基于MATLAB的絕緣子自爆缺陷檢測系統

王佳玉 劉立群 黃明慧 劉育勝 楊錦燁

摘要：針對絕緣子長期裸露在自然環境中致使浮塵等污漬在其表面附著堆積形成通路，導致絕緣子被兩端電壓擊穿，以及在自然環境中由于雷電天氣，使絕緣子損壞自爆，對輸電線路存在極大隱患的問題，為及時發現輸電線路中絕緣子自爆缺陷，采用無人機在輸電線路巡檢中所采集到的有關絕緣子串的圖像，研究基于MATLAB圖像處理的絕緣子自爆缺陷檢測與判定方法，開發了基于MATLAB的絕緣子自爆檢測系統。該系統對高壓輸電線路中的特殊絕緣體絕緣子串進行目標定位，通過圖像處理技術將所采集的絕緣子串圖像中的目標與自然環境分離。首先對所采集的圖像進行預處理，然后將圖像閾值化分割，得到有關圖像。將高壓輸電線路與絕緣子分離。再將所得圖像進行降噪，濾除圖像中的相關雜質，得到最終的只有絕緣子串的圖像。最后通過所得到的圖像，判定絕緣子自爆缺陷位置。實驗表明，通過MATLAB圖像處理技術，可以獲得清晰的絕緣子掩模圖，并正確判定其自爆位置。

關鍵詞：絕緣子自爆;定位識別;圖像采集;圖像分割;圖像識別

中圖分類號：TP751? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）01-0006-03

1 引言

針對自然環境惡劣天氣致使絕緣子損壞自爆，對輸電線路帶來極大隱患的問題，本文采用無人機或直升機對輸電線路上絕緣子串所采集的高清圖像，進行絕緣子智能自爆定位檢測研究，開發設計了基于MATLAB的絕緣子自爆檢測系統。無人機可以在高壓輸電線路巡檢中拍攝大量的高清絕緣子圖像，這些圖片中隱含了輸電線路桿塔的詳細地址信息和每個絕緣子的具體標號信息，如果能將所采集的圖片中的自爆絕緣子所在輸電桿塔位置進行定位，就能為后期絕緣子自爆缺陷檢測和人工維修奠定實踐基礎[1]。加之經過計算機對所采集圖像進行處理，得到只剩絕緣子串的圖像，進而對絕緣子串自爆位置進行標注，從而得到清晰明了的高壓輸電線路中絕緣子串的損壞自爆巡檢結果，并且計算機處理速度快，且不易出錯，大大提高了檢查效率，同時減少了人工巡檢的工作量，這對于保障國家輸電線路傳輸電力的安全有著重要意義。

2 系統原理

基于MATLAB的絕緣子自爆檢測系統是利用MATLAB進行數字圖像處理，其自爆檢測步驟可分為三步：圖像采集，圖像識別，圖像分割，如圖1所示。

利用無人機或直升機拍攝相關絕緣子串的照片，并由人工檢查的方式，對所采集的圖片進行篩檢，刪除不清晰、模糊、絕緣子串被植被或輸電線路大面積遮擋、無法清晰地看到絕緣子串的圖片。將所篩選的清晰照片上傳到計算機相應位置，利用MATLAB圖像處理技術，首先將所采集圖片進行預處理即圖像灰度化，將彩色圖像轉化為灰色圖像，為下一步做好準備。然后利用邊緣檢測，在這里使用經典的拉普拉斯算法進行圖像的邊緣檢測，處理完成后將所得圖像進行閾值分割得到有明顯雜質不清晰的圖像，為濾除雜質得到清晰的只剩絕緣子的圖像，將圖像進行二值化，然后通過形態學濾波法濾除雜質，從而得到清晰的絕緣子的圖像，以此進行絕緣子自爆缺陷的定位檢測。

3 系統的總體設計與實現

系統的總體設計與實現思路如圖2 所示。該系統包括圖像灰度化、邊緣檢測、閾值分割、二值化、形態學濾波等功能。

3.1 圖像預處理

圖像預處理的目的是消除圖像中無用的信息，恢復有效的真實信息，增強有關真實有效信息的可檢測性、最大限度地使數據簡化，從而改進特征提取、圖像分割、匹配和識別的可靠性[2]。

彩色圖片所包含的信息很多，在進行圖像處理時會依據色彩之間的區別進行圖像分割，但也因為色彩過多，所以在利用顏色進行圖像分割時辨別色彩數值的工作量過大，并且本課題其目的是將絕緣子串從自然環境中分割出來，倘若將圖像從彩色轉變為灰色，可以大大減低為分離自然環境與絕緣子串的工作量，更加方便。

3.2 邊緣檢測

邊緣顧名思義意為臨界的部分，在圖像中邊緣也就是指物體周圍像素灰度急劇變化的像素點的集合，是一個圖像最基本的特點。急劇變化的像素點存在于圖像目標、圖像背景和區域之間，是計算機進行圖像分割時所參照的最重要的依據。將圖像進行邊緣檢測時，首先提取圖像中不連續部分的特征，根據閉合的邊緣確定區域[3]。然后取計算結果中的最大值作為這個像素點的輸出值， 得到一幅邊緣幅度圖像。選擇一個恰當的門限值TH， 如果p （x， y） ≥TH， 則 （i， j） 表示這個位置上的像素就是一個邊緣點， p （x， y） 表示邊緣圖像[4]。邊緣檢測技術是所有基于邊緣分割的圖像分析方法的第一步， 圖像在進行分割后所提取出的目標就可以進一步地進行特征提取和形狀分析，其應用范圍十分廣泛，通常應用于圖像語義識別， 圖像搜索等領域[5]。本文應用經典的拉普拉斯（Laplace）算子進行邊緣檢測。

3.3 迭代選擇閾值法

閾值分割的原理為采用簡單的灰度輸入從而產生封閉且連通的邊界，然后將圖像分割為互不交疊的部分，其基本思想是提取圖像的最小灰度min閾值和最大灰度max閾值，并在兩者之間確定一個閾值K，然后將所分割圖像中的所有像素點按照它的灰度值以閾值K為分界線分為兩部分[6]。迭代式閾值選擇算法步驟包括：1）根據所需檢測分割的圖像的灰度選擇一個K的估值，作為它的初始值。2）利用所選初始值K將該圖像分為兩個部分，分別標記為P1，P2。3）計算兩個區域，即區域P1和區域P2中的所有像素的平均灰度值，并將其值分別標注為K1和K2。4）根據以上步驟得到新的閾值：[k=1/2（k1+k2）]。重復除步驟1以外的所有步驟， 直到逐次計算所得的T值小于步驟1中所定義的參數T的估計值。

3.4 形態學濾波

數學形態學是建立在格論和拓撲學基礎上的圖像分析學科[7]。膨脹和腐蝕的基本原理為：1）去除圖像中的噪聲。2）分離出在圖像中獨立存在的圖像元素并將相鄰的元素進行連接。3）找出圖像中存在的極大值或極小值部分。4）計算出圖像的梯度[7]。

以上介紹了在本課題中關于圖像處理、圖像分割、圖像識別所使用的有關算法和步驟，基于此設計了以下內容的圖像處理系統。

4 系統的主界面

主界面是系統的整體布局，它顯示了系統的總體框架，通過主界面可以看到系統總共分為五大模塊，分別是邊緣檢測、二值化處理、圖像濾波、圖像去噪，圖像形態學處理等如圖3所示。利用MATLAB中的GUI界面，使用其所包含的工具箱，通過為按鈕賦予函數的方式，利用代碼：

close（gcf）

run（'srtp1'）

將各個子界面與主界面相互連接如圖3所示。

4.1 邊緣檢測

邊緣檢測流程圖如圖4所示，邊緣檢測結果圖如圖5所示。

4.2 二值化

二值化流程圖如圖6所示，二值化結果圖如圖7所示。

4.3 圖像濾波

圖像濾波流程圖如圖8所示，圖像濾波結果圖如圖9所示。

4.4 圖像去噪

圖像去噪流程圖如圖10所示，圖像去噪結果圖如圖11所示。

4.5 圖像形態學處理

圖像形態學處理流程圖如圖12所示，圖像形態學處理結果圖如圖13所示。

5 結束語

當前采取的圖像拍攝方式采集到的圖片全靠人工進行絕緣子自爆的識別處理，工作量大并且容易出現識別處理不到位的錯誤。本文通過系統對圖像的預處理著手，對圖像進行平滑、形態學濾波，閾值分割等一系列的處理，使人們的工作壓力大大減輕并有效降低人工錯誤率。本文雖采用各種方法來提高絕緣子自爆類型識別的可靠性和快速性，可是出于時間緊急和本文程度有限，依然存在許多必要改良和值得進一步鉆研的地方，詳細有以下幾點：

1）在進行完整的圖像識別的整個過程中，圖像分割是十分重要的一個環節。將灰度化后的圖像，通過拉普拉斯（Laplace）算子進行邊緣檢測，然后再進行閾值分割，但由于閾值選取過程工作量大，并且最后所選取的閾值不是很合適，導致并沒有將輸電線路的高架塔與絕緣子串相互分離。

2）在經過大量的資料查閱后，最終找到的絕緣子自爆檢測步驟為：通過圖像基礎處理，如圖像切分、圖像變換等方式提高模型數據量，然后利用圖像語義分割，得到只剩絕緣子串的圖片，利用連通區域目標檢測和目標檢測，確定絕緣子所在位置以及確定絕緣子自爆位置。

3）出于絕緣子軸心的歪斜、絕緣子模塊構件的不一致性及絕緣子概況的污染，會造成破壞檢測誤判，針對如何在絕緣子構件不同的情況下以及如何在圖像處理過程中將絕緣子軸心調整到平行或垂直位置以便后期檢測，進一步提高檢測的準確性，仍需進一步探討鉆研。

參考文獻：

[1] 劉逸凡，王淑青，慶毅輝，等.基于EfficientDet和雙目攝像頭的絕緣子缺陷檢測[J].中國電力，2021，54（2）：156-163，196.

[2] CSDN 圖像處理之預處理方法[EB/OL].（2018-08-28）[2020-06-24].https：//blog.csdn.net//joaming/article/details/82146604.

[3] 曹洋.基于MATLAB實現數字圖像邊緣檢測[J].信息技術與信息化，2020（2）：140-142.

[4] 李楊靜，劉藝航，王梓，等.基于Matlab的圖像分割[J].無線互聯科技，2018，15（15）：53-54.

[5] 仲曉慶，蔡朝暉.基于MATLAB的幾個圖像處理實例[J].信息系統工程，2018（12）：96-98.

[6] 陽樹洪.灰度圖像閾值分割的自適應和快速算法研究[D].重慶：重慶大學，2014.

[7] CSDN 形態濾波學（1）[EB/OL].（2018-08-07）[2020-06-25].https：//blog.csdn.net/huayunhualuo/article/details/81486884.

【通聯編輯：謝媛媛】

收稿日期：2021-09-16

基金項目：甘肅農業大學省級大學生創新創業訓練計劃項目（項目編號：202010733047）;甘肅農業大學學生科研訓練計劃項目（項目編號：202016032）;國家大學生創新創業訓練計劃項目（項目編號：02）;甘肅農業大學青年導師基金資助項目（項目編號：GAU-QDFC-2020-08）;甘肅省高等學?？蒲许椖抠Y助（項目編號：2019B-086）;甘肅省科技計劃資助（項目編號：20JR5RA032）

作者簡介：王佳玉（2000—），女，甘肅張掖人，本科在讀，研究方向為電子信息工程;劉立群（1982—），女，通信作者，副教授，主要從事智能計算研究;黃明慧（2000—），女，甘肅天水人，本科在讀，研究方向為電子信息工程;劉育勝（1997—），男，甘肅天水人，本科在讀，研究方向為電子信息工程;楊錦燁（2000—），女，甘肅天水人，本科在讀，研究方向為電子信息工程。