摘要：在输电线路运行中一旦出现绝缘子破损问题就会使得线路绝缘能力出现下降，影响输电线路的安全、稳定运行。本文提出了基于无人机图像识别技术的输电线路绝缘子自爆、破损状况的缺陷检测模式。在输电线路巡检中，把获取的图像进行合理处理，把红色、绿色、蓝色RGB的颜色空间转换为亮度、绿色到红色的分量（A）、蓝色到黄色的分量（B）LAB 的颜色空间来避免光照影响。之后选择运用通过改进的最大类间方差法实施阈值划分，尽可能的缩减算法消耗时间，再对绝缘子串进行分割后开始形态学运算，最终获取非常纯净的绝缘子串图像。最后通过对图像的判断以及其对应位置的像素个数来对绝缘子破损位置进行精准定位，同时在图像上进行标识，这样可以有效提升绝缘子串缺陷检测效果，具有较好的应用价值。
关键词：无人机巡检；绝缘子识别；最大类间方差法；绝缘子分割；缺陷检测
在现代输电线路中绝缘子是其非常重要的零部件，其运行环境较为恶劣，基本上都是出于暴露状态，会受到风吹雨淋以及其他恶劣外界环境的影响，再加上部分绝缘子工艺水平较低以及人为损坏，使得绝缘子故障较为常见。当前我国输电线路运维工作中的检修方式基本上都是人工巡检，这种方式工作效率相对较低，且工作人员劳动强度大、危险性高，所以，急需要开发一种更高效、安全的线路巡检方式。将无人机图像识别技术应用于线路巡检工作中可以有效降低工作人员工作强度，提升巡检效率。高晓东、郑连勇等人[1]在研究中，将巡检图像转换到由色调（Hue）、饱和度（Saturation）、亮度（Intensity）（HSI）空间后通过形态学操作实现了绝缘子串的提取和破损绝缘子的检测，但是并没有实现对破损绝缘子的定位。韩正新、乔耀华等人[2]在研究中，提出了自适应阈值分割方法对绝缘子串进行提取，通过相邻绝缘子的间距来判断绝缘子串是否有破损，同样没有实现对破损绝缘子的定位；将图像转换到 HSI 区间后，使用阈值分割并进行形态学滤波后得到绝缘子串的图像，但其进行绝缘子串破损处的定位时计算量太大。
在本研究中提出了基于无人机图像识别技术的绝缘子串缺陷检测以及定位的方式，同时对最大空间方差法进行优化，这样能够有效缩减巡检图像和数据处理中的计算量，提升巡检结果的精准性。
1 绝缘子缺陷检测与定位方法流程
无人机拍摄的巡检图像中绝缘子串如图 1 所示，
.png)
图 1 输电线路上破损的绝缘子串
用圆圈标出了缺陷位置。输电线路上的玻璃绝缘子有以下特点：
1）绝缘子的外形一般呈椭圆形，浅蓝色，半透明状。
2）绝缘子一般成串出现，不同的输电线路电压，绝缘子数量也不同。
3）在无人机巡检图像中，绝缘子外形大小相似，等间距分布。
4）若绝缘子发生破损或自爆，那么相邻的绝缘子的间距为正常绝缘子间距的两倍或者更多。
本文基于以上输电线路上绝缘子的特征，提出了绝缘子破损的检测与定位方法。其中主要分为 4个部分，内容和实现的功能如下：
1）图像预处理：分别将图像从 ＲGB 空间转换到 LAB 空间和灰度化，提取出 B 通道和灰度图用于后期的处理。
2）改进后的 OTSU 算法：在灰度空间和 B 通道空间使用改进后的 OTSU 算法进行阈值分割。
3）形态学滤波：通过开运算、闭运算、与操作对提取出的绝缘子串进行滤波。
4）缺陷检测与定位：最小二乘法拟合出绝缘子串所在的直线，然后根据绝缘子串的特点，进行缺陷检测和定位。
2 图像的预处理
计算机在显示图像时默认是 ＲGB 格式，即 Ｒ（红）、G（绿）、B（蓝）三个通道，三个颜色通道的分量不同，颜色比例也就 不 同，最 终 合 成 的 颜 色 不 同，这 就 是 ＲGB 空 间 的 原理。输电线路一般处于室外环境，暴露于大气中，无人机巡检时容易受到拍摄角度和光照的影响，所以需要将图像从 ＲGB 空间转换到 LAB 空间进行处理。在 LAB 空间中，L表示亮度，A 表示红色到绿色的范围，B 表示从黄色至蓝色的范围，绝缘子为浅蓝色或者浅绿色，可以很好地使用 A 或 B通道进行图像的处理，避免光照的影响。同时，把原图从ＲGB 空间转换为灰度空间，方便后面的形态学处理。图 2 是转换过后的 LAB 的 B 通道图像以及灰度空间的图像。
.png)
图2 B通道的图像和灰度空间的图像
3 改进的 OTSU 算法
最大类间方差法由日本学者大津在 1979 年提出，也被称为 OTSU 算法或大津法。在图像处理过程中，经常需要把图片从灰度空间转换成二值图像，常用的有迭代法和 OTSU 算法。巡检图像中绝缘子串一般与其他物体差异较大，所以处理巡检图像一般采用后者，OTSU 算法根据灰度图片中各灰度级像素的数量和概率来计算方差，并确定最佳的分割阈值来分割前景和背景[3]。
在 OTSU 算法中需要遍历所有的灰度级寻找最佳阈值，但遍历且计算方差使得计算量很大，本文针对这一问题对该方法进行了改进优化，在保有最佳阈值不变的情况下减少了算法的计算量。
改进以后的最大类间方差算法相比原先算法在全部灰度级上搜索，很大程度上减小了计算量。为了对比验证算法改进后的效果，在 Visual Studio 环境下采用 Opencv库对改进后的 OTSU 算法进行了实现。由于篇幅有限，这里仅给出灰度空间图像和 B 通道图像的处理结果。实验数据如表 1 所示。
表1 OSTU及其改进算法性能比较
.png)
传统的 OTSU 算法需要遍历全部的灰度级来进行方差计算，以此选出最佳阈值，像图 1 这种普通的 8 位图像需要进行256 次方差计算。由表 1 可以发现，改进后的 OTSU 算法很大程度上减少了方差计算的次数。改进后的算法相比原先算法会增加 3 次平均值的计算，但平均值的计算量远小于原先方差的计算量。总体来看，改进后的算法运算量远小于原算法运算量。
4 缺陷检测与定位
4.1 检测定位的算法与思路
1）遍历二值图像中的所有像素点。因为绝缘子串有间距相同倾角相似的特点，所以使用最小二乘法拟合出一条直线 L，
2）找到与直线 L 垂直的一条直线 A，根据直线 A 上的像素个数来找到绝缘子串的起点和终点。设经过直线 A 的白色像素点个数为 count，设阈值 Dis_first 为经过第一个绝缘子中心时的白色像素点个数，若 count 小于 Dis_first，则直线 A 继续右移。终点的检测过程和起点的检测过程相似，直线 A 变为从图像右侧向左移动。
3）同一条输电线路上绝缘子串上的绝缘子个数是固定的，所以根据绝缘子串起点和终点的距离，可以计算出每个绝缘子的中心位置以及与直线 A 上像素的个数 count，如果 count小于指定阈值 threshold，则判定该绝缘子为破损，记录下该绝缘子的位置；若大于等于指定阈值 threshold，则直线 A 继续检测下一个绝缘子位置上的白色像素点个数。
绝缘子是否破损的判定公式为：
count ≥ threshold；无缺陷
count ＜ threshold；有缺陷
4）显示破损绝缘子的个数和位置。
.png)
图 3 绝缘子串建模示意图
5 结语
综上所述，本文对基于无人机图像识别技术的输电线路缺陷检测方法进行了研究，选择使用优化之后的OTSU算法来相关数据进行分割和运算，有效缩减了数据处理的时间。同时通过对绝缘子串开展形态学处理后，能够降低干扰，实现对绝缘子破损的精准定位，提升线路巡检工作效率。
参考文献：
[1]高晓东，郑连勇，王蔚.基于图像识别的无人机输电线路断股检测系统设计[J].现代电子技术，2017（20）：170-172+176.
[2]韩正新，乔耀华，孙阳，et al.基于图像识别的无人机输电线路绝缘子故障检测方法研究[J].现代电子技术，2017（22）：187-189+194.
[3]鲁轩，郗来迎，赵赫男，et al.基于无人机和图像缺陷识别算法的输电线路巡检系统研究[J].电子设计工程，2019，27（12）：147-151.
论文作者:施兢业
论文发表刊物:《基层建设》2019年第27期
论文发表时间:2020/1/2
标签：绝缘子论文; 图像论文; 算法论文; 无人机论文; 阈值论文; 方差论文; 灰度论文; 《基层建设》2019年第27期论文;