關于無人機紅外熱像的電纜隱患點智能檢測分析

陳曉波 楊柳輝

摘要：隨著當今科學技術的不斷發展，越來越多的先進技術開始被應用到了電力工程領域中。尤其是無人機紅外熱像技術，更是在電纜隱患點的智能檢測中發揮著顯著優勢。為實現電纜隱患點智能檢測效果的良好保障，本文特對該技術在其智能檢測中的應用進行分析。希望通過本次的分析，可以為電纜隱患點的及時發現與處理提供科學參考。

關鍵詞：電力工程;電纜隱患點;無人機紅外熱像技術;智能檢測

前言：

在對電纜中的隱患點進行智能檢測時。無人機紅外熱像技術是一項關鍵技術。借助于該技術，可以將相應的故障隱患點以圖像的形式展示出來，讓隱患點得以直觀顯示。同時，這種智能檢測技術也可以替代傳統的人工檢測方法，在提升檢測效率、質量的同時避免人為因素對檢測結果的不利影響，并盡最大限度確保工作人員的人身安全。因此，在具體的電纜隱患點檢測中，電力企業一定要加強此項智能檢測技術的應用研究，以此來充分發揮出其技術優勢。

一、檢測流程分析

在通過無人機紅外熱像技術對電纜隱患點進行智能檢測的過程中，其主要的檢測過程有兩個，第一是目標檢測，第二是目標識別。其中，目標檢測主要是借助于改進之后的Bernsen二值化來進行相應的圖像處理，然后再通過攝影以及形態法將需要檢測的主體電纜從紅外圖像中提取出來。目標識別主要是在電纜主體的紅外圖像中尋找顏色異常和亮度異常的區域，以此來實現隱患點的確定[1]。下圖是電纜隱患點檢測中的無人機紅外熱像智能檢測流程圖：

二、檢測方法分析

（一）改進之后的Bernsen二值化算法分析

在對數字圖像進行處理的過程中，圖像二值化是預處理中最重要的一步，該方法是按照選定的閾值，將圖像內的全部像素設置成黑色（0）或者是白色（1），進而讓整個圖像變為黑白圖像，這樣就更容易在背景中進行相應物體的提取，達到良好的前景和背景像素分離效果。在二值化方法中，自適應閾值、Otsu以及灰度平均值是常見的處理方法，第一種方法所處理的圖像內各個像素點都對應不同的閾值，二值化過程中需要根據各個像素的鄰域范圍像素為其選擇一個合理的閾值來進行處理;后兩種方法的相同點是將全局作為基礎，通過單一閾值來進行圖像處理。而在實際應用的過程中，因為紅外圖像具有較大的灰度變化情況，噪聲以及光照等的很多因素都會對其灰度產生影響。基于此，為有效克服噪聲以及光照不均勻對圖像灰度的不良影響，可以對Bernsen二值化算法加以改進，并通過這種改進之后的算法來進行電纜紅外圖像的處理。

Bernsen算法屬于一種局部形式的閾值算法，該算法在對于光照不均勻問題的解決十分有效，在灰度圖像中，在（2w+1）*（2w+1）這一窗口中，將（i，j）這一像素點作為中心，對每一個像素點進行T（i，j）閾值計算是其核心思想。其計算公式如下：

其中，窗口位置參數用k，l表示，為實現噪聲與光照影響的有效降低，可將f（i，j）這一圖像先逐點進行高斯濾波處理。其公式如下：

其中，高斯濾波所具有的平滑尺度用表示。然后再通過Bernsen對這個圖像進行二值化處理，由此獲得到像素點T’（i，j）公式如下：

在通過改進之后，Bernsen二值化圖像b的公式如下：

通常情況下，應將其窗口設置為5*5大小，以上公式中的T和T’將會在圖像中隨著窗口滑動，各個區域內都會有不同的值產生，通過最終的計算，便可獲得到自適應閾值形式的二值化圖像[2]。

（二）投影法分析

在通過二值化對紅外圖像進行處理之后，便可實現大致的主體電纜輪廓獲取，而在對二值圖像中的前景和背景進行分割時，投影法便是最常用的一種方法。具體分割中，為了將主體電纜從圖像中有效提取出來，便可借助于投影法來實現上下左右這四個邊界坐標信息的獲取，然后以此為依據進行分割。投影法的實現過程主要有兩個，其一是水平投影，也叫做行投影，其步驟是各行循環，并對行前景像素數量進行統計，以此來實現前景上下邊界坐標信息的準確獲取;其二是垂直投影，也叫做列投影，其步驟是各列循環，并對列前景像素數量進行統計，以此來實現前景左右邊界坐標信息的獲取。

（三）形態學處理分析

在從紅外圖像中進行了主體電纜提取之后，需對其中的隱患點做出進一步的識別。在對主體電纜圖像內的顏色異常和亮度異常區域以及強度色譜分布情況進行分析之后，便可對發熱點做出初步確定。但是這樣獲得到的高粱區域可能有很多的數量，且一些高粱區域的面積可能很小，因此，為實現隱患點的進一步明確，就需要對這些初步確定的異常區域做合并處理。此項處理主要借助于數學形態學中的開閉、膨脹以及腐蝕運算來實現。

其中，膨脹運算以及腐蝕運算的操作是將數學形態學中的處理方法作為基礎，將集合作為其操作對象的計算方法，所以就數學意義來看，它屬于非線性形式的一種操作。假設在Z2中共有兩個集合，一個是A，另一個是B，則B集合對A集合的腐蝕可按照以下公式來表示：

按照相關定義可知，B集合對A集合的腐蝕包含在A集合中，是通過z平移所得到的、屬于B集合中的所有點，同時也屬于一個z集合。

B集合對A集合的膨脹可按照以下公式表示：

按照相關定義可知，B集合對A集合的膨脹屬于全部位移z的集合，在這樣的情況下，它至少會與A集合中的一個元素重疊。

通過腐蝕操作，會讓圖像中的相應組成部分縮小，在實際運用時，可將圖像內含有的細微的點和連接線去掉，而膨脹操作會將圖像中相應的組成部分擴大，并對其中的物體進行粗化[3]。

開閉運算都是以腐蝕操作和膨脹操作為基礎的形態學處理方式，B集合對A集合的開運算可以按照以下公式表示：

B集合對A集合的閉運算可按照以下公式表示：

在對電纜主體進行提取之后，需通過數字形態學來進行小區域的融合處理，開運算是先膨脹操作再腐蝕操作;閉運算則是先腐蝕操作再膨脹操作。而這兩種運算方式都可以讓物體輪廓得到平滑處理，開運算可將狹頸斷開，并將細的突出物消除;閉運算一般會將窄間斷彌合，并將小孔洞消除。通過這些操作方法，可以讓電纜主體中的多個近距離高亮區域合并起來，并將區域內部的孔洞去除。以下是具體的識別步驟：①借助于強度色譜和主體電纜圖像之間的整體顏色分布情況來進行高亮閾值的確定，進而在主體電纜圖像內實現全部高亮區域的獲取。②對面積閾值進行合理選取，移除面積小于閾值的高亮區域。③按照以上的四種形態學處理方式，對多個近距離高亮區域進行合并處理，并將其內部的孔洞去除。④留下來的所有高亮區域都是最終確定的隱患點，將此結果輸出即可。通過這樣的方式，便可對電纜中的隱患點實現良好的智能檢測。

結束語：

綜上所述，在電纜隱患點檢測中，無人機紅外熱像智能檢測技術是一種先進且有效的技術形式。將該技術合理應用到檢測中，通過改進之后的Bernsen二值化算法處理、投影分析以及形態學處理技術，便可對無人機航拍獲取到的紅外圖像進行科學處理，以此來實現電纜主體隱患點的準確識別與定位，進而為后續的電纜維修處理提供足具科學性的參考。這對于電纜運維質量的提升以及電力行業的發展都將有著十分積極的促進作用。

參考文獻：

[1]張玲.電力電纜故障原因與檢測技術分析[J].大眾標準化，2021（06）：262-264.

[2]程羽佳，楊晴，王凡.電纜防護層故障點的紅外立體視覺檢測[J].現代計算機，2020（19）：68-71.

[3]李劍.電力電纜接頭溫度檢測及預警系統的設計[J].新型工業化，2020（06）：35-36.