基于數字圖像處理的電力線異物識別方法研究

梁新福 羅日成 黨世軒 周 晶 陽冠菲

基于數字圖像處理的電力線異物識別方法研究

梁新福 羅日成 黨世軒 周 晶 陽冠菲

（長沙理工大學，長沙 410114）

針對架空線路異物搭掛的潛在威脅，本文提出一種快速識別航拍圖像中異物的方法。首先運用直線段檢測（LSD）算法從預處理后的圖像中提取電力線，并基于架空導線上異物特征設計針對異物的識別算法，提取導線異物；接著對其進行邊緣檢測，提取缺陷畫框并在巡檢圖像中標識；最后，通過多組樣本數據對算法實用性能進行評估。實驗結果表明，該方法能對輸電導線上搭掛異物的情況進行有效識別，在無人機電力巡檢中具有一定的應用價值。

輸電線路；異物識別；直線段檢測（LSD）；邊緣檢測

0 引言

輸電線路是電力輸送的主要載體，直接影響配電與用電系統的正常運行。隨著遠距離輸電線路的增加，輸電線路貫穿地形地貌日趨復雜，我國電力巡檢面臨著巨大挑戰[1]。近年來，由于風箏、氣球、塑料垃圾等異物的入侵，使線路故障率常年居高不下。線路上懸掛異物會導致線路對地絕緣距離縮短，易引起線路跳閘。因此，能夠及時識別出異物并采取措施清理，對電力系統的安全穩定運行具有重要的意義。

現有的人工巡線作業方式勞動強度大、效率低，已經不能適應現代化電網建設與發展的需求。無人機電力巡檢系統具有不受地形環境限制、巡線速度快和巡檢質量高等優勢[2-4]。出于建設堅強智能電網的需要，無人機巡線作為一種先進、科學、高效的電力巡線方式，開始逐步實現工程化應用，大大提高了巡檢效率。無人機通過搭載可見光成像設備對高壓輸電線路進行圖像收集，然后經過計算機圖像處理技術對收集的圖片進行篩查，判斷線路上是否存在異物。文獻[5]通過分析輸電線在圖像中的形態特征，提出針對輸電線交叉及異物附著干擾的斷股診斷方法。文獻[6]提出對圖像空間直線的提取和檢測方法，為輸電線路是否存在異物的識別提供了思路。文獻[7]通過最大類間方差法（OTSU）和Hough變換原理對輸電導線進行提取和檢測，通過對輸電導線進行卷積操作判斷是否存在異物。

針對輸電導線異物搭掛問題，本文提出一種基于直線段檢測（line segment detection, LSD）算法與多約束特征的輸電導線異物識別方法。首先對圖像進行預處理，之后使用LSD算法提取輸電導線，最后依據異物特征，設計異物的識別算法，實現導線上的異物檢測。

1 圖像預處理

無人機在線路巡檢的過程中，往往受到各種干擾因素的影響，其中最主要的是：

1）受氣流的影響引起機身輕微晃動，導致采集的圖像模糊。

2）搭載的成像設備受光照、天氣及圖像傳輸過程等因素的影響會摻雜噪聲（主要為椒鹽噪聲）。

為了提高圖像后期處理的精度和效率，需要對圖像進行相應的預處理操作[8-9]。本文采用維納濾波和中值濾波相結合的方法對航拍圖像進行預處理。待處理的航拍圖像如圖1所示。

圖1 待處理的航拍圖像

由于維納濾波器對圖像的復原效果、抗噪性能較好且計算簡便，因此廣泛應用于圖像復原領域。本文對采集到的圖像通過維納濾波器進行濾波。為了有效去除噪聲，對復原后的圖像采用中值濾波。中值濾波能夠有效去除圖像中的顆粒噪聲，同時也能很好地保護圖像的細節，其實現方法為：設置模板窗口，使其中心與圖像中某個中心像素的位置重合，將模板窗口對應的中心像素的灰度值按大小排序，找出中值，并賦值給對應模板中心位置的像素，依次遍歷整個圖像。其數學描述為

窗口的尺寸越大，需要比較的次數越多，由試驗對比可知，采用3×3窗口的計算量和濾波效果最好，濾波后的航拍圖像如圖2所示。

圖2 濾波后的航拍圖像

2 輸電導線的識別

2.1 LSD算法

LSD算法通過計算圖像中像素點梯度的大小和方向，將梯度方向變化小且鄰近的點定義為一個連通域。根據域中的矩形度判斷是否需要按照規則將其斷開以形成多個矩形度較大的域。通過對生成的所有的域進行改善和篩選，保留其中滿足條件的域，即為最終直線檢測結果[10-14]。相比于其他直線檢測算法，LSD算法具有結果準確、誤檢可控且無需調節參數的優點。具體算法流程如下：

1）高斯降采樣，采樣率為0.8，將輸入圖像縮小0.8倍，以消除鋸齒效應的影響；計算圖像各像素點梯度的大小和方向，根據梯度值大小排序。

2）圖像中變化較緩或平滑的區域對應的梯度值較小，為非目標區域，因此設置梯度閾值，將小于的點狀態設置為USED，其余為UNUSED，并取排序表中狀態為UNUSED的點。

3）設置方向變化最大容忍值，在狀態為UNUSED的點中取梯度最大的點為種子點進行區域生長（region grow），獲得線支持區域，并構造包含該區域所有方向變化小于的點的矩形（即待檢測線段），該矩形方向為主慣性軸方向；計算生長得到的區域的對齊點密度。

式中：為圖像長度；為圖像寬度；為值的個數；為對齊點的概率；(·)為矩形對應噪聲模型中對齊點的數量不小于實際模型的概率；()為第個矩形框中像素的總個數；(,)為第個矩形框中對齊點的個數。

對第1節中經濾波處理后的圖像執行LSD算法，檢測結果如圖3所示。

圖3 LSD算法檢測結果

2.2 檢測結果的篩選與識別

從直線檢測結果中可以看出，圖像中除了輸電導線以外還存在其他具有直線特征的偽目標。因此需要根據電力線的特征，提出電力線的篩選標準：①電力線完整且較長；②電力線是一組傾角相近的直線。

首先根據特征①設置長度閾值len對圖像進行第一次直線篩選，保留長度大于閾值的直線，標記出保留直線中的最長直線；在第一次篩選的基礎上，獲得最長直線的角度，并設置為角度閾值，根據特征②對剩余直線進行第二次篩選，排除差別較大的直線；接著以為旋轉標準，對圖像進行傾斜校正，對校正后的圖像進行Hough直線檢測并轉化為二值圖像[15]。對檢測到的直線進行連通域提取，并在校正后的原圖中標記。電力線目標區域識別的結果如圖4所示。

圖4 電力線目標區域的識別結果

3 電力線上的異物識別

在航拍圖像中要準確識別并定位異物的位置，首先要對異物進行提取，本文通過OTSU算法分割目標與背景，基于含異物的電力線與正常電力線的差異提取并定位異物的位置。

3.1 OTSU圖像分割算法

最大類間方差法又稱OTSU算法，是由日本學者大津在1979年提出的一種自適應的閾值分割算法[16-19]，其原理是根據圖像灰度直方圖的數據計算得到最優分割閾值，將圖像分割，去除背景，得到含有目標前景的二值圖像。

閾值的獲取步驟如下：

2）設閾值能將圖像的所有像素分為兩類C1（背景）和C2（前景），通過式（3）計算像素被分為C1、C2的概率1、2，通過式（4）計算C1、C2的均值1、2。

圖像的全局均值為

從而得到類間方差表達式為

類間方差越大，則C1和C2的分割效果就越好，求使式（6）的類間方差最大化對應的灰度級，即所求取的最佳閾值。根據閾值設置判定式對圖像進行像素處理，得到目標圖像，對圖像進行濾波，去除獨立的噪聲點并進行傾斜校正，得到的二值圖像如圖5所示。

圖5 二值圖像

3.2 異物識別與定位

圖6 截取目標區域示意圖

在校正后的導線檢測圖中，依次對每條電力線截取目標區域，同理，在閾值分割后的二值圖像中對應區域截取含異物的電力線目標區域子圖，兩者相減，并進行連通域提取，可得到輸電導線上的異物，結果如圖7（a）所示。

圖7 異物識別

對提取的異物先進行形態學開運算（先腐蝕再膨脹）去除圖像中較小的白色像素點，再進行閉運算（先膨脹再腐蝕），填充圖像中的凹角，結果如圖7（b）所示。

對形態學處理后的圖像進行濾波處理，通過canny算子進行邊緣檢測，依據邊緣輪廓繪制外接矩形框，從而得到缺陷畫框，結果如圖7（c）所示。

設集合為待修正集合，為結構元素，膨脹處理是將物體接觸的所有背景點合并到該物體中，使邊界向外擴張的過程[24]，定義為

腐蝕與膨脹是對偶操作，用于消除小且無意義的物體，定義為

從圖7（c）可以看出，在異物識別過程中受到防振錘等部件的影響產生了偽畫框，因此要對缺陷畫框進行篩選。懸掛在輸電導線上的異物，多數為風箏、塑料、飄帶等物體，其產生的缺陷畫框的特點與防振錘等部件有著明顯的差異。因此通過設置缺陷畫框的長寬比與面積的取值范圍，可篩除掉偽畫框，結果如圖7（d）所示。經過缺陷篩選后，在校正原圖上定位搭掛異物的位置，算法處理結果如圖8所示。

4 驗證分析

本文以輸電導線為研究對象，提出識別導線搭掛異物的檢測方法。算法流程如圖9所示。

本文選取64張圖像，其中缺陷樣本30張，平均分為4組依次導入識別算法，部分圖像識別結果如圖10所示。

圖8 算法處理結果

圖9 異物檢測算法流程

為驗證該算法的實用性，以檢測率和平均耗時為評價指標，對算法性能進行分析。

式中：為圖片被正確識別效率；為被正確識別的樣本數；為樣本總數。

圖10 部分圖像識別結果

式中：為平均每張圖片的耗時；為樣本檢測總時耗。

算法的平均耗時和檢測率見表1。

表1 算法的平均耗時和檢測率

結合圖10與表1的實驗結果，本文算法不僅平均耗時短，而且檢測率也相對較高，具有較好的魯棒性。

5 結論

本文首先對航拍圖像進行預處理，以消除干擾因素對圖像處理效果的影響；對輸電導線的提取采用LSD算法與Hough變換相結合的方法，顯著提高了識別率；之后依據設計的異物識別算法提取異物，計算量小且耗時短；最后進行邊緣檢測，提取缺陷畫框并在巡檢圖像中標識。本文方法能夠快速有效地從航拍圖像中識別電力線并定位異物所在位置，應用在輸電線路無人機巡檢中，可有效提升巡線效率和精度，具有一定的工程應用價值。

[1] 曹翊軍, 董興輝, 曹年紅, 等. 基于圖像采集與識別的輸電線路覆冰監測系統[J]. 電氣技術, 2010, 11(8): 51-53.

[2] 陳肇隆. 基于無人機圖像的輸電線路附件識別與缺陷檢測[D]. 廣州: 華南理工大學, 2020.

[3] 陳瑞. 基于航拍圖像的輸電線路關鍵部件故障識別方法[D]. 保定: 華北電力大學, 2019.

[4] 金立軍, 姚春羽, 閆書佳, 等. 基于航拍圖像的輸電線路異物識別[J]. 同濟大學學報(自然科學版), 2013, 41(2): 277-281.

[5] 趙雨田. 基于數字圖像處理的輸電線路異物識別技術研究[D]. 南京: 南京理工大學, 2017.

[6] 鄒棟. 輸電線路中關鍵部件圖像識別及異常檢測方法研究[D]. 保定: 華北電力大學, 2017.

[7] 趙永生, 徐海青, 吳立剛, 等. 基于霍夫直線變換的輸電線路異物識別應用研究[J]. 數字技術與應用, 2017(3): 127-129, 132.

[8] 張永強, 郭誠, 張豪俊, 等. 基于圖像識別技術的氣體絕緣金屬封閉開關設備中開關觸頭位置監測系統[J]. 電氣技術, 2019, 20(5): 51-54, 68.

[9] 印峰, 汪沨, 毛建旭, 等. 基于數字圖像處理技術的絕緣子表面電荷測量標度問題的研究[J]. 電工技術學報, 2009, 24(7): 16-20.

[10] 王定松. 基于無人機的輸電線路立體巡檢系統設計及圖像處理研究[D]. 揚州: 揚州大學, 2021.

[11] 劇成宇, 師艷, 高首都, 等. 基于LSD算法的航攝正射影像電力線提取[J]. 電力勘測設計, 2020(增刊2): 166-170.

[12] 劉思雨, 呂開云, 劉盈. 基于LSD算法的航拍影像電力線提取[J]. 江西科學, 2019, 37(6): 825-831.

[13] 李一波, 荊磊, 秦帥濤. 基于改進LSD算法的機場跑道檢測[J]. 沈陽航空航天大學學報, 2020, 37(2): 63-69.

[14] 王冬梅, 謝鑫. 基于信息熵的自適應高斯金字塔的LSD算法改進[J]. 吉林大學學報(信息科學版), 2020, 38(6): 647-655.

[15] 王盛譽, 毛鵬飛, 謝曉君. 智能識別技術在無人機電力巡檢中的應用[J]. 集成電路應用, 2021, 38(3): 98-99.

[16] 曾艷陽, 謝高森, 張建春. 基于截距直方圖和Otsu融合的弱光圖像分割[J]. 激光與光電子學進展, 2021, 58(20): 219-227.

[17] 婁聯堂, 何慧玲. 基于圖像灰度變換的OTSU閾值優化算法[J]. 中南民族大學學報(自然科學版), 2021, 40(3): 325-330.

[18] 張鵬帆, 席劍輝, 朱琳琳. 基于梯度極值Otsu算法的Canny邊緣檢測改進[J]. 沈陽航空航天大學學報, 2021, 38(5): 58-65.

[19] 張少平, 楊忠, 黃宵寧, 等. 航拍圖像中玻璃絕緣子自爆缺陷的檢測及定位[J]. 太赫茲科學與電子信息學報, 2013, 11(4): 609-613.

[20] 焦圣喜, 王海洋. 基于ORB算法的輸電線路異物識別研究[J]. 科學技術與工程, 2016, 16(27): 236-240.

[21] 龔鋼軍, 張帥, 吳秋新, 等. 基于TensorFlow的高壓輸電線路異物識別[J]. 電力自動化設備, 2019, 39(4): 204-209, 216.

[22] 周豪. 電力輸電線路異物檢測方法研究[D]. 重慶: 重慶理工大學, 2021.

[23] 趙文青. 圖像識別技術在輸電線路視頻監控中的研究與應用[D]. 濟南: 齊魯工業大學, 2021.

[24] 宋冬梅. 數學形態學在數字圖像處理中的應用研究[J]. 計算技術與自動化, 2021, 40(2): 136-139.

Research on foreign object recognition method of power line based on digital image processing

LIANG Xinfu LUO Richeng DANG Shixuan ZHOU Jing YANG Guanfei

(Changsha University of Science and Technology, Changsha 410114 )

Aiming at the potential threat of foreign objects hanging on overhead lines, a method for quickly identifying foreign objects in aerial images is proposed. First uses the linear segment detection (LSD) algorithm to extract the power line from the preprocessed image, and designs a foreign body recognition algorithm based on the foreign body feature on the overhead wire to extract the wire foreign body; then performs edge detection on it, extracts the defect frame and identifies it in the inspection image; finally, the practical performance of the algorithm is evaluated through multiple sets of sample data. The experimental results show that this method can effectively identify foreign objects hanging on the transmission wires, and it has great application value in the power inspection of unmanned aerial vehicles (UAVs).

transmission line; foreign object recognition; linear segment detection (LSD); edge detection

2021-07-13

2021-09-27

梁新福（1996—），男，河南省洛陽市人，碩士研究生，主要從事圖像處理方向的研究工作。

廣東電網有限責任公司科技項目資助（GDKJXM20184782）