基于紅外成像的輸電線路山火自動預警監測技術優化

中圖分類號：TM755；TQ038.1 文獻標志碼：A 文章編號：1001-5922（2025）10-0234-04

Optimization of automatic early warning monitoring technology for mountain fires on transmission lines based on infrared imaging

ZHAO Yong，LI Bin，WANG Kaicheng，WANG Weiwen， SUN Shaoying， ZHU Guangcheng，HAO Yanjun （State Grid Heilongjiang Electric Power Co.，Ltd.，Harbin 15Oo90，China）

Abstract：Aiming at the problem that thecurrnt automatic early warning and monitoring technologyof mountain fires ontransmision lines has poor firepoint positioning ability，which leads to long time forobtaining early warning information and high 1 alarmrate ofearly warning，an automatic early warning and monitoring technologyof mountain fires on transmission lines based on infrared imaging is proposed.Harrs corner matching method is used to realize infrared image acquisition and registration.The robust estimation algorithm is used to evaluate the image registration results andobtain the temperatureanomalyarea.Applicationof affne transformation technology，transmissionline fire monitoring image stitching.According to the radiationgrowth rate of the infrared image，the fire point ofthe transmission line is determined.Takingthe ignitionpoint as the centerof the circle，the mountain fire early warning area isset，the early warning information is compiled，and the automatic early warning and monitoring processof mountain fireis completed.The experimental results showthat this method improves the positioning accuracyof the firepoint，furthershortens theacquisitiontimeofearly warning information，reduces the1alarmrate of early warning，and provides a guarantee for the prevention and controlof mountain fires on transmission lines.

KeyWords：infrared imaging;infrared imageregistration;mountain fire warning;transmisson line monitoring;image segmentation;1 alarm rate;

由于城鎮化建設的不斷深化，城市中可供架線的空間不斷縮減，配電架空輸電線路架設到丘陵山區，避免出現輸電安全問題1。輸電線路附近發生山火時，短時間內不易察覺，且電氣設備極易受到煙霧與溫度的威脅，出現大規模的線路故障，因此及時發現山火災害并對其進行治理對于輸電線路山火防治具有重要現實意義]。

在已有研究中，部分學者提出了輸電線路山火自動預警監測技術，應用此技術獲取輸電線路山火信息，將其匯編成預警信息發出。由于此部分方法著火點定位能力相對較差，導致預警信息獲取時間較長與預警誤報率較高，嚴重影響了山火預警效果，并造成了一定的經濟損失[45]。針對此問題，對比多種戶外監測技術后，選擇紅外成像技術對當前方法進行優化，提出基于紅外成像的輸電線路山火自動預警監測技術，希望通過此方法緩解當前山火預警過程中出現的問題，提升預警信息可靠性，為山火控制救援提供幫助。

1紅外圖像獲取及配準

本次研究將采用紅外設備獲取輸電線路運行圖像，得到輸電線路運行溫度圖像，通過運行溫度初步確定山火可能會發生的區域。但此操作中由于紅外圖像與基礎空間圖像存在一定的差異，因此需要首先對紅外圖像進行處理。對比多種方法后，選擇Har-ris角點匹配方法完成此環節。在紅外圖像、噪聲以及灰度影響系數穩定的前提下，構建紅外圖像檢測矩陣 A ：

式中： W_x 為紅外圖像中點 （x，y） 水平方向梯度； W_y 為紅外圖像中點 （x，y） 垂直方向梯度; u（x，y） 為高斯窗平滑函數8。在此函數的基礎上，可得到下述公式：

式中：det為圖像檢測矩陣的行數合計；trace為矩陣的列數合計； k 為計算閾值; δ_?1 為角點水平計算系數； δ₂ 為角點垂直計算系數。在式（1）與式（2）的基礎上，對圖像中內容進行初次匹配。假設在參考圖像 a₁ 與紅外圖像 a₂ 中檢測出的角點分別為 J₁ 與 J₂ ，為 J₁ 與 J₂ 中的每個角點構建以角點為中心的尺寸一致的匹配窗口，將其設定為 c₁（x_i，y_i） 與 c₂（x_j，y_j） ，并將窗口內像素灰度的均值設定為 a₁ 與 a₂ ，則粗匹配公式可表示為：

使用此公式對圖像中角點進行匹配，通過 a₁ 中的角點尋找 a₂ 中的角點，完成候選點粗匹配。在粗匹配完成后，進行精準匹配，通過測算各角點之間的平移量，對圖像匹配進行約束。由于當前紅外圖像采集過程中具有一定的相機平移，在此次研究中將其近似于透視變換，具體數學公式可表示為：

式中： P 為圖像平移矩陣。將精準匹配的特征點代入模型中，使用魯棒估計算法去除錯誤匹配。為提升匹配后精度，對匹配誤差進行估算，則有：

式中： r_i 為基準圖像上的角點坐標； s_i 為偏差圖像上的角點坐標； Ps_i 為 s_i 經過變換后在基準圖像上的對應坐標； dis（r_i，Ps_i） 為兩匹配點之間的歐氏距離； n 為匹配點個數。對上述內容進行整理，得到相應的紅外圖像配準結果，將其作為山火預警的基礎。

2輸電線路山火監測圖像拼接

應用上節紅外圖像獲取及配準方法完成紅外圖像的預處理工作，由于輸電線路相對較長，在對其進行山火監測時，無法獲取到整理的輸電線路紅外成像影像，需要對得到的分區圖像進行配節處理，具體處理過程如圖1所示。

由于紅外圖像的配準過程中提取到了紅外圖像的特征信息，為此在處理的過程中可以忽略特征提取部分，根據圖像配準結果直接確定關鍵溫度點與像素點的梯度模量以及方向，具體計算公式如下：

式中： e（x，y） 為紅外圖像中梯度的大小； χ（x，y） 為紅外圖像中溫度點與關鍵點的方向。根據式（7）計算結果，利用射影變換對圖像之間的特征進行拼接：

圖1紅外圖像拼接過程 Fig.1 Infrared image stitching process

使用式（8），將圖像中的所有射影構成一個集合，考慮到紅外成像設備到輸電線的距離具有變化性，不同圖像之間的紅外成像比例有所不同，因此在圖像拼接的過程中，應用仿射變換[1011]確定兩張圖像之間的連接性：

設 為可逆矩陣，其中具有多個自由度，使用矩陣中的元素表示。應用式（9）對紅外成像結果進行拼接，得到真實的輸電線路紅外監測結果。

3輸電線路山火起火點判定預警

通過上文設定內容，可初步完成輸電線路山火自動監測工作，獲取輸電線路運行穩定異常點，但此異常點是否為起火點還需對其展開判定。文獻研究結果表明，當輸電線路溫度過高時，紅外圖像的輻射增長率差異較大[12-13]。可以根據此差異，對圖像中的高溫點進行點判定，具體判定公式如下所示：

式中： T_iQ 為背景圖像中紅外通道獲取到的圖像亮度； T_r2 為外界因素變換判斷閾值; ΔT_ij 為圖像中獲取到的圖像亮度增量； T_ijQ 為背景中遠紅外通道部分圖像亮度增量； T_r3 為紅外成像圖像中的輻射增長量判定閾值。為保證此公式應用效果符合預警需求，需要對閾值進行測算。此閾值的影響因素共計三個，分別為 T_l1 表示地理因素， T_l2 表示季節溫度以及 T_l3 表示時間與氣候[1415]。對紅外成像監測結果，計算圖像中的近紅外通道的亮溫值 T_i 與背景圖像中紅外通道獲取到的圖像亮度 T_iQ ，得到亮溫值的最小值：

T_g=min（T_i-T_iQ）

式中： T_iQ 為背景像元的亮溫值。在式（11）計算結果基礎上，計算目標圖像元中遠紅外通道亮溫增量△T ：

ΔT_ij=T_i-T_j

對上述公式進行整理，可得到3類影響因素的判別閾值：

通過上述公式確定輸電線路著火點位置，將此點作為中心，選擇離火點最近的輸電塔桿，繪制山火著火點預警區域。對上文中進行整理，將其與紅外成像處理內容進行融合，至此，基于紅外成像的輸電線路山火自動預警監測技術設計完成。

4實驗驗證分析

此次研究中提出了基于紅外成像的輸電線路山火自動預警監測技術，為驗證此技術的預警能力與效果，構建實驗環節，為技術應用提供基礎。

4.1 實驗環境

此次研究中，將某城市山火紅外圖像作為基礎（如圖2所示），獲取此區域圖像作為后續的數據來源。

圖2城市山火紅外圖像 Fig.2Infrared image of urbanmountain fire

在此次研究中，為保證此實驗結果具有判定價值。選擇基礎方法（方法1）以及概率分析方法（方法2）和文中方法進行對比，通過確定著火點位置精度以及預警誤報率的方式，確定不同方法的應用價值。

4.2山火著火點位置精度實驗

為便于實驗分析，將進行50次實驗，對比定位點與真實著火點之間的矩陣，確定著火點定位精度，具體實驗結果如表1所示。

對比表1中數據可以看出，隨著著火點信息獲取次數不斷增加，著火點定位精度也隨之增加。分析定位精度數據可以看出，文中方法的著火點定位能力較為優越，其定位精度高達 97.5% ，其余兩種方法定位能力較為落后。綜合上述實驗結果可以確定，文中方法的山火著火點定位能力相對較高。

表1山火著火點位置精度實驗結果 Tab.1 Experimental results of position accuracy ofmountainfireignitionpoint U

4.3輸電線路山火預警信息獲取時間實驗

在山火著火點位置精度實驗進行的過程中，匯編預警信息，統計50次著火點定位預警信息的匯編時間，以此確定不同方法的預警信息發布時間，具體實驗結果如圖3所示。

圖3輸電線路山火預警信息獲取時間Fig.3Acquisition time ofwildfire early warninginformationfortransmissionlines

實驗選擇了3種具有代表性的預警監測技術進行對比測試，確保了實驗結果的廣泛性和代表性。通過基礎方法（方法1以及概率分析方法（方法2）和文中方法進行對比，旨在突出本文方法在快速響應和穩定性方面的優勢。

實驗結果對于電力系統管理部門來說具有重要的實際應用價值。文中方法具有較高的預警信息獲取分析能力，并且可以提高輸電線路的安全性和可靠性，減少因山火引發的電力故障和損失，保障電力供應安全，具有顯著的社會效益。

4.4輸電線路山火預警誤報率實驗

對所得實驗結果進行整理，提取50次實驗中獲取到的預警信息，并與真實預警信息進行比對，確定不同方法的預警誤差率，實驗結果如表2所示。

表2輸電線路山火預警誤報率實驗結果

Tab.2Experimental resultsof 1 alarm rate of

分析表2中數據可以看出，文中方法的預警誤報率相對較低，說明紅外成像技術在山火預警中具有較高的應用價值，可有效提升輸電線路山火預警精度。基礎方法與概率分析方法的預警誤報率相對較高，預警效果相對較差。綜合上述實驗結果可以確定，文中方法的預警信息獲取能力與預警可靠性均較高，應用其可對輸電線路山火進行高質量預警。

5結語

為降低山火對輸電線路的影響，提升輸電電路運行等穩定性，此次研究中提出了新型山火自動預警監測技術，并證實了此技術的可行性與合理性。此次研究中僅對紅外成像技術的應用過程進行了設定，并對選擇紅外成像設備，在后續的研究中還需對此部分設備進行選型設定，為紅外成像技術的應用提供載體。

【參考文獻】

[1]余東，葡素珍，祿曉飛，等.基于顯著性的多波段圖像同步融合方法[J].紅外技術，2022，44（10）：1095-1102.

[2]王開正，付一桐，錢國超，等.基于時空上下文的輸電線路山火自動識別算法[J].電力系統保護與控制，2022，50（18）：83-91.

[3]葛黃徐，鄭雷，江洪，等.基于MST框架的PCNN輸電線路紅外熱故障區域提取方法[J].紅外技術，2022，44（7）：709-715.

[4]夏湛然，楊斌，郭浩然，等.電纜終端紅外圖像過熱區域提取方法[J].電力科學與技術學報，2022，37（2）：12-21.

[5]周恩澤，黃勇，向諄，等.基于物元可拓的輸電線路山火風險評估模型[J].南方電網技術，2022，16（1）：145-154.

[6]錢彬，張宇蓉.基于激光點云匹配算法的輸電線路塔材缺陷預警方法[J].粘接，2025，52（4）：186-189.

[7]翟永杰，龍雅蕓，江柳，等.基于異常檢測的輸電線路山火檢測方法研究[J].華北電力大學學報（自然科學版），2021，48（6）：90-96.

[8]謝慶，楊天馳，裴少通，等.基于多尺度協作模型的電氣設備紅外圖像超分辨率故障辨識方法[J].電工技術學報，2021，36（21）：4608-4616.

[9]王晶，姚鄒靜，趙春暉.基于紅外圖像時空特征的電力設備故障診斷[J].控制工程，2021，28（8）：1683-1690.

[10]陳曉彬，林峻嵩，黃建輝.基于改進BP網絡的數字化智慧電站故障預警系統研究[J].粘接，2025，52（7）：179-182.

[11]周特軍，陸佳政，吳傳平，等.輸電線路山火直升機噴灑滅火試驗與應用[J].高電壓技術，2021，47（8）：2811-2819.

[12]覃先林，李曉彤，劉樹超，等.中國林火衛星遙感預警監測技術研究進展[J].遙感學報，2020，24（5）：511-520.

[13]舒勝文，張深壽，許軍，等.基于新一代天氣雷達組網監測的輸電線路山火自動識別算法研究[J].中國電機工程學報，2020，40（13）：4200-4210.

[14]周特軍，李波，譚艷軍，等.輸電線路山火無人機監測與滅火技術研究[J].消防科學與技術，2020，39（2）：239-242.

[15]王旭紅，李浩，樊紹勝，等.基于改進SSD的電力設備紅外圖像異常自動檢測方法[J].電工技術學報，2020，35（S1）：302-310.