模式識(shí)別。文獻(xiàn)[1]使用AdaBoost分類(lèi)器完成對(duì)絕緣子的準(zhǔn)確識(shí)別，然后通過(guò)計(jì)算歐式距離來(lái)進(jìn)行故障檢測(cè)。文獻(xiàn)[2]使用支持向量機(jī)通過(guò)提取預(yù)選區(qū)域的形狀因子和面積比來(lái)識(shí)別絕緣子故障。文獻(xiàn)[3]采用類(lèi)滑動(dòng)窗和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的識(shí)別方法，該方法簡(jiǎn)化了定位過(guò)程，通過(guò)多次訓(xùn)練可以取得較好的故障檢測(cè)效果。由于深度學(xué)習(xí)需要大量的樣本集來(lái)完成訓(xùn)練，但研究中可用樣本數(shù)量較少，樣本質(zhì)量也不能保證。

1 故障類(lèi)型及分析

由于輸電線路長(zhǎng)期處于外界復(fù)雜環(huán)境下，容易受到極端天氣影響和不可抗力作用，電網(wǎng)故障有時(shí)不可避免。據(jù)統(tǒng)計(jì)，在電網(wǎng)故障中一半都是來(lái)源于絕緣子故障。絕緣子具有結(jié)構(gòu)支撐和絕緣電流的作用，是架空輸電線路網(wǎng)架中的關(guān)鍵部件之一。表1所示為幾種常見(jiàn)的絕緣子故障類(lèi)型和故障原因及影響。

表1 常見(jiàn)的絕緣子故障類(lèi)型和故障原因及影響

針對(duì)絕緣子的諸多故障，傳統(tǒng)人工和無(wú)人機(jī)結(jié)合的故障診斷模式由于無(wú)人機(jī)所采集的現(xiàn)場(chǎng)圖片可能受到氣候等因素影響，使采集到的圖片不能準(zhǔn)確地拍攝絕緣子原始信息，給人工篩選故障帶來(lái)了繁重的工作量，所需人工成本也隨之升高。

2 基于傘裙形態(tài)特征的絕緣子故障檢測(cè)方法

2.1 形態(tài)學(xué)處理

形態(tài)學(xué)通常是研究動(dòng)植物的結(jié)構(gòu)和形態(tài)，屬于生物學(xué)中的一個(gè)分支，而在圖像處理中，一般使用數(shù)學(xué)形態(tài)學(xué)(mathematical Morphology）來(lái)對(duì)圖像進(jìn)行形態(tài)識(shí)別。廣泛應(yīng)用的基本運(yùn)算主要有：膨脹與腐蝕、開(kāi)操作與閉操作、骨架抽取和邊界提取等。

膨脹與腐蝕作為形態(tài)學(xué)的基礎(chǔ)算法，通常應(yīng)用于其他形態(tài)學(xué)算法操作之前。膨脹于腐蝕的運(yùn)算公式如下所示：

開(kāi)操作與閉操作是形態(tài)學(xué)中應(yīng)用廣泛的兩個(gè)算法，其中開(kāi)操作是先對(duì)圖像進(jìn)行腐蝕操作，后進(jìn)行膨脹操作；閉操作則正好相反，先對(duì)圖像進(jìn)行膨脹操作，后進(jìn)行腐蝕操作。開(kāi)操作和閉操作的運(yùn)算公式如下所示：

根據(jù)數(shù)學(xué)形態(tài)學(xué)運(yùn)算的特征，本文對(duì)絕緣子圖像選取3*3正方形的結(jié)構(gòu)元素，采用先進(jìn)行開(kāi)操作再進(jìn)行閉操作的運(yùn)算方法對(duì)絕緣子圖像進(jìn)行濾波處理。經(jīng)過(guò)這一系列形態(tài)學(xué)處理后，在不改變絕緣子自身圖像形態(tài)的前提下，實(shí)現(xiàn)了有效地消除圖像中的孤立點(diǎn)和冗余微小信息，為下一步進(jìn)行絕緣子掉串故障的檢測(cè)提供了一定基礎(chǔ)。圖1 所示為經(jīng)過(guò)形態(tài)學(xué)處理后的航拍圖像。

2.2 連通區(qū)域提取

圖1 經(jīng)過(guò)形態(tài)學(xué)處理的絕緣子圖像

在對(duì)圖像進(jìn)行形態(tài)學(xué)處理后，圖像變?yōu)槎祷袼貓D像，為了從復(fù)雜圖像中提取出絕緣子區(qū)域特征信息，需要應(yīng)用二值圖像的連通性來(lái)實(shí)現(xiàn)。對(duì)于任意像素（i,j），把像素的集合{(j+p,j+p)}(p,q 是一對(duì)適當(dāng)?shù)恼麛?shù))叫做像素（i,j）的鄰域，即是像素（i,j）附近的像素形成的區(qū)域。常用的方法分別是4 鄰域和8 鄰域方法。同一圖像的像素，在不同鄰域的作用下，該像素的連接區(qū)域也不一定相同，而像素的連接區(qū)域在二值圖像局部特征分析中起到了關(guān)鍵的作用。本文主要采用8 鄰域?qū)B通區(qū)域進(jìn)行劃分。

2.3 基于傘裙特征的故障檢測(cè)

絕緣子主體結(jié)構(gòu)主要是由排列規(guī)律的傘裙結(jié)構(gòu)組成，當(dāng)絕緣子發(fā)生掉串故障時(shí)，實(shí)際上就是其傘裙結(jié)構(gòu)中存在部分缺失，圖像中會(huì)有明顯的缺口，若沒(méi)有發(fā)生掉串故障，則絕緣子區(qū)域?yàn)橥暾倪B通域圖像，因此，可以通過(guò)比較形態(tài)學(xué)和連通域處理后的圖像中相鄰絕緣子傘裙間的距離大小來(lái)判斷是否有絕緣子掉串故障發(fā)生。具體操作方法如下：

2.3.1 計(jì)算絕緣子每一行的間距。經(jīng)過(guò)對(duì)圖像進(jìn)行行遍歷，統(tǒng)計(jì)每一行中白色像素點(diǎn)間的距離d(j);

2.3.2 對(duì)圖像中的絕緣子傘裙結(jié)構(gòu)進(jìn)行定位。從圖像中絕緣子結(jié)構(gòu)分布情況可以發(fā)現(xiàn)：相鄰傘裙結(jié)構(gòu)之間的空白區(qū)域間距最大，在其=2 領(lǐng)域內(nèi)，有下列判別式成立:

記錄此時(shí)的行號(hào)為M(j);

2.3.3 排除“假傘裙”的干擾。由于發(fā)生嚴(yán)重掉串故障時(shí)，故障位置信息具有一定的不確定性，存在誤檢測(cè)到滿(mǎn)足上述判別式行號(hào)的故障位置，因此需要對(duì)上一步中記錄的所有行號(hào)M(j)進(jìn)行再篩選。通過(guò)遍歷M(j)，如果M(j)后面的元素與M(j)的距離小于4，則其后的元素都被賦值為M(j)。

例如M (j) =［2 3 4 5 6 7 8 9］，經(jīng)過(guò)處理后M(j)=［22226666］，然后按順序提取M(j)中不同的元素到N(j)，按上例N(j)=［26］。此時(shí)判斷絕緣子得到傘裙結(jié)構(gòu)范圍為第2 行到第6行之間，即實(shí)現(xiàn)了二值圖像中的傘裙位置結(jié)構(gòu)定位；

2.3.4 確定掉串故障的具體位置。遍歷矩陣N(j)，計(jì)算連續(xù)兩元素的最大值dmax和最小值dmin。dmax表示連續(xù)兩個(gè)傘裙結(jié)構(gòu)之間的最大距離，dmin表示連續(xù)兩個(gè)傘裙結(jié)構(gòu)之間的最小距離，即為正常兩個(gè)連續(xù)傘裙之間的距離。取

式中將k 定義為傘裙比，經(jīng)過(guò)大量的實(shí)驗(yàn)數(shù)據(jù)可以得到：當(dāng)1 ＜k≤1.5 時(shí)，表示該絕緣子沒(méi)有發(fā)生掉串故障；當(dāng)k＞1.5 時(shí)，則表示絕緣子發(fā)生了掉串故障，并且k 值越大，掉串故障越嚴(yán)重，此時(shí)當(dāng)dmax大于且等于一定距離閾值Td時(shí)，即可判斷得出此區(qū)域范圍為絕緣子發(fā)生故障的范圍，通過(guò)進(jìn)一步轉(zhuǎn)換后在圖像中標(biāo)記此故障范圍。如圖2 所示為絕緣子故障檢測(cè)識(shí)別圖。

圖2 絕緣子故障檢測(cè)識(shí)別圖

3 檢測(cè)結(jié)果

選取50 幅某電力公司無(wú)人機(jī)采集到的航拍圖像進(jìn)行絕緣子故障識(shí)別，其中10 幅正常的絕緣子圖像，20 幅輕微故障的絕緣子圖像和20 幅嚴(yán)重故障的絕緣子圖像提取出特征量作為檢測(cè)樣本，其掉串檢測(cè)結(jié)果可以達(dá)到85%以上。

4 結(jié)論

本文針對(duì)絕緣子發(fā)生的掉串故障提出了一種基于形態(tài)學(xué)處理方法與絕緣子傘裙結(jié)構(gòu)特征相結(jié)合的算法。實(shí)驗(yàn)結(jié)果表明，在發(fā)生故障等級(jí)不同及復(fù)雜背景下，本文算法都可以高效準(zhǔn)確地識(shí)別出絕緣子的掉串故障發(fā)生區(qū)域，給未來(lái)無(wú)人機(jī)電力巡檢走向智能化、無(wú)人化巡檢識(shí)別提供了一定應(yīng)用基礎(chǔ)。