基于無人機圖像的輸電線斷股缺陷實時檢測

殷栢輝 鐘凱宇 張學習

?

基于無人機圖像的輸電線斷股缺陷實時檢測

殷栢輝 鐘凱宇 張學習

（1.廣東電網有限責任公司河源供電局 2.廣東工業大學自動化學院）

針對輸電線斷股缺陷，設計一種基于圖像的實時檢測方法。首先將無人機拍攝的圖像實時傳輸到PC端，采用Laplacian算子進行邊緣檢測，經過閉運算和二值化方法得到光滑的邊緣，為排除其他非輸電線的直線邊緣，對霍夫變換進行改進；然后將輸電線的直線邊緣作為區域生長的種子點，生長出輸電線區域；最后利用輸電線寬度的變化判斷斷股缺陷是否存在。

輸電線斷股；霍夫變換；區域生長；缺陷檢測；邊緣檢測

0　引言

高壓輸電線路故障引發的停電，給企業和國家造成巨大的經濟損失，因此對輸電線進行定期的巡檢非常必要。目前輸電線的巡檢方式主要有人工沿線巡檢、機器人巡檢、直升機巡檢和無人機巡檢等[1]。相對于其他方式，無人機巡檢具有低風險、高效率、低成本和易操控的優點，是今后巡線的趨勢。

斷股缺陷在輸電線路中較為常見[2]，且危害較大，有必要將它作為無人機巡檢的一個重要目標進行研究。文獻[3]對巡檢圖像利用模擬退火算法進行圖像分割，并用改進的Freeman鏈碼提取導線目標；此方法并不能很好地排除其他直線物的干擾。文獻[4]采用基于小波變換的浮動閾值算法和基于數學形態學的最佳閾值分割算法，閾值的選取包含過多的經驗因素。文獻[5]通過導線輪廓的變化診斷輸電線斷股缺陷，此方法沒有考慮到巡檢圖像復雜的背景噪聲的干擾。文獻[6]利用基于亮度和空間信息的線對象檢測方法，較準確地檢測出輸電線斷股和異物缺陷，具有很好的抗背景干擾性，但會引入誤判。

基于上述對輸電線識別與缺陷檢測的分析，主要存在2方面不足：1) 在實際的巡線過程中，往往包含諸多類似線特征區域的干擾（如樓房、鐵路等）而難以排除； 2) 輸電線的背景和環境極為復雜，算法中靠經驗選取的閾值不可靠。

為提高輸電線缺陷檢測的可靠性，本文提出一種改進的霍夫變換，可更準確地排除非輸電線區域的直線；并將區域生長種子點的平均像素作為閾值選取的參考，避免根據經驗選取閾值的情況；另外，為實時地檢測缺陷，本文將無人機提供的SDK進行二次開發，實現無人機拍攝的圖像能實時傳輸到PC端進行處理。

1　無人機巡檢系統

無人機巡檢系統結構如圖1所示，系統由前端線纜監測子系統和后臺圖像處理子系統2部分組成。前者完成輸電線圖像的獲取，后者主要完成線路圖像的顯示和輸電線斷股缺陷的檢測。兩者之間通過WiFi進行通訊。

圖1　基于無人機巡檢系統結構

本文采用帶有高清攝像頭的無人機巡檢，由于該型號無人機只有移動端的SDK而沒有PC端，需要將移動端的SDK二次開發。當無人機沿線路飛行時，手動拍攝目標輸電線圖像經壓縮后，通過WiFi無線網絡（由遙控器提供）從移動端實時發送到PC端。

1.1圖像的發送與接收

經測試，UDP協議容易出現丟包現象，所以本文采用TCP/IP協議。在發送過程中，為保證傳輸時圖像數據完整，需對每個數據包進行實時跟蹤。整幅圖像的數據量較大，發送端先對圖像進行壓縮編碼。圖像采用分片接收，直到接收到完整的1幀圖像。圖像發送和接收的流程圖如圖2所示。

(a) 圖像發送流程圖

(b) 圖像接收流程圖

圖2圖像發送和接收流程圖

1.2無線通信模塊

根據連接啟動的方式以及本地要連接的目標，本文采用Internet進行通信。套接字之間的連接過程可分3個步驟：服務器監聽、客戶端請求和連接確認。無人機拍攝的圖像和地面控制中心運用Winsock網絡編程技術進行無線通信，把拍攝到的線纜圖像傳輸到后臺監控軟件。基Winsock的網絡通信程序流程圖如圖3所示。

圖像的傳輸模塊可分5個步驟：1) 圖像采集；2) 前端發出圖像傳輸請求；3) 接收請求并創建一個新的Socket接收消信息；4) 接收圖像進行顯示和處理；5) 斷開連接。

移動端軟件由無人機提供的SDK搭建，除了實現通信功能外，還包括顯示攝像頭畫面、設置和發送等功能，通信傳輸效果如圖4所示。

(a) 在手機上顯示無人機拍攝的圖像

(b) 在PC上顯示無人機拍攝的圖像

圖4手機和PC通信的效果

1.3 后臺圖像處理子系統

后臺圖像處理子系統分為2個過程：輸電線識別和輸電線斷股缺陷檢測。輸電線識別的過程首先利用輸電線的直線特征，采用Laplacian算子將圖像進行邊緣檢測，經過閉運算和二值化的優化得到光滑的邊緣，將此邊緣進行霍夫變換檢測其中的直線特征，為排除其他非輸電線的直線邊緣，本文對霍夫變換進行改進；然后利用輸電線像素較為均勻且與背景差別較為明顯的特征，將輸電線的直線邊緣作為區域生長的種子點，將原圖經窗口二值化后，去除部分背景干擾；接著進行區域生長，至此即可提取出輸電線；斷股缺陷檢測的過程是利用輸電線寬度的變化判斷斷股缺陷是否存在。后臺圖像處理子系統流程圖如圖5所示。

圖5　后臺圖像處理子系統流程圖

2　輸電線的識別

輸電線的識別經過邊緣檢測、霍夫變化直線檢測、區域生長種子點的獲取和區域生長4個步驟。

2.1邊緣檢測

邊緣檢測的結果用于檢測直線，通過直線邊緣獲取種子點后進行區域生長。邊緣檢測的算子應滿足：1) 能完整地檢測到邊緣；2) 檢測的邊緣位置不會“偏離”原邊緣；3) 邊緣圓滑。

目前常用的邊緣檢測算子較多，Canny算子由于其單像素寬度的特點，導致其邊緣不夠圓滑[7]；Sobel算子檢測的結果會丟失邊緣；Laplacian算子的邊緣檢測效果滿足以上3個要求，是理想的檢測選擇。

閉運算能平滑邊界而并不明顯改變其面積。經Laplacian邊緣檢測和閉運算后會產生許多噪點，所以有必要去噪。如果采取其他平滑去噪的方法，往往使得邊緣變寬。由于Laplacian邊緣檢測后產生的噪點的像素值較小，所以使用二值化方法即可，當選取的閾值（）較小，可去掉大部分噪點。邊緣檢測效果對比如圖6所示。

圖6 (a) Th=15無閉運算的二值化效果

圖6 (b) Th=15有閉運算的二值化效果

(c) Th=1 二值化后顯示所有噪點

經比較圖6(a)與圖6(b)可知，閉運算能使邊緣更加圓滑；經比較圖6(b)與圖6(c)可知，二值化能去掉大部分噪點。

2.2改進的霍夫變換方法檢測輸電線邊緣

霍夫變換直線檢測是將離散圖像中所有可能的線條參數組成的參數空間對應到另一個參數表的轉換[8]。如圖7所示，使用極坐標系下的直線方程代替直坐標系下的直線，直線的表達式為

(a)直線的極坐標表示

(b)直角坐標系直線上的3個點(c)直線上3個點映射到Hough空間中為3條曲線，并交于一點

圖7霍夫變換直線檢測原理圖

由于輸電線的背景復雜，圖像中含有直線邊緣的物體（如房屋、鐵軌邊和鐵塔等）并非都是輸電線，因此霍夫變換需要對檢測的直線進行篩選。本文通過改進霍夫變換，可有效地檢測圖像中的輸電線。

圖像中的輸電線具備的特征有：1) 其邊緣近似直線，一般情況下橫穿圖像兩邊；2) 輸電線成雙出現，即直線邊緣數量多；3) 其傾斜角不大。基于這些特征，可以通過直線長度的閾值和傾斜角的閾值篩選直線邊緣，然后認為共線數量最多的直線就是輸電線邊緣。檢測直線具體步驟如下：

1) 使用OpenCV中cvHoughLinesP（）函數獲取邊緣檢測中的直線[9]，通過提高函數參數初步篩選直線，尤其是“threshold”參數；

3) 傾斜角差在2°范圍內認為是共線，統計共線的直線數量；

4) 查找共線直線數量的最大值，該共線的直線就是輸電線的邊緣，并返回對應的傾斜角；

5) 通過此傾斜角，篩選出輸電線邊緣，并使用紅色畫線，結束。

霍夫變換檢測直線改進前后的效果圖如圖8所示。

圖8 (a) 霍夫變換未改進的效果

(b) 霍夫變換改進后的效果

2.3輸電線區域種子點的獲取

輸電線區域的像素值較為均衡，并與周圍環境的顏色有一定的差別，滿足區域生長的條件，使用區域生長的方法獲得輸電線區域。輸電線的直線邊緣即為種子點，但直線上的點都是輸電線邊緣，可通過種子點的平均像素過濾非輸電線的邊緣；輸電線還有一個金屬特性，在圖像中的像素值一般比較低，通過比較每個當前種子點與該種子點上下像素點的像素值，取像素值最低的點為種子點。種子點的獲取和篩選步驟：

1) 遍歷經霍夫變換畫線圖像的像素點，像素點是紅色，則為種子點并保存；

2) 求種子點的平均像素；

3) 將每個種子點的像素值與平均像素比較，如果差的絕對值小于閾值，則保留，否則刪除；

4) 分別計算每個種子點及其上下一個臨近像素點的像素值，取像素值最低的點為種子點，篩選結束。

2.4區域生長獲取輸電線區域

區域生長是指將成組的像素或區域發展成更大區域的過程[10]。從種子點的集合開始，通過將與每個種子點有相似屬性，如強度、灰度級、紋理顏色等的相鄰像素合并到此區域。它是一個迭代的過程，這里每個種子像素點都迭代生長，直到處理完每個像素，不斷將其周圍的像素點以一定的規則加入其中，達到最終將代表該物體的所有像素點結合成一個區域的目的。區域生長實現的步驟：

1)從棧中取出1個種子點(0,0)并在棧中刪除該種子，獲取該種子點的像素；

2)以(0,0)為中心，考慮(0,0)的8鄰域像素(,)，如果(,)滿足生長準則，并且該像素沒有被標記（像素值非255），將(,)與(0,0)合并（像素值設置為255），同時將(,)壓入堆棧；

3)從堆棧中取出1個像素，把它當作(0,0)返回到步驟2)；

4)當堆棧為空時，返回步驟1)；

5)重復步驟1)~4)直到圖像中的每個點都有歸屬，生長結束。

由于非優化參數的設置，區域生長經常會導致欠生長或過生長。為了更好地得到生長效果，在區域生長之前先進行窗口二值化。利用種子點的平均像素設定一個窗口門限值，如果在窗口門限值內，像素置為255，否則置0。這樣能過濾掉更多的背景，區域生長的效果圖如圖9所示。

圖9　區域生長的效果圖

3　斷股缺陷檢測

輸電線斷股的特征形態是毛刺或者多股導線向下散開，在圖像上表現為輸電線寬度的突然增大，因此可通過分析導線寬度的變化來檢測斷股缺陷。在檢測過程中，要求拍攝時保證輸電線從圖片左右兩端穿過，寬度的變化體現在每列輸電線像素和的變化，于是分析列像素和的變化即可檢測斷股缺陷。

其算法過程：

1)將整張圖像分成個固定長度的小區域；分別統計區域內所有像素值的和，用，…表示；

(2)

斷股缺陷識別效果如圖10所示。

4　結語

輸電線在圖像中一般可視為直線，利用這一幾何特征，先采用Laplacian算子，對圖像進行邊緣檢測；然后經過閉運算和二值化的優化，得到光滑的邊緣，經過霍夫變換的直線提取，即可獲得輸電線邊緣；最后利用輸電線的像素較為均勻且與背景差別較為明顯的特征，從檢測是直線中獲取種子點進行區域生長，提取輸電線。

[1] 張文峰,彭向陽,鐘清,等.基于遙感的電力線路安全巡檢技術現狀及展望[J].廣東電力,2014,27(2) :1-6.

[2] 王銳,王柯,徐曉剛,等.輸電線路無人機巡檢地面測控站及運輸保障系統設計[J].廣東電力,2011,24(2):87-92.

[3] 孫鳳杰,楊鎮澴,李媛媛,等.輸電導線圖像目標識別方法[J].中國圖象圖形學報,2012,17(3):349-356.

[4] Wang X P, Hu J L，Wu B, et al. Study on edge extraction methods for image-based icing on-line monitoring on overhead transmission lines[J].High Voltage Engineering, 2008,34(12): 2687-2693.

[5] ISHINO R, TSUTSUMI F. Detection system of damaged cables using video obtained from an aerial inspection of transmission lines[C]. Proceedings of the 2004 IEEE Power Engineering Society General Meeting. Piscataway: IEEE，2004,2: 1857-1862.

[6] 王亞萍,韓軍,陳舫明,等.可見光圖像中的高壓線缺陷自動診斷方法[J].計算機工程與應用,2011,47(12):180-184.

[7] 岡薩雷斯.數字圖像處理[M].2版.北京:電子工業出版社,2003:463-473.

[8] 唐佳林,王鎮波,張鑫鑫.基于霍夫變換的直線檢測技術[J].科技信息,2011(14):33,35.

[9] 劉瑞禎,于仕琪.OpenCV教程——基礎篇[M].北京:北京航空航天大學出版社,2007.

[10] 章毓晉.圖像分割[M].北京:科學出版社,2001.

Real-Time Detection of Broken Strand Defects in Transmission Line Based on the Unmanned Aerial Vehicle Image

Yin Baihui Zhong Kaiyu Zhang Xuexi

(1.Heyuan Power Supply Bureau ,Guangdong Power Grid Co., Ltd. 2.College of Automation, Guangdong University of Technology)

In this paper, a real-time monitoring method based on image is designed for the broken transmission lines. Firstly, the image information is transmitted to the personal computer in real time. Edge detection used Laplacian operator. After using closed operation and thresholding method, the paper gets the smooth edge. In order to exclude the straight edge of the other non-transmission line, the Hough transform is improved in this paper. Then, the straight edge of the transmission line is used as the seed point of the region growing to grow out of the transmission line area. Finally, the change of the transmission line width is used to confirm the existence of the broken strand defect.

Broken Transmission Lines; Hof Transform; Region Growing; Defect Detection; Edge Detection

殷栢輝，男，1986年生，本科，工程師，主要研究方向：電力系統供電可靠性。E-mail：547457922@qq.com

鐘凱宇，男，1989年生，碩士研究生，主要研究方向：圖像處理與機器視覺。

張學習，男，1978年生，博士，副教授，主要研究方向：圖像處理與機器視覺。