基于移動邊緣計算的電網輸電線路巡檢圖像識別研究

蒙黔贛，曾路

（1.貴州電網有限責任公司都勻荔波供電局，黔南布依族苗族自治州 558400；2.貴州電網有限責任公司信息中心，貴陽 550003）

引言

隨著智能電網建設的高速發展，輸電線路規模逐漸增大，給電網的安全運行帶來了新的挑戰，需要新型、高效的管理手段來保證電網輸電線路安全。

輸電線路的巡檢業務是電網設施運行保障的重要一環，主要是為了掌握輸電線路的運行狀況、能夠及時發現電網相關設備缺陷和威脅線路安全的問題[1]。目前常見的巡檢方式是通過無人機巡檢，在巡檢過程中采集有限目標的圖像，如輸電線路及桿塔等，目標物始終在有效視場內，由于無人機巡檢是運動的，只有在發現故障或缺陷時，才會懸停飛行，其采集的圖像多數為動態圖像[2]。這種情況下存在很多無效圖像，因此，需要采用圖像識別技術，識別出目標圖像。

傳統的電網輸電線路巡檢圖像識別方法主要采用模糊模式識別方法和基于統計分析的識別方法，識別時對資源和時間消耗較大。因此，設計基于移動邊緣計算的電網輸電線路巡檢圖像識別方法。移動邊緣計算是一種將無線網絡與互聯網技術結合在一起，在無線網絡側增加計算、存儲等功能，通過無線AP開放無線網絡與業務服務器之間的信息交互，智能化滿足用戶的實際需求。通過移動邊緣計算，實現實時有效的電網輸電線路巡檢圖像識別。

1 電網輸電線路巡檢圖像識別方法設計

1.1 基于移動邊緣計算的圖像采集

電網輸電線路巡檢圖像主要通過無人機巡檢采集，獲得的圖像可能存在無用的圖像數據，如在某一個巡檢位置收集的圖像中，出現障礙物將目標遮擋住，對于輸電線路巡檢圖像識別，沒有完整的輸電線路圖像的圖片是無用的[3]。針對這種情況，采用移動邊緣技術，設計邊緣數據處理層，該層在接收輸電線路巡檢圖像數據后，臨時保存在云空間，在線識別含有輸電線路的圖像數據。基于移動邊緣計算的圖像數據采集和處理過程如圖1所示。

圖1 圖像采集和處理過程

每個城市都會有呈規律性的大規模輸電線路，將具有高分辨率、高像素且具有網絡傳輸功能的攝像機安裝在無人機上，攝像頭覆蓋前方80 m范圍，設置巡檢的時間的路線進行巡檢，收集輸電線路圖像數據信息，并實時傳送至邊緣服務器，同時部分電網工作人員在地面上，通過移動設備傳送到邊緣服務器[4]。

邊緣服務器與其附近的無人機等移動設備的連接主要通過無線數據鏈實現，連接完成后即可實現部分服務請求的在線處理，同時臨時保存部分輸電線路巡檢圖像數據。其安裝位置在密集的輸電線路中心。經過處理后，剩余的圖像用于后續識別。

1.2 輸電線路巡檢圖像預處理

在實際巡檢過程中，獲得的圖像數據中存在模糊、畸變和失真情況，造成圖像質量下降，對于識別有較大影響。使用預處理技術，提高圖像質量，圖像預處理技術主要包括灰度化、亮度均衡、對比度增強以及圖像去噪[5]。

在圖像中，以RGB表示圖像顏色，當R=G=B時為灰度值，采用加權平均法實現圖像灰度化處理[6]。根據各個指標的重要性，將RGB三個分量進行加權平均，公式如下：

式中：

在圖像采集過程中，由于攝像機曝光等原因，容易出現圖像整體或局部過亮或過暗，使得圖像亮度不均衡[7]。采用直方圖均衡方法均衡圖像亮度。獲得原始圖像變換之后圖像的灰度級，統計出圖像中不同灰度級的像素個數，計算原始圖像直方圖為：

式中：

K—圖像灰度級。

根據公式2計算累計直方圖：

利用灰度值變換函數計算變換后的灰度值，四舍五入取整數：

確定灰度變換關系x→y，以此為依據，修正原始圖像的灰度值，統計變換后的不同灰度級像素個數，計算變換后圖像的直方圖，達到均衡圖像亮度的目的。

將圖像的對比度增強，突出圖像中識別目標的特征。巡檢圖像對比度增強主要利用微分處理技術，處理圖像時，微分主要通過梯度算法實現[8]。假設圖像函數為在坐標中的梯度矢量如下：

當圖像為數字圖像時，將微分運算替換掉，采用差分運算，得到下式：

原始圖像在采集和傳輸過程中，容易受到各種干擾，從而在圖像中產生噪聲。采用線性濾波算法實現圖像去噪。假設原始圖像中存在M×N個像素，濾波后的圖像為通過下式獲得：

式中：

α—W中的像素點的集合；

W—不包含中心目標點的點鄰域像素點坐標的集合。

圖2中給出了取單位距離構成鄰域的方法，圖中像素間的距離為Δl，選取Δl為半徑作圓，即可消除圖像噪聲。圖像處理完成后，提取圖像特征，用于后續的圖像識別。

1.3 提取輸電線路巡檢圖像特征

利用圖像的投影檢測出輸電線路的直線段，由于投影后的參數空間共線點會相交形成明顯的峰值，進而可提取出圖像中輸電線路特征。

用r(d,β)表示一個圖像函數的radon變換，定義為在與縱坐標夾角為β，與原點距離為d的直線上的線積分[10]。的變換函數是在角β上的一維投影[11]。在旋轉后的坐標系中：表示沿著距離為d的，角度為β的射線的累加和[12]。通過將空間域映射到域上，使得空間中每個點對應空間域中的一條直線。計算映射的直線段在其垂直方向的投影計算最大值，該值在參數空間形成一個峰值，通過改峰值點得到圖像空間中直線的斜率和截距，實現輸電線路巡檢圖像中直線特征的提取。

圖2 鄰域選取方法

1.4 識別輸電線路圖像

利用提取出的輸電線路特征識別巡檢圖像特征，保證獲得的圖像數據滿足相應的需求。數字圖像是一個離散的二元函數，其定義域就是圖像的大小，值域就是最小像素灰度到最大的像素灰度[13]。將獲得的直線段方程的斜率和截距抽象到二維平面中，看做若干個一次函數，規劃到矩形區域內：

公式中M和N表示圖像的大小，將矩形區域的幾何中心定義為圖像數據的中心點，假設圖像數據中存在輸電線路，當輸電線路提取出的直線參數對應的直線段穿過幾何中心時，說明該圖像即為有效圖像，識別成功。即：

大部分情況輸電線路不會只存在一個，當存在多個輸電線路，首先將輸電線路提取結果中的一組1c進行排序，計算出中間數及對應的角度，運用兩個參數計算出一條直線方程：

式中：

β—中心數對應的角度。

通過直線方程，確定圖像中的輸電線路的個數和完整性，完成輸電線路巡檢圖像識別。至此，基于移動邊緣計算的電網輸電線路巡檢圖像識別方法設計完成。

2 電網輸電線路巡檢圖像識別方法仿真測試

2.1 測試準備

測試采用的圖像數據為航拍輸電線路紫外圖像和可見光圖像。通過隨機選擇具有代表性的圖像，作為測試樣本數據，使用設計的基于移動邊緣計算的電網輸電線路巡檢圖像識別方法識別測試樣本數據，同時引用傳統的基于模糊模式識別的圖像識別方法和基于統計分析的識別方法，識別相同的測試樣本數據。具體的圖像數據如表1所示。

使用表1中的10組輸電線路巡檢圖像作為測試圖像，使用不同的識別算法識別并統計識別方法的資源和時間消耗相關數據。

表1 圖像樣本數據

2.2 圖像識別測試結果及分析

使用SigmaPlot14.0軟件統計測試結果。測試結果如圖3所示。

觀察圖3中結果，使用模糊模式識別方法獲得測試結果1，使用基于統計分析的識別方法獲得測試結果2，使用基于移動邊緣計算的識別方法獲得測試結果3。結果1中顯示在識別過程消耗的資源在60～80 %之間，消耗的時間在在40～60 ms之間；結果2顯示，識別圖像過程中，資源消耗在70～85 %之間，時間消耗在20～40 ms之間，與上一個識別方法相比，時間消耗得到了縮短，但是資源消耗提高了一部分；結果3中顯示，識別過程中資源消耗在20%左右，時間消耗基本處于20ms以下，與前兩組數據相比，資源上的消耗得到了很大的縮減，且識別時間得到了提高。

綜上所述，在電網輸電線路巡檢圖像識別中引入移動邊緣計算技術，有效的縮減了識過程中對資源和時間的消耗，設計的基于移動邊緣計算的電網輸電線路巡檢圖像識別方法優于傳統的識別方法。

3 結束語

近年來智能電網發展迅速，輸電線路規模越來越大，為了保證輸電線路的安全，采用多種手段對輸電線路進行巡檢，獲得巡檢圖像。將巡檢過程中采集的圖像作為研究對象，引用移動邊緣計算技術，實現電網輸電線路巡檢圖像識別。通過設計的對比測試證明了，圖像識別方法中移動邊緣計算技術的引用有效的解決了傳統識別方法中存在的問題。但是隨著研究的深入，部分工作需要進一步展開，測試受到多種條件制約，應開發和構建更完整的測試系統，為進一步研究識別方法的完善和發展創造條件。