基于無人機圖像識別技術的水利工程輸電線路缺陷檢測方法

黃廣龍

(水利部新疆維吾爾自治區水利水電勘測設計研究院，烏魯木齊 830000)

0 引 言

水利工程輸電線路是保障水利工程安全穩定運行的重要設施，也是國家的基礎建設設施設備，需要對水利工程輸電線路進行可靠性的維護和電力巡檢，通過日常技術監測手段，保障水利工程輸電線路的運行可靠性。在進行水利工程輸電線路的運維管理過程中，由于巡線的勞動強度大，水利工程輸電線路所處的環境比較復雜，導致對水利工程輸電線路的人工巡檢難度較高，需要構建優化的水利工程輸電線路巡檢和缺陷檢測方法和技術手段，確保水利工程輸電線路的等級控制、電網布測、線路測量、構筑物變形測量等工作的有效開展[1]。

對水利工程輸電線路的缺陷檢測是勘測控制網、施工控制網、運營維護控制網的基礎。目前，對水利工程輸電線路缺陷檢測方法主要有人工巡檢方法、傳感器定位偵測方法等[2-3]。如文獻[4]中提出了雙程擺掃激光測距探測成像在輸電線路通道監測，通過構建輸電線路通道監測雙程擺掃激光測距探測成像模型，根據輸出圖像的差異度融合結果實現對輸電線路通道監測雙程擺掃激光掃描和可靠性監測，但采用該方法進行水利工程輸電線路缺陷檢測的環境局限性較大。文獻[5]中提出了基于圖像處理的輸電線路冰區發展趨勢估計方法，通過遙感圖像采集技術進行輸電線路遙感信息分析，根據遙感特征檢測結果，實現輸電線路冰區發展趨勢估計和缺陷檢測，但采用該方法進行水利工程輸電線路缺陷檢測的計算負載較大。

針對上述問題，本文利用無人機成像技術進行輸電線路的缺陷檢測方法設計，提出基于無人機圖像識別技術的水利工程輸電線路缺陷檢測方法。采用無人機圖像信息采集方法，提取水利工程輸電線路的點云數字圖像，分析缺陷故障下不連通、簇之間的空間間隔，根據中心化投影點的聚類分布，實現缺陷檢測設計，最后進行仿真測試分析。測試結果表明，本文方法能夠提高輸電線路缺陷檢測能力的可靠性。

1 結構構成與圖像采集

1.1 輸電線路無人機圖像識別結構構成

通過構建水利工程輸電線路的三維點云圖像分析模型，采用機載激光雷達(LiDAR) 測量技術，將GNSS/INS多傳感器設備植入到無人機系統中進行水利工程輸電線路的圖像采集。結合三維可視化、導線量測、導線弧垂測量等技術，建立水利工程輸電線路的三維空間配置結構分析模型。通過LiDAR 點云設計，采用LiDAR 點云的可視化分析模型，結合圖像識別技術，進行電力導線的三維數學模型表構造。根據對電力導線的三維數學模型的差異性分布，進行不同狀態下水利工程輸電線路的聚類特征分析。利用電塔 LiDAR 點云的水平坐標結構分布設計，實現對水利工程輸電線路的缺陷檢測。根據上述總體設計思想[6]，得到本文設計的水利工程輸電線路缺陷檢測方法的技術實現流程，見圖1。

圖1 水利工程輸電線路缺陷檢測技術實現流程

根據圖1所示，利用精確的水利工程輸電線路軌跡數據捕捉的方法，采用GNSS/INS多傳感器組合控制的方法，在電力線LiDAR 點中，建立水利工程輸電線路的XOY坐標平面，采用幾何狀態測量方法，獲得水利工程輸電線路缺陷部位對應段的投影點，利用精確的水利工程輸電線路軌跡數據實現對缺陷部位的二維空間捕獲，在水利工程輸電線路分布的三維空間的二維位置信息，電塔總數目為N、線路總檔數為N-1,基于無人機圖像識別和測量，實現缺陷檢測。水利工程輸電線路的三維分布結構圖見圖2。

圖2 水利工程輸電線路的三維分布結構圖

1.2 圖像采集與預處理

采用無人機圖像信息采集方法，提取水利工程輸電線路的點云數字圖像，采用非同質區域的邊緣特征檢測方法，得到水利工程輸電線路無人機圖像的視覺特征分布值[7]。在電力線路走廊三維可視化分布空間中，有N個圖像采集節點，電力線三維重建的像素值表示為(X1(0),X2(0), …,XN(0))，LiDAR點的水平坐標分別在 X 軸方向、Y 軸方向的差異度因子為i，在t時刻的導線 LiDAR 點在 XOY 平面的匹配特征量分布值為Xi(t)=(xi1(t),xi2(t),…,xiD(t))。根據分裂導線與單導線、避雷線的形態特征分布差異度，得到輸電線路無人機采樣圖像的三維重建模型匹表示為Vi(t)=(vi1(t),vi2(t),…,viD(t))。在大場景的融合通道背景下，得到水利工程輸電線路無人機圖像的魯棒LBP 特征匹配最優解表示為pi=(pi1,pi2,…,piD)。提取環境參數，自適應修改自相關矩陣的閾值，得到圖像降噪重構函數為：

fM(z)=(f(z),fx(z),fy(z))

(1)

其中：f(z)為水利工程輸電線路缺陷鄰域內的極大值，表示已捕獲全局對比度信息；fx(z)和fy(z)分別為輸電線線路機載 LiDAR 點云的密度。

2 輸電線路缺陷檢測

2.1 輸電線路的三維點云重建

結合輸電線路的內部幾何參數和線路外觀幾何參數分析的方法，建立水利工程輸電線路缺陷的三維點云重構模型，根據水利工程輸電線路缺陷三維點云的參數分布集合，得到輸電線路的二維空間分布閾值P(ni)={pk|prkj=1,k=1,2,…,m}。通過電塔的粗略位置(點)和順次連接點的位置參數估計，得到相關電塔點云分布的二維數據為：

(2)

LiDAR點投影到相應段的垂截面后，得到顯著目標檢測模型參數如下：

(3)

其中：τij(t)為全局對比度；ηij(t)為超像素熵值；τis(t)為無人機光感感知強度；allowedk為點云數據的允用范圍。

計算全局對比度和空間相關性，得到水利工程輸電線路缺陷分布相似區域為：

G(w)=exp{-[log(ω/ω0)]2/2[log(σ/ω0)]2}

(4)

其中：ω為水平梯度系數；ω0為垂直梯度系數；σ為離散二維熵。

在以像素點 (x,y) 為中心的小鄰域內，得到機載激光點云數據的分配特征屬性集為：

flg-M(z)=(flg(z),flg-x(z),flg-y(z))

(5)

其中：flg(z)=f(z)*F-1(G(ω))為鄰域測度函數。

由此，實現對水利工程輸電線路的三維點云重建。根據水利工程輸電線路的三維點云重建結構，對無人機采樣圖像進行特征識別，實現缺陷檢測。

2.2 缺陷特征提取及檢測

分析在缺陷狀態下的水利工程輸電線路的變形和異常參數分部情況，根據輸電線路無人機圖像的點云數據分布投影點，采用簇聚類分析的方法，得到輸電線路無人機圖參數分布的特征點，由此得到輸電線路缺陷特征分布在該鄰域內的極大值：

(6)

其中：n為顯著度高的特征點；fi為第i個檢測通道的水利工程輸電線路缺陷異常特征分布維數；favg為對匹配點與待匹配點進行像素值匹配的均值。

當σ2

(7)

基于內容的圖像檢索方法，得到兩幅圖像之間存在初始匹配誤差的差異度，采用特征聚類分析，刪除離群特征點，得到水利工程輸電線路缺陷定位的判別函數為：

(8)

根據輸電線路無人機圖像的點云數據分布投影點，分析缺陷故障下不連通、簇之間的空間間隔，在臨時坐標系中得到局部坐標值。綜上分析，基于電力線空間配置，采用機載 LiDAR 系統獲取點云參數，實現水利工程輸電線路缺陷檢測[8]。

3 實驗分析

通過仿真實驗，驗證本文方法在實現輸電下缺陷檢測中的應用性能。實驗采用Visual Studio 2010 C++ 集成設計，無人機圖像采集采用Riegl公司的機載 LiDAR系統，機載圖像采集的平均距離約為10.0 m左右，水利工程輸電線路的線寬度約為200.0 m，無人機進行圖像采集的樣本參數見表1。

表1 無人機圖像采集樣本參數

根據上述仿真參數設定，進行水利工程輸電線路缺陷檢測的仿真設計，得到水利工程輸電線路的LiDAR點云數據采集結果，見圖3。

圖3 水利工程輸電線路的LiDAR點云數據采集結果

根據圖3的采集結果，通過LiDAR點云設計，采用LiDAR 點云的可視化分析模型，進行水利工程輸電線路點云數據直線擬合，見圖4。

圖4 點云數據的直線擬合結果

分析圖4可知，本文方法進行LiDAR點云數據擬合，能為缺陷定位提供準確的圖像參數。在此基礎上進行三維重構，見圖5。

根據圖5的擬合結果，得到5個聚類簇投影點。在此基礎上，分析缺陷故障下不連通、簇之間的空間間隔，根據中心化投影點的聚類分布，實現輸電線路的缺陷檢測。缺陷檢測結果見圖6。

圖5 輸電線路的無人機圖像三維重構擬合

圖6 缺陷檢測結果

分析圖6可知，本文方法表現出良好的操控性能與輔助巡視高壓輸電線的能力，克服了人工巡視的困難，充分提升了缺陷圖像識別效率。根據此次缺陷檢測結果圖片，證明本文方法對水利工程輸電線路缺陷檢測的定位性能較好，測試檢測的精度較高。測試表明，針對第一種部分采用基于多目標物體識別算法，能夠從同一張圖片中同時識別出多種物體，具有高速度和較高的識別精度的優點。針對第二種部分，采用深度殘差來完成，對于常見的輸電設備缺陷，達到了75%的精度。因此，說明了對于特征不明顯的缺陷具有較高識別精度，可有效識別多個物體的缺陷，大幅降低了人工識別缺陷圖像的工作量，并提高了巡視效率和質量。

4 結 語

為構建優化的水利工程輸電線路巡檢和缺陷檢測方法和技術手段，確保水利工程輸電線路的等級控制、電網布測、線路測量、構筑物變形測量等工作有效開展，本文提出基于無人機圖像識別技術的水利工程輸電線路缺陷檢測方法，進行不同狀態下水利工程輸電線路的聚類特征分析，利用電塔 LiDAR 點云的水平坐標結構分布設計，實現對水利工程輸電線路的缺陷檢測。研究結果表明，本文方法對水利工程輸電線路缺陷檢測的精度較高，定位性能較好。