基于機器視覺算法的絕緣子缺陷檢測與定位

楊文超，鄭 健，王 雪，郝子堯

（三峽大學 電氣與新能源學院，湖北 宜昌 443000）

0 引 言

在高壓輸電線路中，絕緣子長期處于復雜惡劣的自然環境，常常會受到覆冰、雷擊以及溫度驟變等影響而發生一些故障。為確保輸電線路的安全穩定運行，電網運行部門會定期巡檢并維修輸電線路。傳統的人工巡檢存在巡檢強度大、效率低、危險系數高以及巡檢質量不能得到保障等許多問題。隨著科學技術的快速發展，考慮通過遠程智能巡檢系統拍攝輸電線路現場圖片來代替人工巡檢，采用基于數字圖像處理的機器視覺算法得到絕緣子串珠清晰的掩模圖像，從而精確地標注絕緣子缺陷部位[1]。

1 絕緣子串珠分割

高壓輸電線路往往處在復雜多變的自然環境中。光照變化復雜，叢林、高山以及草地遍布其中，拍攝圖片的背景顏色與絕緣子串珠的顏色十分相近，因此很難完全濾除背景干擾[2]。再加上拍攝角度的不同，使得不同圖像中絕緣子的形狀不同，這就決定了不能使用傳統的提取絕緣子邊緣算法濾除背景。基于以上難題，本文提出采用Lab空間模型和灰度空間模型最大類間方差閾值分割的結果進行“圖像與”運算，濾除背景干擾，得到清晰的掩模圖像。算法分割的主體為自然環境下的絕緣子串珠。絕緣子缺陷原圖如圖1所示。

圖1 絕緣子缺陷原圖

由于輸電線路中的絕緣子本身有著獨特的顏色特征，所以可以先采用Lab色彩空間模型分割圖像[3]。Lab色彩空間模型將亮度分量L通道單獨分離出來，大大減少了光照變化對圖像分割效果的影響，使其提取的顏色特征比較穩定。可以先將圖像轉換到Lab空間，從中提取出a空間的圖像并對其進行最大類間方差閾值分割。使用a空間模型后，因為很多樹木的顏色和絕緣子串珠的顏色幾乎相近，所以仍然有很多背景干擾無法濾除，因此需要結合灰度空間模型最大類間方差閾值分割來濾除剩余干擾[4]。處理后的效果如圖2所示。

2 絕緣子自爆識別和定位

2.1 絕緣子串起點和終點的確定

由于絕緣子分布在兩條直線上，故可以采用最小二乘法直線擬合，將絕緣子串分成兩部分進行處理[5]。遍歷圖像，將白色像素值對應的坐標點用(xi,yi)存儲起來，當作直線擬合的采樣點，通過最小二乘法直線擬合得到該直線的方程y=kx+b。沿著擬合的直線掃描絕緣子的像素點，對每一個白色像素點都尋找一條經過該像素點且與擬合直線垂直的直線y=mx+n[6]。設定一個掃描的閾值為Threshold，如圖3所示，在閾值范圍內沿著y=mx+n方向掃描像素點，直到掃描到第一個絕緣子的中心為止，從而找到絕緣子串的起點和終點。

圖2 絕緣子串珠進行圖像處理后的掩模圖

圖3 絕緣子串直線擬合示意圖

2.2 每一個絕緣子中心坐標和區域坐標的確定

如圖4所示，O點為絕緣子中心點，S點為絕緣子串起始點，E點為絕緣子串的終點，A、B、C、D為絕緣子矩形區域的頂點。根據幾何關系可以得到第i個絕緣子的中心點O的坐標，以及矩形區域4個頂點的坐標[7]。采用此模型標記出來的結果如圖5所示。

圖4 絕緣子串示意圖

2.3 絕緣子自爆缺陷的定位

圖5 絕緣子串掩模圖像區域標記圖

通過設定每個區域內白色像素點的數目閾值來判斷某個絕緣子是否有缺陷。設定閾值如下式：

式中，N表示絕緣子的個數；count表示沿著y=mx+n方向統計1白色像素點的數目；m表示絕緣子區域的高度；length表示絕緣子串的長度[8]。

若某區域像素點大于閾值，則表示無缺陷；若某區域像素點小于或等于閾值，則表示存在缺陷[9]。缺陷判斷依據如下式：

采用上述算法定位存在缺陷的絕緣子，如圖6所示。可見，該模型可以準確定位存在缺陷的絕緣子。

圖6 絕緣子缺陷定位圖

3 Dice系數評價方案

絕緣子缺陷識別與定位采用Dice系數進行評價。通過計算兩個樣本的相似度，從而得到評價系數，公式為：

其中，A表示專業人士標注的區域，B表示采用上述算法所得到的區域。經計算得Dice=0.986，由此可看出采用上述圖像識別算法標記出來的區域與專業人士標記出來的區域相似度極高[10]。故采用此模型算法可以得到清晰掩模圖像并精確地識別定位絕緣子缺陷部位。

4 結 論

以“宜昌—上海”輸電線路中的絕緣子為研究對象。利用Lab色彩空間模型結合灰度空間模型中的最大類間方差閾值分割來濾除圖像背景干擾，得到清晰絕緣子串的掩模圖像。根據得到的絕緣子串建立相應的數學模型，對每個絕緣子進行矩形區域分割并得到白色像素點的閾值。若某絕緣子對應的矩形區域內的白色像素點數小于閾值，即可判斷該絕緣子存在缺陷。經過評價模型的檢驗可知，本文采用的模型可以精確定位絕緣子自爆缺陷部位。