低壓電流互感器表面裂紋檢測系統的設計與實現

宋強 林國營 馬敬奇 王楠 楊陽

?

低壓電流互感器表面裂紋檢測系統的設計與實現

宋強1林國營1馬敬奇2王楠2楊陽2

（1.廣東電網有限責任公司電力科學研究院 2.廣東省自動化研究所 廣東省現代控制技術重點實驗室廣東省現代控制與光機電技術公共實驗室）

針對現有低壓電流互感器表面裂紋檢測方法效率低、無法在線檢測的問題，開發一款基于OpenCV開源庫和數字圖像處理技術的低壓電流互感器表面裂紋檢測系統。該系統經過圖像分割、二值化互感器表面圖像、圓形度和面積閾值剔除塊狀非裂紋區域、ROI骨架提取一系列圖像處理，獲取ROI的骨架信息，并通過分叉點判斷裂紋的存在。最后搭建非接觸式實驗平臺測試該系統，實驗結果表明：該系統能夠快速、精準檢測低壓電流互感器表面裂紋，實現了非接觸式在線檢測。

低壓電流互感器；圖像處理；ROI；分叉點

0　引言

目前，現有的低壓電流互感器表面裂紋檢測方法效率低，且無法在線檢測。為此本文提出一種基于機器視覺的互感器外觀檢測方法，利用互感器表面裂紋的細長線性特征和分叉點，經過圖像預處理，將互感器表面圖像轉換為高對比度的二值圖像，突顯疑似裂紋區域；圓形度和面積閾值過濾二值圖像，將塊狀和斑點等非裂紋區域剔除，減少運算時間；感興趣區域（region of interest，ROI）骨架提取，為獲得裂紋分叉點，將線性ROI細化成單像素圖像；統計骨架圖像中的分叉點，根據返回的分叉點個數判斷裂紋的存在。

當前采用數字圖像處理技術檢測缺陷的方法有：盧紫微等人提出分區域多尺度分析法檢測路面裂紋，通過支持向量機學習得到裂紋位置[1]；Kirschke K R等采用直方圖統計分析的方法檢測裂紋[2]；Gajanan K等提取裂紋特點，將裂紋特點輸入到由模糊邏輯和人工神經網絡[3]組成的模型中，根據結果判斷裂紋。以上文獻驗證了采用數字圖像處理技術檢測裂紋的可行性。本文以數字圖像處理技術為核心開發一款互感器表面裂紋檢測系統。

在Windows操作系統下，基于Visual C++開發平臺，應用開源計算機視覺庫(open source computer vision library，OpenCV)開源庫，選用CCD黑白相機獲取互感器表面圖像，開發了低壓電流互感器表面裂紋檢測系統。

1　系統設計框架

低壓電流互感器表面裂紋檢測系統分為系統操作界面、圖像采集、檢測區域編輯和互感器表面裂紋檢測4個主要部分。系統操作界面采用MFC設計，可降低系統操作難度，實現快速可視化檢測；CCD工業相機獲取高清晰度灰度圖像，為圖像預處理提供理想的源圖像；檢測區域編輯可一次性分割圖像，保存分割區域參數，在以后檢測過程中讀取所需參數達到自動分割圖像的目的；獲取的互感器表面圖像經過圖像預處理、圓形度和面積閾值去除非線性區域、ROI骨架提取關鍵步驟，獲取ROI的單像素骨架信息[4]；統計骨架圖像中的分叉點，若分叉點個數大于0，即符合判定條件，輸出檢測結果。互感器表面裂紋檢測系統框架如圖1所示。

圖1　互感器表面裂紋檢測系統框架

2　互感器表面裂紋檢測系統實現

2.1 裂紋特征分析

通過對互感器表面材質和裂紋形成機理的研究發現，互感器封裝采用硬塑絕緣材料，表面裂紋主要由硬物撞擊、擠壓導致，所形成的裂紋呈細長線性狀，且具有明顯分叉點。而給裂紋檢測帶來極大困難的劃痕則是由尖端物質刮劃而成，其線性趨于直線，軌跡沒有分叉點。因此本系統利用分叉點排除劃痕。獲得線性區域的單像素骨架信息，如圖2所示，圖2方框處即為裂紋分叉點，該處中心像素點含有3個鄰域點，其他像素點只有1個或2個鄰域點，在劃痕單像素骨架圖像中的像素點也僅含1個或2個鄰域點，因此可利用此特征將劃痕剔除。

(a) 裂紋單像素骨架信息圖???(b) 劃痕單像素骨架信息圖

2.2 系統實現

裂紋檢測流程如圖3所示。具體檢測步驟如下：

1) 互感器表面圖像的獲取。使用CCD相機獲取圖像，并將獲取的圖像傳輸到PC機進行預處理。

2) 檢測區域編輯。通過區域編輯將互感器圖像分割成若干個檢測區域，去除非檢測區域，降低運算時間，提高檢測效率。互感器是由銅線纏繞而成的中空線圈，灰度圖像中互感器面積為208 cm2，而空心線圈部分面積為57.75 cm2。作為非檢測區域，通過編輯將空心部分去除，運算時間減少27.8%。

3) 圖像預處理。圖像預處理分為3部分：

(a) 采用高斯濾波獲取灰度平滑圖像，模糊輪廓邊緣。裂紋與背景之間的銜接部分像素特征驟變，含有較多噪聲，通過對每個像素點的加權平均獲取變化平緩的裂紋邊緣，提高信噪比。加權平均公式為

其中，()表示圖像的像素灰度值；()表示圖像像素3×3鄰域內的灰度平均值。

圖3裂紋檢測算法流程

(b) 邊緣提取，為獲取裂紋單獨的連通域，保留裂紋的線性特征，經過邊緣檢測將裂紋從背景中獨立出來，非裂紋連通域也保留理想的邊緣信息。高斯濾波后求取像素點、方向的一階偏導數，獲取梯度幅值和梯度方位角，得到裂紋圖像的邊緣矩陣。

)/2(3)

(5)

其中，[,]為方向的一階偏導數；[i]為方向的一階偏導數；[,]為像素點的像素值；[,]為梯度幅值；為梯度方位角。

(c) 閾值處理，采用Maximum Entropy算法獲取閾值，將灰度圖像轉化為二值圖像。

其中，H表示區域的信息熵；p表示目標、背景、邊緣及噪聲區域的概率密度。

相應的函數如下：

SmoothImg(IplImage *pSrcImg, IplImage* pDstImg);//圖像平滑

CannyImg(IplImage *pSrcImg, IplImage* pDstImg);//邊緣檢測

ThresholdImg(IplImage* pSrcImg, IplImage* pDstImg, intnThreshold);//閾值處理，二值化圖像

4) 利用圓形度和面積閾值去除塊狀非裂紋區域。在互感器表面裂紋檢測過程中塊狀污垢、斑點圖像區域二值化后形成明亮塊狀斑點，對裂紋的檢測造成一定影響，增加算法冗余度。

圓形度公式用來判斷線性復雜度，當區域為點或片狀區域時圓形度接近1，圓形度越大表明區域線性越復雜。裂紋具有線性變化復雜的特點，故可通過圓形度剔除塊狀污垢、斑點區域：

其中，為連通域周長；為連通域面積；為圓形度。

另外通過設定面積閾值排除小面積和大面積區域，經過圓形度和面積閾值得到疑似裂紋的線性ROI，實現函數為GetContour(IplImage *pSrcImg, IplImage* pDstImg)。

5) ROI骨架提取。為精確檢測到裂紋中分叉點的存在，去除劃痕干擾，需得到ROI的單像素骨架信息，骨架提取采用改進型細化算法(one-pass thinning algorithm，OPTA)[5]，通過模板匹配法，將每個像素點與設定的消除模板進行匹配，若匹配成功，則刪除該點；若匹配失敗，再將該點與設定的保留模板進行匹配，若匹配成功則保留該點，否則刪除該點。經過數輪迭代得到由單像素點組成的骨架信息。實現函數為ThinImg(IplImage *pSrcImg)。

6) 裂紋判定。進行分叉點的統計，采用遍歷法在整個圖像中查詢并標記分叉點，最后返回分叉點的個數。標記方法采用8鄰域法，如圖4所示，(,)為待標記點，若8鄰域中有3個點的像素值與其相等，則標記該點。實現函數為GetThinBranches（IplImage* pImg）。

圖4 8鄰域圖

3　實驗

為驗證該系統，搭建非接觸式檢測平臺，如圖5所示，該平臺由CCD相機、條形光源和轉動托盤組成。

圖5 非接觸式檢測平臺

選取含有常規裂紋的互感器圖像進行測試。互感器表面裂紋檢測系統界面如圖6所示。

圖6 互感器表面裂紋檢測系統界面

調整光源亮度和相機參數至理想狀態，拍攝取樣，進行檢測區域編輯，通過添加檢測裂紋編輯框，將拍攝圖像中的互感器表面分割開，形成若干塊檢測區域，分割效果如圖7所示。通過UI的編輯區域保存功能，將當前分割參數記錄到.area文件中，在以后運行過程中可快速讀取分割參數，實現自動檢測功能。

在檢測區域編輯完成后即可運行檢測系統，進行圖像預處理，在圖7中的分割區域1中檢測到疑似裂紋區域，經過圖像平滑、邊緣提取和閾值處理得到二值圖像如圖8所示。

圖8 圖像預處理

圖8中含有大量明亮斑點和塊狀非裂紋區域，通過圓形度和面積閾值將非裂紋區域剔除，所采用的圓形度閾值為，即將圓形度小于的區域剔除；采用的面積閾值[]，即將面積在[]之外的區域剔除，得到的結果如圖9所示。

圖9 圓形度和面積閾值處理結果

提取圖9疑似裂紋區域的單像素骨架信息，排除劃痕的干擾，并通過區域遍歷標記分叉點，根據返回分叉點個數判斷裂紋的存在情況。骨架提取結果如圖10所示。分叉點返回值為2，故判定所檢測互感器表面含有裂紋。

圖10 骨架提取

4　結語

低壓電流互感器表面裂紋檢測系統充分利用裂紋分叉特性，提取裂紋的骨架，并通過分叉點判斷裂紋的存在。經實驗驗證，該系統實現了非接觸式裂紋檢測，能夠準確檢測互感器表面裂紋，提高檢測效率，保證了檢測質量。系統經過簡單的改裝優化，即可靈活地嵌入自動化生產線。

參考文獻

[1] 盧紫微,吳成東,陳東岳,等.基于分區域多尺度分析的路面裂縫檢測算法[J].東北大學學報:自然科學版,2014,35(5):622- 625.

[2] Kirschke K R, Velinsky S. A histogram-based approach for automated pavement-cracks sensing[J]. Journal of Transportation Engineering, 1992, 119(3): 700-710.

[3] Gajanan K, Choudhary, Sayan Dey. Crack detection in concrete surfaces using image processing, fuzzy logic, and neural networks[J].International Conference on Advanced Computational Intelligence (ICACI), 2012: 404-411.

[4] 梅園,孫懷江,夏德深.一種基于改進后模板的圖像快速細化算法[J].中國圖象圖形學報,2006,11(9):1306-1311.

[5] 王家隆,郭成安.一種改進的圖像模板細化算法[J].中國圖象圖形學報,2004,9(3):297-301.

Design and Implement of Surface Crack Detection System for Low Voltage Current Transformer

Song Qiang1Lin Guoying1Ma Jingqi2Wang Nan2Yang Yang2

(1.Electric Power Research Institute of Guangdong Power Grid Co., Ltd. 2. Guangdong Institute of Automation, Guangdong Key Laboratory of Modern Control Technology, Guangdong Open Laboratory of Modern Control & Optical, Mechanical and Electronic Technology)

A detection system based on OpenCV and digital image processing technology is developed. Using the image processing methods include image segmentation, circular degree and area threshold, the skeleton information of ROI is obtained. The crack is determined by the branch points A non-contact experimental platform is set up. The experimental results show that the system can quickly and accurately detect the surface cracks of the transformer.

Low Voltage Current Transformer; Digital Image Processing; ROI; Branch Points

宋強，男，1986年生，碩士，主要研究方向：電氣工程、測控技術與儀器等。

林國營，男，1982年生，碩士，主要研究方向：電氣工程、自動化等。

馬敬奇，男，1988年生，碩士，主要研究方向：機器視覺、圖像識別等。

王楠，女，1989年生，碩士，主要研究方向：機器視覺、圖像識別等。

楊陽，男，1987年生，本科，主要研究方向：機器視覺、圖像識別等。