多俊龍，楊巧為，李慧慧

(1.國網(wǎng)沈陽供電公司，遼寧 沈陽 110003；2.重慶國際復(fù)合材料股份有限公司，重慶 400902；3.沈陽世紀(jì)高通科技有限公司，遼寧 沈陽 110041)

輸電線路作為電能遠(yuǎn)距離傳輸?shù)闹饕d體，是電網(wǎng)的重要組成部分,隨著社會經(jīng)濟快速發(fā)展，高壓輸電線路長度隨之增加，運行維護(hù)難度越來越大。在輸電線路各類缺陷中，按照對電網(wǎng)危害程度劃分，導(dǎo)線斷股類缺陷屬于危及缺陷，如不盡早發(fā)現(xiàn)和及時消除，斷股處導(dǎo)線金屬長時間處于受力不均勻狀態(tài)，斷股處剩余截面流經(jīng)電流變大引起發(fā)熱，可能加劇斷股處設(shè)備受損程度，甚至引發(fā)斷線事故。圖1統(tǒng)計了2015年1月至2020年12月,國網(wǎng)沈陽供電公司所轄66 kV及以上電壓等級輸電線路受迫停運情況，其中導(dǎo)線斷股類缺陷迫使設(shè)備停運占比14.1%，已經(jīng)成為線路受迫停運的主要原因之一。

圖1 輸電線路受迫停運情況統(tǒng)計

無人機巡視具有機動、快速、高效、不受地形地貌限制等特點，現(xiàn)已作為輸電線路巡檢的常規(guī)手段廣泛應(yīng)用，飛手使用無人機對設(shè)備近距離拍照，通過航拍影像識別設(shè)備缺陷。但是，傳統(tǒng)缺陷識別需要人工對所采集的每一張照片進(jìn)行縮放、認(rèn)真識別分析，而實際運行維護(hù)工作中拍攝的圖片數(shù)量巨大，圖像挑選、排查過程單一枯燥，導(dǎo)致缺陷識別過程耗時費力且效果不佳。因此，如何從海量復(fù)雜背景圖片中，通過圖像處理技術(shù)準(zhǔn)確識別、提取輸電線路，檢測是否存在斷股缺陷，成為一項亟待研發(fā)的關(guān)鍵技術(shù)。

本文基于導(dǎo)線斷股類缺陷航拍圖像邊緣幾何特點，提出了一種導(dǎo)線斷股缺陷識別的新方法，通過對典型缺陷圖像的仿真，驗證了新方法缺陷識別的準(zhǔn)確性，新方法對及時發(fā)現(xiàn)輸電線路斷股類缺陷、降低人工勞動強度具有一定現(xiàn)實意義[1-4]。

1 無人機航拍圖像預(yù)處理

對無人機航拍圖像進(jìn)行視覺分析存在諸多難點，如圖像存在復(fù)雜背景、有眾多干擾因素(光照、遮擋、旋轉(zhuǎn))、隨機相對運動等。圖像預(yù)處理的目的是消除圖像中的無關(guān)信息，去除圖像中影響后續(xù)處理精度、準(zhǔn)確度的因素，減少運算量、加速目標(biāo)收斂速度，提高目標(biāo)識別的可靠性。

圖像預(yù)處理第一步是將初始圖像進(jìn)行灰度變換，將圖片轉(zhuǎn)換成數(shù)組[5-6]。本文結(jié)合實際運行經(jīng)驗，選取簡單背景缺陷圖、復(fù)雜背景缺陷圖、圖像質(zhì)量不佳缺陷圖和復(fù)雜背景帶金具缺陷圖4種典型情況輸電線路斷股缺陷圖像進(jìn)行分析，選用MATLAB工具箱中的rgb2gray(A)函數(shù)進(jìn)行灰度處理，如圖2所示。

(a)簡單背景缺陷圖

初始圖像灰度轉(zhuǎn)換后，還需要調(diào)整其曝光量，為后續(xù)圖像識別打好基礎(chǔ)。圖像的灰度和光學(xué)強度不具備直接的線性關(guān)系，為了基于灰度值矯正光學(xué)量，需要對兩者進(jìn)行非線性變換，選用MATLAB工具箱中的adapthisteq(A)函數(shù)進(jìn)行光學(xué)矯正處理。為消除圖像中孤立的噪聲點，本文采用中值濾波法對圖像進(jìn)一步處理，它能夠通過排序統(tǒng)計原理和卷積積分消除孤立的噪聲點，選用MATLAB工具箱中的medfilt2函數(shù)進(jìn)行中值濾波處理，預(yù)處理后的圖像如圖3所示[7]。

2 無人機航拍圖像輸電線路提取

準(zhǔn)確提取輸電線路是缺陷識別的重要基礎(chǔ)，目標(biāo)提取的質(zhì)量直接影響到后續(xù)缺陷識別的精準(zhǔn)度。本文提出了一種基于改進(jìn)Canny邊緣檢測算子和自適應(yīng)Hough變換的輸電線路提取方法，對不同情況線路斷股缺陷圖像處理效果良好。

Canny邊緣檢測是一種基于圖像梯度計算邊緣的檢測算法，首先在圖像中選擇梯度極值，將梯度極大值和極小值連接起來，因此輸出圖像能夠包含原始圖像全部邊緣，在消除噪聲干擾的同時，最大程度還原目標(biāo)圖像信息。原始Canny算子僅在垂直和水平4個方向進(jìn)行搜索，所采用的改進(jìn)Canny邊緣檢測算子增加了對角線方向的臨域，將預(yù)處理后的圖像進(jìn)行高斯平滑，然后提取水平、垂直和對角線3個方向的極值，并對極值進(jìn)行限制。然后，連接邊緣點進(jìn)行滯后閾值處理，得到改進(jìn)Canny邊緣檢測算子處理的目標(biāo)圖像，改進(jìn)算法收斂速度更快、邊緣檢測更準(zhǔn)確[8-9]。

Hough變換是一種表決方式的參數(shù)估計技術(shù)，將圖像空間中的線和Hough空間中的點取對偶，能夠?qū)D形空間的問題轉(zhuǎn)換到參數(shù)空間來解決。該方法具有明確的幾何解析性，抗干擾能力強，能夠適用于計算機并行快速處理。所采用的自適應(yīng)Hough變換先在全局范圍內(nèi)使用低準(zhǔn)確度的量化參數(shù)進(jìn)行搜索，確定圖像中目標(biāo)區(qū)域位置，然后利用高準(zhǔn)確度的量化參數(shù)進(jìn)行確認(rèn)，尋找局部最優(yōu)解，具有強魯棒性和抗干擾能力。此算法犧牲迭代次數(shù)，換取迭代效率。對典型圖像進(jìn)行輸電線路提取，部分結(jié)果如圖4所示[10-13]。

(a)簡單背景缺陷圖

3 無人機航拍圖像斷股缺陷識別

導(dǎo)線斷股類缺陷航拍圖像具有斷股處導(dǎo)線不再呈直線、邊緣斜率突變的典型幾何特點，本文以此為基礎(chǔ)提出了一種基于直線檢測和邊緣斜率變化修正的導(dǎo)線斷股缺陷識別新方法，選取18張各類無人機航拍圖像作為試驗樣本，全面涵蓋了實際運行中的各種情況。

3.1 改進(jìn)Freeman鏈碼航拍圖像直線識別

Freeman鏈碼是一種利用曲線起始坐標(biāo)點和方向量組成的一串?dāng)?shù)字來描述曲線邊緣的圖像處理方法，傳統(tǒng)的Freeman鏈碼通過給定中心點，向水平、垂直、對角線8個方向發(fā)散，結(jié)合圖像空間中呈直線的鏈碼規(guī)則：直線最多只包含2個方向的碼值，這2個碼值相差為1，且2個碼值總是單獨出現(xiàn)且均勻分布在整個鏈碼中，完成直線搜索。

改進(jìn)Freeman鏈碼識別算法包括3個識別規(guī)則：①沿圖像邊緣尋找導(dǎo)線起始點，將直線識別只包含2個方向碼值拓展到3個；②識別3個碼值中的主碼值，其他2個副碼值與主碼值相差為1；③圖像總是沿著主碼值方向前進(jìn)，其他2個碼值應(yīng)均勻分布在整個鏈碼中。僅從副鏈碼是否均勻分布一個條件對所選18幅圖像進(jìn)行判斷，結(jié)果見表1。

表1 改進(jìn)Freeman鏈碼識別結(jié)果

(a)簡單背景缺陷圖

識別結(jié)果中對各類圖像綜合識別準(zhǔn)確度為44.44%，改進(jìn)Freeman鏈碼能夠很好的識別出圖像上的直線，但實際航拍圖像處理后1張圖上很可能出現(xiàn)多條直線，而且背景中的干擾因素在圖像預(yù)處理和輸電線路提取后存在仍然無法過渡的情況，即使鏈碼均勻分布也不能確定沒有缺陷，因此僅靠改進(jìn)Freeman鏈碼識別導(dǎo)線斷股缺陷準(zhǔn)確度不高。

3.2 基于圖像邊緣斜率的線路斷股識別

直線在平面中具有斜率不變的幾何特點，因此可以基于改進(jìn)Freeman鏈碼像素分布尋址的基礎(chǔ)，結(jié)合導(dǎo)線斷股斜率突變的幾何特點，提出一種基于圖像邊緣斜率突變檢測的改進(jìn)型Freeman鏈碼斷股識別的新方法。根據(jù)直線的幾何學(xué)特點可知，一條沒有斷點或突變的直線段，與其上任意2點所構(gòu)成直線的斜率相一致。因此，可以在Freeman鏈碼尋址的基礎(chǔ)上，按一定間隔取直線上的兩點求直線斜率，觀察不同取值斜率是否有突變，用以判定直線是否有突變點，進(jìn)而判斷導(dǎo)線是否有斷股缺陷。

基于圖像邊緣斜率突變檢測的改進(jìn)型Freeman鏈碼斷股識別方法包括以下3點。

a.以圖像左下角作為坐標(biāo)原點建立坐標(biāo)系，以主碼值為方向，利用改進(jìn)Freeman鏈碼對直線進(jìn)行遍歷尋碼，將全部鏈碼點作為直線點的集合，記錄每個邊緣像素點對應(yīng)坐標(biāo)原點的位置。

b.取規(guī)定步長b，將規(guī)定步長兩端點連接成一條直線，根據(jù)斜率公式計算直線斜率，觀察直線斜率是否有突變。

c.觀察主方向碼值和副方向碼值在整個鏈碼中為均勻分布的，且直線斜率波動不大，則可以判定導(dǎo)線沒有斷股缺陷。若分布不均勻，或斜率值有較大波動，則可以判定導(dǎo)線存在斷股缺陷，如圖5所示。

圖5 斜率突變的導(dǎo)線斷股識別

根據(jù)上述方法，可以得出2個點之間的斜率k，如式(1)所示。

(1)

根據(jù)上述基于圖像邊緣斜率突變檢測的改進(jìn)型Freeman準(zhǔn)則，對輸電線斷股識別提出圖像邊緣斜率突變檢測的改進(jìn)型Freeman鏈碼斷股識別算法。掃描圖像中輸電線邊緣，然后根據(jù)Freeman鏈碼分別標(biāo)識出輸電線邊緣鏈碼為零和不為零的像素點，并存儲到存儲單元中，每條像素序列為一個Chain序列，計算各序列中存儲的Freeman鏈碼不為零像素點與該序列的基準(zhǔn)線之間的距離，同時計算各序列中存儲的Freeman鏈碼不為零像素點間斜率，與設(shè)定閾值進(jìn)行比較確定該點是否屬于斷股故障點。算法具體流程如下所述。

步驟1：掃描預(yù)處理后的二值圖像邊緣，檢測并記錄每一輸電線的邊緣像素序列的Freeman鏈碼值，并將每個邊緣存儲到相應(yīng)單元Chain中。

步驟2：每一個序列Chain中檢測到Freeman鏈碼為零且連續(xù)最長的一段為基準(zhǔn)線或基準(zhǔn)鏈，其某一坐標(biāo)為(LXi，LQi)(i=1,2,3，…)，由于校正后每條序列中的基準(zhǔn)鏈像素處于同一縱坐標(biāo)，則LQi不變。

步驟3：在當(dāng)前一像素序列中計算Freeman鏈碼不為零的像素點與該序列中基準(zhǔn)鏈之間的垂直距離，并與閾值相比較。在每一序列單元Chain中存儲各個輸電線邊緣像素點，且由Freeman鏈碼標(biāo)識。由于輸電線經(jīng)水平校正過，則每個像素序列必定有一個基準(zhǔn)線。根據(jù)存儲順序計算每個Chain中鏈碼不為零的像素點(Xi,Yi)(i=1,2,3,…)與基準(zhǔn)線之間的距離。不為零像素點與基準(zhǔn)線的垂直距離Si為

Si=|LQi-Yi|

(2)

本文采用遍歷法設(shè)定閾值為3像素，即當(dāng)Si≥3時，該像素點為非正常點；當(dāng)Si≤3時，該像素可忽略。

步驟4：按照存儲順序根據(jù)式(2)計算每個Chain中鏈碼不為零的像素點(Xi,Yi)(i=1,2,3，…)間的斜率,并與基準(zhǔn)線斜率作比較。

采用遍歷法設(shè)定閾值為0.3，即當(dāng)Ki,i+1>0.3時，該像素點為非正常點；當(dāng)Ki,i+1≤0.3時，該像素可忽略。當(dāng)非正常點數(shù)大于3且斜率異常點超過2時,可以將該處故障判為斷股。

基于圖像邊緣斜率突變檢測的改進(jìn)型Freeman鏈碼斷股識別方法，將樣本空間中全部圖像在MATLAB中進(jìn)行編程仿真，識別結(jié)果如表2所示。由表2結(jié)果可見，直線斜率突變修訂后的Freeman識別方法對18張圖片識別有13張圖片識別結(jié)果與實際相符，識別準(zhǔn)確率為72.2%，識別率較之前明顯提高，識別圖示見圖6。

表2 邊緣斜率修正的改進(jìn)Freeman鏈碼識別結(jié)果

結(jié)合實際運行經(jīng)驗，帶金具圖像中金具邊緣往往會被誤識別成導(dǎo)線邊緣，而金具在幾何特點上往往是交叉存在的，根據(jù)所提出的識別原理會被誤識成有突變的直線，造成識別準(zhǔn)確度下降。將復(fù)雜背景帶金具圖像從所選圖像集中刪除，則僅用Freeman識別方法的準(zhǔn)確度為50%，基于直線斜率突變修訂后的識別準(zhǔn)確度為91.7%，能夠滿足實際運行識別要求。

(a)簡單背景缺陷圖

4 結(jié)語

隨著無人機技術(shù)快速發(fā)展，航拍圖像缺陷識別成為輸電線路運維常規(guī)工作，海量圖片單靠人工識別缺陷工作量大、效率低，已經(jīng)不能滿足電網(wǎng)高標(biāo)準(zhǔn)的運維要求。提出一種針對輸電線路斷股類缺陷自動識別的新方法，該算法通過改進(jìn)Freeman鏈碼尋址和圖像邊緣斜率變化2種特征量對線路斷股缺陷進(jìn)行綜合判定。選取了簡單背景缺陷圖、復(fù)雜背景缺陷圖、圖像質(zhì)量不佳缺陷圖和復(fù)雜背景帶金具缺陷圖4種典型情況輸電線路斷股缺陷圖像，使用MATLAB軟件進(jìn)行仿真試驗。結(jié)果表明，所提出的新方法識別速度快、識別準(zhǔn)確度高，能夠有效解決不帶金具航拍圖像線路斷股類缺陷的自動識別問題，同時可供其他部件識別參考。