， ，，，

(國(guó)網(wǎng)電力科學(xué)院 武漢南瑞科技有限責(zé)任公司，武漢 430074)

0 引言

絕緣子作為輸電線路固定和絕緣的重要部件。由于其長(zhǎng)期工作于強(qiáng)電場(chǎng)、機(jī)械應(yīng)力、污穢及溫濕度等復(fù)雜惡劣環(huán)境,經(jīng)常出現(xiàn)內(nèi)部裂縫、表面破損、絕緣阻抗降低及污閃等現(xiàn)象，進(jìn)而造成電網(wǎng)停電事故。因此，自動(dòng)檢測(cè)絕緣子的服役狀態(tài)，及時(shí)發(fā)現(xiàn)絕緣子異常，對(duì)保障輸電網(wǎng)絡(luò)的安全運(yùn)行具有重要的應(yīng)用價(jià)值。

目前，絕緣子缺陷檢測(cè)方法主要有在線檢測(cè)和離線檢測(cè)兩大類[1-3]，其中，在線檢測(cè)主要有紫外脈沖法、電磁波法、聲發(fā)射法和泄漏電流法等，該類檢測(cè)方法不需要停運(yùn)電力系統(tǒng),大大減少了維護(hù)的工作量和登高檢測(cè)的危險(xiǎn)，但在線檢測(cè)系統(tǒng)規(guī)模大,建設(shè)的硬件成本；而離線檢測(cè)包括觀察法、電壓分布檢測(cè)法、敏感電阻檢測(cè)法、電場(chǎng)分布檢測(cè)法、紅外成像檢測(cè)、紫外成像檢測(cè)、超聲波檢測(cè)、激光多普勒振動(dòng)、計(jì)算機(jī)斷層掃描、當(dāng)值鹽密法、表面污層電導(dǎo)率檢測(cè)法、微波輻射法以及憎水性圖像檢測(cè)法等，離線檢測(cè)不僅巡檢工作量巨大，檢測(cè)效率低，而且登高檢測(cè)也存在一定的安全隱患[1-3]。近年來(lái)，隨著航空拍攝測(cè)量技術(shù)、機(jī)器視覺技術(shù)以及計(jì)算機(jī)技術(shù)的快速發(fā)展，出現(xiàn)了直升機(jī)或無(wú)人機(jī)電力線路巡檢系統(tǒng)，極大地提高了巡檢的工作效率。然而實(shí)際應(yīng)用中，由于絕緣子種類多、結(jié)構(gòu)復(fù)雜、視點(diǎn)、光照以及所處環(huán)境復(fù)雜多變，絕緣子及其缺陷的圖像特征是復(fù)雜多變的，絕緣子缺陷異常檢測(cè)精度低，對(duì)于航拍絕緣子巡檢圖像，仍主要靠人工進(jìn)行絕緣子定位和異常檢測(cè)，自動(dòng)化和智能化程度低[3]，因而，如何從線路場(chǎng)景圖像中快速、準(zhǔn)確的檢測(cè)絕緣子異常已成為電力巡檢技術(shù)研究的熱點(diǎn)和難點(diǎn)。

1 相關(guān)研究工作

近年來(lái),絕緣子及其缺陷圖像檢測(cè)技術(shù)研究已成為國(guó)內(nèi)外電力系統(tǒng)巡檢應(yīng)用研究的熱點(diǎn)。絕緣子及其缺陷圖像檢測(cè)主要包括絕緣子及其缺陷特征選擇、抽取、目標(biāo)分割和識(shí)別4個(gè)處理步驟。針對(duì)航拍巡檢圖像，陽(yáng)武將絕緣子缺陷檢測(cè)當(dāng)作目標(biāo)分類問題，提出了基于差異特征的絕緣子區(qū)域分割和基于稀疏化差異深度置信網(wǎng)絡(luò)(D-DBN)的絕緣子及缺陷分類方法[3]，絕緣子及缺陷的分類正確率達(dá)到92.98%，提高了絕緣子缺陷檢測(cè)對(duì)光照、尺度、旋轉(zhuǎn)變化的適應(yīng)性，其缺點(diǎn)是不能明確給出絕緣子缺陷的位置；趙振兵根據(jù)絕緣子輪廓線的幾何結(jié)構(gòu)特點(diǎn)，提出一種基于Hough檢測(cè)和輪廓C-V模型的絕緣子圖像協(xié)同分割方法[4]，首先，利用Hough檢測(cè)方法，解決輸電線與絕緣子的粘連問題，然后，利用SLIC超像素分割和GHT廣義霍夫變換選取C-V模型的初始輪廓，最后，根據(jù)航拍絕緣子圖像幀之間的關(guān)系，利用基于幀間圖像C-V模型的絕緣子協(xié)同分割方法，抑制了背景、桿塔以及輸電線等偽目標(biāo)干擾；商俊平根據(jù)絕緣子區(qū)域的紋理和形態(tài)特點(diǎn)，提出了一種基于不變矩特征Adaboost分類器的絕緣子定位和基于相鄰絕緣子歐氏距離的缺陷檢測(cè)方法[5]，絕緣子自爆點(diǎn)缺陷檢測(cè)的準(zhǔn)確率達(dá)到87%；陳慶根據(jù)絕緣子圖像的深度穩(wěn)定特征，提出了一種航拍圖像絕緣子卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)方法[6]，首先利用自組織特征映射網(wǎng)絡(luò)，實(shí)現(xiàn)絕緣子區(qū)域的顯著性檢測(cè)，然后，通過(guò)超像素分割和輪廓檢測(cè)的絕緣子建模，提出一種絕緣子的自爆故障識(shí)別算法，絕緣子檢測(cè)的精度達(dá)90%以上，自爆缺陷識(shí)別準(zhǔn)確率達(dá)85%以上。針對(duì)紅外圖像絕緣子檢測(cè)應(yīng)用，文獻(xiàn)[8]提出了紅外圖像深度卷積特征圖和支撐向量機(jī)的絕緣子檢測(cè)方法，實(shí)驗(yàn)結(jié)果達(dá)到了93%的檢測(cè)精度；文獻(xiàn)[9]利用FPGA電路實(shí)現(xiàn)技術(shù)，設(shè)計(jì)了一種高壓絕緣子探測(cè)機(jī)器人檢測(cè)系統(tǒng)，提高了絕緣子檢測(cè)的速度；文獻(xiàn)[10]針對(duì)航拍巡檢，采用HOG特征、LBP特征和PCA主分量分析方法，提出了特征融合的絕緣子檢測(cè)算法，提高了復(fù)雜背景下的絕緣子檢測(cè)能力；此外，文獻(xiàn)[11]利用多尺度局部特征和空間秩序，也提出了一種航拍圖像的魯棒的絕緣子檢測(cè)方法。然而由于實(shí)際應(yīng)用中絕緣子所處背景、類型、視點(diǎn)、姿態(tài)以及光照復(fù)雜多變，絕緣子及其缺陷的紋理和形態(tài)特征也千變?nèi)f化，完備的絕緣子圖像訓(xùn)練樣本制備困難，絕緣子缺陷檢測(cè)的正確率較低，導(dǎo)致傳統(tǒng)的基于絕緣子及其缺陷淺層穩(wěn)定特征人工設(shè)計(jì)提取方法和基于絕緣子及其缺陷深度特征的絕緣子缺陷識(shí)別方法均難以滿足實(shí)際無(wú)人機(jī)巡檢應(yīng)用的需要。

本文將根據(jù)絕緣子結(jié)構(gòu)的對(duì)稱性和傘裙間距的周期性具有尺度、旋轉(zhuǎn)、光照以及背景變化不變的特點(diǎn)，提出一種基于彩色直方圖的輸電線路場(chǎng)景圖像絕緣子掉片檢測(cè)算法，首先，采用基于彩色直方圖的自適應(yīng)分割方法，提取絕緣子區(qū)域圖像，并進(jìn)行水平傾斜校正，然后，利用歸一化彩色直方圖匹配方法，估計(jì)絕緣子幾何結(jié)構(gòu)的周期性參數(shù)，最后，利用歸一化彩色直方圖周期性異常，檢測(cè)絕緣子掉片的位置，以提高檢測(cè)對(duì)背景、類型、視點(diǎn)、姿態(tài)以及光變化的適應(yīng)性。

2 基于彩色直方圖的絕緣子分割與傾斜校正算法

由于絕緣子的類型，所處背景、視點(diǎn)、姿態(tài)以及光照等復(fù)雜的多變性，絕緣子的圖像紋理和幾何形態(tài)會(huì)出現(xiàn)很大的變化，因而如何快速、準(zhǔn)確地提取和識(shí)別絕緣子的穩(wěn)定不變特征，已經(jīng)成為國(guó)外學(xué)者研究的熱點(diǎn)和難點(diǎn)。在絕緣子航拍巡檢實(shí)踐中，我們發(fā)現(xiàn)單個(gè)絕緣子的組成材料相同，區(qū)域呈狹窄長(zhǎng)條形態(tài)，其圖像紋理不僅具有很好的相似性，而且，與其鄰近背景具有很大的差異性，因此，本文將根據(jù)具有尺度、旋轉(zhuǎn)和光照變化不變的歸一化彩色直方圖統(tǒng)計(jì)特征，利用基于直方圖自適應(yīng)聚類的分割方法，粗略地提取絕緣子區(qū)域，然后，針對(duì)提取的絕緣子區(qū)域，估計(jì)和校正絕緣子圖像的水平傾斜失真，以提高絕緣子種類、尺度、旋轉(zhuǎn)、光照以及所處背景變化條件下緣子缺陷檢測(cè)的精確性和魯棒性。

2.1 彩色直方圖的相似性評(píng)估方法

假設(shè)H1,H2分別為兩個(gè)直方圖統(tǒng)計(jì)特征，H1={h11,h12,…,h1N},H2={h21,h22,…,h2N},其維數(shù)均為N?？紤]到同一幅絕緣子圖像中光照比較均勻，絕緣子傘裙圖像不僅分布均勻，而且，與其背景存在著顯著的差異，因而本文采用去均值歸一化互相關(guān)方法，來(lái)計(jì)算兩彩色直方圖間的相似性度量:

(1)

2.2 基于彩色直方圖自適應(yīng)聚類的絕緣子分割算法

2.2.1 絕緣子子區(qū)域的直方圖初始化

如圖1所示，一般情況下絕緣子的長(zhǎng)寬比大于4。假設(shè)絕緣子圖像的長(zhǎng)度和寬度分別為L(zhǎng)和W，直方圖統(tǒng)計(jì)的子塊大小為d×d，其大小為，

(2)

假設(shè)絕緣子彩色圖像的RGB分量都是8比特的分辨率?？紤]到人眼對(duì)顏色分辨率較低，在彩色直方圖統(tǒng)計(jì)時(shí)，本文采用顏色分辨率處理技術(shù)，使單分量直方圖統(tǒng)計(jì)的維數(shù)為32,則子區(qū)域的彩色直方圖統(tǒng)計(jì)可得到32×3=96維的特征矢量，以絕緣子圖像中心4個(gè)子塊A、B、C、D作為絕緣子區(qū)域的候選子塊，其直方圖統(tǒng)計(jì)特征做均值平滑濾波處理后作為絕緣子區(qū)域的統(tǒng)計(jì)特征hI,以與其距離最大的圖像子塊直方圖統(tǒng)計(jì)特征作為背景特征hb。

圖1 絕緣子圖像各子區(qū)域直方圖統(tǒng)計(jì)特征分析

2.2.2 基于彩色直方圖最近自適應(yīng)聚類的絕緣子分割算法

首先,以上述hI和hb兩個(gè)直方圖特征計(jì)算絕緣子和背景的初始類中心mI,mb,

(3)

設(shè)定聚類分析判別門限為,

Thd=|mI-mb|/4

(4)

再對(duì)絕緣子圖像各子區(qū)域進(jìn)行最近鄰聚類分析。如果DI=dis{h1,hI}和Db=dis{h1,hb}小于Thd，則將該子區(qū)域判斷為較小者的類；如果DI=dis{h1,hI}和Db=dis{h1,hb}均大于Thd，則該子區(qū)域判斷為未分類子區(qū)。然后，再對(duì)所有已分類的子區(qū)作直方圖統(tǒng)計(jì)，得到更新后的hI,hb,mI,mb；然后，將未分類子區(qū)分成分成子區(qū)，再對(duì)絕緣子圖像各未分類子區(qū)域進(jìn)行最近鄰聚類分析。如果DI

圖2 基于彩色直方圖自適應(yīng)聚類的絕緣子分割和校正結(jié)果

2.3 絕緣子區(qū)域的傾斜估計(jì)與校正算法

針對(duì)上述提取的絕緣子區(qū)域分割結(jié)構(gòu)，利用連通域分析方法，提取最大的連通區(qū)域，然后，利用最小外接矩形方法，估計(jì)絕緣子區(qū)域最小外接矩形的中心坐標(biāo)、長(zhǎng)度、寬度和水平傾斜姿態(tài)角度θ[7]，最后，再利用旋轉(zhuǎn)變換公式(5)和雙線形差值方法進(jìn)行水平傾斜失真校正。圖3為校正后的絕緣子彩色圖像。

(5)

圖3 校正后的絕緣子彩色圖像

3 基于灰度歸一化相關(guān)匹配的絕緣子掉片檢測(cè)算法

3.1 絕緣子子區(qū)域圖像的初始化

首先針對(duì)校正后的絕緣子彩色圖像，計(jì)算整體直方圖統(tǒng)計(jì)特征；然后，將絕緣子彩色圖像水平均勻分成個(gè)子段區(qū)域，取與整體直方圖統(tǒng)計(jì)特征最相似的子段作為匹配的參考子區(qū)域。圖4給出了正常區(qū)域和缺陷區(qū)域的原始圖像和直方圖。

圖4 絕緣子不同部位直方圖統(tǒng)計(jì)特征

3.2 基于灰度歸一化相關(guān)匹配的相似性估計(jì)

首先，計(jì)算參考子區(qū)域的直方圖統(tǒng)計(jì)特征hr；然后，針對(duì)校正后的絕緣子彩色圖像，hr作為匹配的參考特征沿水平方向進(jìn)行相關(guān)匹配，估計(jì)水平方向的直方圖匹配的相關(guān)函數(shù)曲線c(x)，取相關(guān)函數(shù)門限tp為0.8，并按照下式(6)得到相關(guān)函數(shù)峰值曲線cp(x)，

(6)

針對(duì)相關(guān)函數(shù)曲線cp(x)進(jìn)行平滑濾波處理,得到平滑后的相關(guān)函數(shù)曲線.圖6(a)為正常子塊圖像直方圖匹配的相關(guān)函數(shù)曲線,圖6(b)為異常子塊圖像直方圖匹配的相關(guān)函數(shù)曲線。從圖中可以看出,與正常子塊相比,異常子塊的相關(guān)函數(shù)最大值顯著高于其他周期性的峰值,此外,利用局部極大值點(diǎn)檢測(cè)方法,還可以計(jì)算出各個(gè)相鄰相關(guān)峰之間的距離,進(jìn)而估計(jì)相關(guān)峰值間的周期均值md，它可作為周期異常的判別門限。

圖6 基于直方圖匹配的相關(guān)函數(shù)曲線

3.3 絕緣字傘裙間距周期異常檢測(cè)

首先，根據(jù)md的大小，選擇周期異常檢測(cè)匹配參考子塊，然后，計(jì)算相鄰相關(guān)峰的間距di，并以di的平均值md作為絕緣字傘裙間距判別門限td，即有，td=1.5md。若di>td，則判斷該位置出現(xiàn)絕緣字傘裙間距周期異常。圖7基于直方圖匹配的缺陷檢測(cè)結(jié)果。

圖7 基于直方圖匹配的缺陷檢測(cè)結(jié)果

4 實(shí)驗(yàn)結(jié)果與分析

我們針對(duì)幾種不同場(chǎng)景下巡檢無(wú)人機(jī)航拍采集到的809張含絕緣子缺陷的圖片數(shù)據(jù),利用本文提出的算法進(jìn)行絕緣子缺陷檢測(cè)試驗(yàn)。即首先，利用基于彩色直方圖自適應(yīng)聚類的絕緣子分割算法進(jìn)行絕緣子圖像分割，并利用絕緣子區(qū)域的傾斜估計(jì)與校正算法對(duì)絕緣子區(qū)域進(jìn)行水平幾何失真校正(如圖3所示)；然后，從校正后的絕緣子區(qū)域圖像中左、中、右部分選擇3個(gè)子塊(如圖4所示)，并分別利用這3個(gè)子塊從左到右移動(dòng)滑動(dòng)串口，利用基于灰度歸一化相關(guān)匹配的相似性估計(jì)算法，計(jì)算各子塊的歸一化互相關(guān)函數(shù)曲線(如圖6所示)，從3個(gè)相關(guān)曲線中選擇周期性良好的作為基準(zhǔn)，再根據(jù)歸一化互相關(guān)函數(shù)曲線估計(jì)相鄰相關(guān)峰的平均間距di；最后，利用相應(yīng)的子塊以平均間距di搜索校正后的絕緣子區(qū)域圖像；當(dāng)相鄰灰度相關(guān)峰值之間的間距大于1.5倍平均間距di時(shí)，則認(rèn)為該相鄰灰度相關(guān)峰值之間出現(xiàn)絕緣子周期性異常。針對(duì)幾種不同場(chǎng)景下巡檢無(wú)人機(jī)航拍采集到的809張含絕緣子缺陷的圖片數(shù)據(jù)，成功檢測(cè)出缺陷775張,漏檢34張,準(zhǔn)確率和召回率分別達(dá)到了95.8%和91.9%,與傳統(tǒng)的基于絕緣子及其缺陷淺層穩(wěn)定特征人工設(shè)計(jì)提取方法和基于絕緣子及其缺陷深度特征的絕緣子缺陷檢測(cè)方法相比，本文提出的方法利用了絕緣子傘裙間距的周期性深度穩(wěn)定特征，絕緣子缺陷檢測(cè)的漏檢率低，不僅對(duì)尺度、旋轉(zhuǎn)、光照以及背景變化具有良好的適應(yīng)性，而且，對(duì)不同類型絕緣子的紋理和形態(tài)變化也具有很好的適應(yīng)性，可滿足高壓輸電線路巡檢實(shí)際應(yīng)用的需要。

表1 絕緣子爆片缺陷檢測(cè)對(duì)比 %

5 結(jié)論

本文根據(jù)絕緣子結(jié)構(gòu)的對(duì)稱性和傘裙間距的周期性具有尺度、旋轉(zhuǎn)、光照以及背景變化不變的特點(diǎn)，提出一種基于彩色直方圖的絕緣子掉片檢測(cè)算法，首先，采用基于彩色直方圖的自適應(yīng)分割方法，提取絕緣子區(qū)域圖像，并進(jìn)行水平傾斜校正，然后，利用絕緣子傘裙間距的周期性結(jié)構(gòu)特點(diǎn),利用歸一化彩色灰度匹配方法，估計(jì)絕緣子幾何結(jié)構(gòu)的周期性參數(shù)，最后，利用歸一化彩色灰度相關(guān)匹配的周期性異常，來(lái)檢測(cè)絕緣子掉片的位置。其優(yōu)點(diǎn)是不需要事先利用大樣本進(jìn)行統(tǒng)計(jì)學(xué)習(xí),就可準(zhǔn)確檢測(cè)絕緣子掉片的位置，缺陷檢測(cè)處理速度快、精度高，不僅提高了尺度、旋轉(zhuǎn)、光照、背景變化條件下絕緣子掉片檢測(cè)的適應(yīng)性，而且對(duì)絕緣子種類的紋理和形態(tài)多樣性變化也具有很強(qiáng)的適應(yīng)性。