基于機器視覺技術的電纜結構參數檢測系統研究

胡立錦,楊永全

(國網重慶市電力公司建設分公司，重慶 410021)

0 引 言

為滿足社會經濟飛速發展和人民生活水平提升對電力供應的需求，電力設施建設規模和速度不斷加快，中國以特高壓為主的電力平衡傳輸網絡日益成熟，次級配套網架也不斷深化，常規電網安全性和穩定性明顯提升。在保證電力供應基本功能需求的前提下，現代城市電力設施與周圍環境的相容性越來越被關注，加之城市用地緊張與電力走廊占地的矛盾不斷加深，電纜化成為城市電力的發展趨勢。

電纜化一方面催生電纜制造業飛速增長且電纜應用范圍向不同電壓等級延伸；另一方面也給電力系統安全穩定運行帶來新的風險和隱患。電力電纜為封閉、緊湊型構造，絕緣合成材料或油浸紙構成的復合絕緣包裹于線芯之外。由于長時間運行于電纜隧道或電纜溝等有限、狹小空間中，故障不易判定且維修難度大，不能及時消缺易導致停電事故。研究典型電纜事故案例并結合電纜運行經驗發現，安裝不當和外力機械破壞是造成電纜故障的主要主觀原因，而電纜系統的結構質量則是主要的客觀原因[1-3]。

目前，國內外關于電纜故障方面的研究多集中于前期故障和永久故障的檢測方面，包括故障機理分析、故障定位測距、故障在線監測等。美國、德國和英國等研究起步較早，技術己經得到大規模應用。近年來，國內研究也取得較大進步，文獻[4]提出，隨著信息存儲與計算技術的進步，實時更新、存儲、調用電纜故障數據庫信息，并對故障樣本進行動態學習，不斷豐富和完善智能故障診斷專家系統，從而實現電纜故障在線檢測。文獻[5]將小波分析理論應用到電纜故障診斷中，通過對故障信號的時域和頻域進行多層分解，提取特征信號，從而實現電纜故障定位。文獻[6-10]對電纜故障發生的基本原理進行了深入研究，對比分析了國內外電纜故障診斷技術發展現狀和趨勢，將引力搜索算法和神經網絡運用到電纜故障診斷研究中，提出通過希爾伯特變換進行故障識別和定位，改進電纜故障診斷模型，合理優化診斷算法。

然而，對于電纜故障的事前控制研究鮮有涉獵，電纜系統的結構質量僅依靠電纜抽樣送檢，送檢樣本截取、抽樣頻率、送檢周期等諸多因素制約了電纜入場和安裝的質量把控。鑒于此，從提升電纜結構質量檢測手段出發，提出基于機器視覺技術的電纜結構和相序檢測系統研究，以期改善電纜入場、安裝前可檢項目種類和檢測精度，從源頭增強電纜安全穩定運行可靠度。

1 電纜故障與電纜檢測

電纜故障按照故障表現通常可分為開路故障(即電纜導體斷裂)、短路故障(包括導體對導體短路和導體對地短路)、絕緣故障(老化或擊穿，絕緣電阻大幅下降)[11]。

誘發電纜故障的成因可分為主觀原因(如安裝工藝缺陷、誤操作、制造和設計缺陷等)和客觀原因(如運行環境惡劣、非人為外力破壞、超期老化等)兩個方面[12]，目前研究多集中在外部原因方面，而對電纜本身質量問題研究較少。

1.1 電纜主要質量問題分析

隨著電纜化程度的不斷提升，電纜事故發生的頻次也逐步增加，電纜實體質量和安裝質量驗收愈發重要。電纜導體缺斤少兩或銅材純度不足將直接降低電纜載流量，使同等條件下電纜發熱量增加，當發熱量超過電纜承受范圍后可能引發火災等安全事故[13]。

絕緣屏蔽燒蝕擊穿是電纜故障頻發的重要誘因。目前，電纜絕緣屏蔽的燒蝕損傷缺乏有效的檢測手段。而導致高壓電纜絕緣屏蔽燒蝕除了受運行條件、環境影響外，絕緣屏蔽層本身質量也是主要因素之一，加強絕緣屏蔽層最大、最小厚度檢測，對預防絕緣屏蔽燒蝕擊穿有積極意義。

1.2 電纜檢測項目與標準分析

1)導體及線芯截面積

電力電纜通常由多股銅芯導線構成，電纜導體表面應干凈、無損傷，無明顯質量缺陷，導體截面積應滿足相應規范，并不小于廠家供貨參數中的標稱截面積。當實際截面積小于標稱截面積90%時應重點關注并對電纜進行強制實驗室檢驗。

2)絕緣層厚度

絕緣層的主要作用是實現線芯電氣隔離、保證電能正常輸送。絕緣層厚度平均值不應小于規范規定的標稱值，絕緣層最小測量厚度應大于0.9倍標稱值，且在相同截面測得的絕緣偏心度應小于0.1。

3)屏蔽層厚度

高電壓等級電力電纜一般還有導體屏蔽層和絕緣屏蔽層。屏蔽型電纜在纜芯外應有銅/聚酯復合膜構成的屏蔽層，并在內側有1.0 mm裸銅線貫穿整個電纜長度，以便接地用，屏蔽層重疊繞包的重疊率應不小于15%。

4)金屬鎧裝層厚度

電纜鎧裝層多為鍍鋅鋼帶鎧裝，兩層螺旋繞包于絕緣層外，外層的中間大致在內層間隙上方，繞包應圓整光滑，鎧裝層厚度應滿足規范要求。

5)不圓度

電纜不圓度會改變電纜的截面積，也會改變絕緣及護套的厚度，從而改變電纜的電阻和擊穿電壓。一般情況下，電纜不圓度應滿足：

2 機器視覺模塊

2.1 視覺測量技術

視覺測量技術是通過高倍工業相機獲取高質量數字圖像，通過軟件編程對圖像做進一步的數據挖掘，從而獲取需要的數據[14-16]，相機系統模型如圖1所示。

圖1 顯微成像系統模型

圖中實物坐標為P(X,Y,Z)，鏡像坐標為p(x,y,z)，成像原點為O(0,0,f)，則實物與鏡像對應關系為

(1)

2.2 視覺測量系統

視覺測量系統中最重要的部分為工業相機，它是采集高質量數字圖像的關鍵，并直接影響以此為基礎的檢測精度[17]。相機的選擇主要考慮鏡頭和分辨率兩個因素，一般工業相機測量系統如圖2所示。

圖2 視覺測量系統

鏡頭的相關的參數包括焦距(F)、工作距離(WD)、景深(DOV)、電荷耦合芯片(CCD)及視場(FOV)，其中焦距是鏡頭最重要的參數。相關參數之間的關系為

(2)

2.3 視覺測量標定與精度分析

視覺測量系統標定的本質是從圖象出發恢復出空間點三維坐標的過程，亦即實現世界坐標系(參考坐標系)、攝像機坐標系、圖像物理坐標系、像素坐標系的統一[18]，坐標系轉換示意如圖3所示。

圖3 坐標系轉換

真實點M和它的鏡像點m關系為

(3)

式中：K為相機內參數矩陣；[r1r2r3]是鏡像點對真實點的旋轉坐標；t是鏡像點對真實點的平移向量。

(4)

標定是對世界坐標系和像素坐標系關系的固定，本質是確定相機內參數、外參數、畸變參數等，標定的精度影響測量準確度。標定方法一般分為絕對標定法和相對標定法，絕對標定法是先通過標定尺或者標定塊來計算相機像素值代表的真實值，再由像素值進行測量的方式；相對標定法則是同時測得標準件和被測件的像素個數，由標準件的實際尺寸倒推得到被測件的測試結果[19]。

2.4 圖像處理軟件開發平臺

通過Python編程調用OpenCV函數庫來實現圖像處理，程序流程如圖4所示。

圖4 圖像處理程序流程

3 圖像處理模塊

3.1 圖像預處理

對相機采集到的電纜高質量數字圖像進行雙邊濾波預處理，充分考慮圖像的空間鄰近度以及像素值相似度，同時參考空域信息和灰度相似性，去除圖像噪聲信號。

電纜的圖像經過雙邊濾波后的對比效果如圖5所示。

圖5 雙邊濾波后的對比效果

然后，通過ACE增強算法將圖像分成高頻和低頻兩個部分，對高頻部分乘以增益值，然后重組得到自適應對比度增強的電纜圖像，數學推導如下：

假設選定電纜圖像中某點x(i,j)，以(i,j)為中心，在窗口大小為(2n+1)×(2n+1)的區域內，其局部均值和方差可以表示為式(5)和式(6)：

(5)

(6)

式中:mx代表圖像背景;x-mx代表圖像的高頻細節部分。放大x-mx，獲得增強圖像，如式(7)所示：

f(i,j)=mx(i,j)+G(i,j)[x(x,j)-mx(i,j)]

(7)

增益G與局部均方差成反比：

(8)

對局部均方差較大的圖像高頻部分，放大系數適當減小，避免圖像過亮；對局部均方差很小的圖像平滑區域，放大系數適當增加，讓圖像中對比度較弱的部分的增強效果更加明顯。ACE增強算法處理后電纜圖像對比效果如圖6所示。

圖6 ACE算法增強后的對比

3.2 邊緣檢測

對增強后的圖像采用標準邊緣檢測算法實現邊緣粗定位，獲取邊緣圖像，然后使用亞像素細分算法，在有效減小背景噪聲對邊緣信息干擾的同時，通過增加計算精度來平滑、連續圖像邊緣的完整性，有效降低算法在非邊緣位置的冗余計算,提升噪聲干擾下的穩定性。

定位處理后的電纜圖像對比效果如圖7所示。

圖7 定位對比

最后，對定位處理后的圖像進行標定換算即可獲得相應需求參數。

4 結 語

前面在分析電纜故障成因的基礎上，立足工程實際，重點介紹電纜本體結構質量缺陷引發的管理局限性，提出基于視覺測量技術的電纜結構參數檢測系統研究，通過軟件編程實現電纜截面圖像獲取和處理。系統將相機采集到的電纜圖像進行Bilateral Filters算法去噪預處理；再選用ACE算法提高圖像的視覺效果；最后通過標準邊緣檢測算法確定圖像邊緣，通過亞像素邊緣檢測算法得到小數級別的像素距離，提升測量精度。經過實際測試，該系統實現了電纜結構參數的實時在線檢測，拓寬了電纜入場和安裝前可檢項目種類，提高了檢測精度，對從源頭強化電纜安全穩定運行可靠度有積極的促進作用。