楊 龍，謝學(xué)平，寧 驍，汪 林，徐 盛，吳 瓊，朱 晗

（1.國(guó)網(wǎng)湖北孝感供電公司，湖北 孝感432000；2.三峽大學(xué)電氣與新能源學(xué)院，湖北 宜昌443000）

0 引言

絕緣子串作為架空輸電線路中一種重要部件，對(duì)于電力系統(tǒng)的安全運(yùn)行起著重要的作用［1-4］。然而，架空線路中的絕緣子串由于長(zhǎng)期暴露在野外，絕緣子串易受到環(huán)境污染，造成損壞，影響線路的安全運(yùn)行［5-6］。因此，需要對(duì)絕緣子串進(jìn)行定期檢查與清洗［7-8］。傳統(tǒng)的檢查方法主要是人工巡檢，通過(guò)無(wú)人機(jī)拍攝架空線路中的絕緣子串部件，再由人工通過(guò)巡檢圖像進(jìn)行絕緣子串查找和識(shí)別，該方法效率低下，且在復(fù)雜環(huán)境下易發(fā)生漏檢情況。為了杜絕這種漏檢情況，保證線路的安全運(yùn)行，將機(jī)器視覺(jué)技術(shù)引入到無(wú)人機(jī)巡檢圖像的絕緣子串定位之中。其中，便涉及到圖像定位算法，利用計(jì)算機(jī)對(duì)無(wú)人機(jī)采集到的架空輸電線路圖像進(jìn)行處理、分析和定位，該方法具有準(zhǔn)確、快速的特點(diǎn)，可以有效替代人工查找的方式。

目前，用于無(wú)人機(jī)巡檢圖像的絕緣子串定位算法主要分為兩類(lèi)。第一類(lèi)是基于傳統(tǒng)數(shù)字圖像處理的定位算法，文獻(xiàn)［9］利用頻率調(diào)諧方法計(jì)算出圖像中絕緣子串的顯著性信息，再通過(guò)Otsu算法和開(kāi)運(yùn)算得到分割出的絕緣子串。文獻(xiàn)［10］對(duì)紅外圖像進(jìn)行拉普拉斯邊緣提取，獲取圖像的紋理特征，通過(guò)角度內(nèi)和角度間進(jìn)行特征聚類(lèi)，識(shí)別紅外影像中絕緣子串的中心線，得到位置信息。文獻(xiàn)［11］通過(guò)中值濾波和Hough變換提出改進(jìn)的CV模型實(shí)現(xiàn)絕緣子串的精確定位。第二類(lèi)則是基于深度學(xué)習(xí)［12-15］算法，文獻(xiàn)［16］將二值化賦范梯度分類(lèi)器和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合實(shí)現(xiàn)絕緣子串的自動(dòng)定位。文獻(xiàn)［17］在散射變換原理和卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，將低通濾波器和Gram矩陣法結(jié)合起來(lái)降低絕緣子串背景信息干擾，處理后的圖像利用SSD（Single Shot Multiox Detector）網(wǎng)絡(luò)的定位結(jié)果比僅僅使用SSD處理原圖像具有更高的精度。

為了實(shí)現(xiàn)架空線路中絕緣子串的自動(dòng)定位，本文提出了一種新的定位方法。首先，將巡檢圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間［18］，分別在H、S、V 3個(gè)顏色空間分量進(jìn)行閾值分割并進(jìn)行二值化操作，得到絕緣子串的初步位置信息。為了能夠區(qū)分同一巡檢圖像中的不同絕緣子串，以得到的絕緣子串點(diǎn)位信息為圓心，構(gòu)建點(diǎn)位信息的影響范圍，本文將相連通的圓所包含區(qū)域?yàn)榻^緣子串位置。但由于桿塔和絕緣子串存在相似性，無(wú)法做到有效分割，導(dǎo)致部分區(qū)域存在誤定位。為了剔除這些誤定位區(qū)域，本文對(duì)所有區(qū)域內(nèi)的信息量進(jìn)行分析，剔除無(wú)效定位。

1 絕緣子串定位

1.1 閾值分割

RGB是圖像處理中最基本、最常用的顏色空間。然而，RGB圖像易受到光照的影響，并不適合用于閾值分割任務(wù)中。而HSV顏色空間由色調(diào)、飽和度和明度組成，相比較于RGB顏色空間中顏色由三原色共同組合而成，HSV顏色空間可以更好地反映顏色變換，更加適合用于閾值分割［19-20］。

本文將巡檢圖像的RGB圖像轉(zhuǎn)換為HSV圖像，基于HSV顏色空間對(duì)巡檢圖像進(jìn)行閾值分割，其參數(shù)范圍設(shè)置如表1。

表1 HSV各分量范圍設(shè)置Table 1 HSV component range setting

其中，以H分量為例，Hmin和Hmax分別表示H分量的最小值和最大值。

通過(guò)表1中各分量設(shè)置的范圍，將圖1中的絕緣子串信息提取出來(lái)，得到絕緣子串上部分區(qū)域的分割結(jié)果，分割結(jié)果如圖2所示。

圖1 無(wú)人機(jī)巡檢圖像Fig.1 UAV inspection image

圖2 絕緣子串部分區(qū)域分割結(jié)果圖Fig.2 Partial area segmentation result of insulator string

本文通過(guò)閾值分割提取到絕緣子串上的部分區(qū)域，然而，這些離散區(qū)域無(wú)法完整有效描述整個(gè)絕緣子串的位置信息。并且，這些離散區(qū)域沒(méi)有進(jìn)行分類(lèi)來(lái)表示不同絕緣子串所處的位置。

1.2 連通區(qū)域獲取

為了讓這些絕緣子串上的離散區(qū)域連通在一起，構(gòu)成一個(gè)完整的封閉輪廓，來(lái)精確定位對(duì)應(yīng)區(qū)域的絕緣子串位置，本文以離散區(qū)域的中心點(diǎn)為圓心，構(gòu)造離散區(qū)域的影響范圍，將所有離散區(qū)域的影響范圍所構(gòu)成的連通區(qū)域認(rèn)定為絕緣子串所在位置。具體步驟為：

如圖3所示，假設(shè)A、B、C為同一絕緣子串上的3個(gè)離散區(qū)域，以A、B、C 3個(gè)離散區(qū)域的中心為圓心分別構(gòu)建各自的影響范圍，其中r為影響半徑。從圖3中可以看到，離散區(qū)域所構(gòu)成的影響范圍形成了一個(gè)連通區(qū)域，本文將連通區(qū)域外輪廓所包含的區(qū)域認(rèn)為是絕緣子串所在位置，所包含的區(qū)域如圖4所示。

圖3 離散區(qū)域影響范圍示意圖Fig.3 Schematic diagram of the influence range of the discrete are

圖4 影響范圍包含區(qū)域示意圖Fig.4 Schematic diagram of the influence range including the area

基于上述的方法對(duì)閾值分割的離散區(qū)域進(jìn)行處理，得到所有可能存在絕緣子串的區(qū)域，結(jié)果如圖6所示。

圖6 分割結(jié)果影響區(qū)域圖Fig.6 The image of the affected area of the segmentation result

1.3 有效區(qū)域提取

然而，由于閾值分割的不準(zhǔn)確，一些非絕緣子串上的離散區(qū)域也被分割出來(lái)，導(dǎo)致圖8中存在大量不含絕緣子串的誤定位區(qū)域。為了剔除這些誤定位區(qū)域，本文首先用矩形對(duì)定位區(qū)域的外邊緣進(jìn)行擬合，其擬合的方式如圖5所示。

圖5 矩形擬合區(qū)域外邊緣Fig.5 The outer edge of the rectangular fitting area

然后統(tǒng)計(jì)擬合矩形區(qū)域內(nèi)所包含的離散區(qū)域數(shù)量，判斷條件如公式（1）所示：

式（1）中，f為標(biāo)志位，1表示正確定位區(qū)域，0表示誤定位區(qū)域，δ表示該區(qū)域類(lèi)離散區(qū)域的數(shù)量，本文將區(qū)域中離散區(qū)域數(shù)量大于10的區(qū)域認(rèn)定為正確定位區(qū)域，剔除誤定位區(qū)域后的結(jié)果如圖7所示。

圖7 剔除誤定位區(qū)域后的結(jié)果圖Fig.7 The result after removing the mis-located area

2 實(shí)例分析

實(shí)驗(yàn)使用的計(jì)算機(jī)處理器為AMD Ryzen 5 2600X，內(nèi)存為16 GB，基于Python3和Opencv函數(shù)庫(kù)實(shí)現(xiàn)。

2.1 實(shí)驗(yàn)一

本文提出的方法可以對(duì)架空線路中各種背景下的絕緣子串做出精準(zhǔn)定位，圖8展示了10組絕緣子串在多種場(chǎng)景下定位結(jié)果，如表2所示，定位場(chǎng)景包括近景、遮擋、背景復(fù)雜、遠(yuǎn)景、小目標(biāo)、中景和目標(biāo)不全。針對(duì)這些場(chǎng)景下本文方法均可做到精準(zhǔn)定位，表明了本文所提方法具有較強(qiáng)的泛化和抗干擾能力。

表2 不同場(chǎng)景下絕緣子串定位結(jié)果Table 2 Location results of insulator strings in different scenarios

圖8 巡檢圖像絕緣子串定位結(jié)果圖Fig.8 Inspection image insulator string positioning result map

2.2 實(shí)驗(yàn)二

如圖9所示，展示了不同影響半徑r下絕緣子串定位結(jié)果。

圖9 巡檢圖像不同影響半徑r下絕緣子串定位結(jié)果圖Fig.9 Insulator string positioning result diagram under different influence radius r of inspection image

當(dāng)影響半徑r為10、20時(shí)，絕緣子串出現(xiàn)大量漏定位和未完全定位，離散區(qū)域的影響范圍無(wú)法構(gòu)成連通區(qū)域。當(dāng)影響半徑r為30、40、50、60、70時(shí)，絕緣子串無(wú)漏定位，但受到遮擋的絕緣子串②⑤未完全定位，當(dāng)r≥80時(shí)，絕緣子串無(wú)漏定位也無(wú)完全定位。最終實(shí)驗(yàn)結(jié)果如表3所示。

表3 不同影響半徑r下絕緣子串定位結(jié)果Table 3 Insulator string positioning results under different influence radius r

2.2 實(shí)驗(yàn)三

為了能夠自動(dòng)確定絕緣子串定位時(shí)影響半徑r的最優(yōu)值，本文對(duì)高空架空線路中絕緣子串的非目標(biāo)不全定位區(qū)域進(jìn)行橢圓擬合，并利用擬合橢圓長(zhǎng)軸與短軸之比進(jìn)行判斷定位是否準(zhǔn)確完整，判斷條件如式（2）所示。

式（2）中，AxisL、AxisS分為擬合橢圓的長(zhǎng)軸和短軸，長(zhǎng)軸與短軸之比大于2.5的為正確定位，若所有定位區(qū)域擬合橢圓長(zhǎng)短軸之比均大于2.5，則表示該影響半徑r可以實(shí)現(xiàn)對(duì)架空線路中絕緣子串的精確定位。為了得到影響半徑r的最優(yōu)值，假定影響半徑r=10為初始影響半徑，以10像素為步長(zhǎng)對(duì)影響半徑進(jìn)行逐步遞增，則所有擬合橢圓滿(mǎn)足公式（2）的最小影響半徑r為影響半徑的最優(yōu)值。

如圖10所示，展示了影響半徑r=70和r=80時(shí)的絕緣子串定位區(qū)域的橢圓擬合圖，可以看到，圖中完整絕緣子串?dāng)M合橢圓的長(zhǎng)軸和短軸之比都已經(jīng)注明。就③號(hào)絕緣子串而言，當(dāng)影響半徑r=70時(shí)長(zhǎng)短軸之比為1.5，影響半徑r=80時(shí)長(zhǎng)短軸之比為2.9，所以影響半徑r=80時(shí)相比于r=70時(shí)具有更好的定位效果，且r=80為滿(mǎn)足要求的最小影響半徑，因此r=80為最優(yōu)值。

圖10 影響半徑r=70、r=80下非目標(biāo)不全定位區(qū)域的橢圓擬合結(jié)果Fig.10 The ellipse fitting result of the non-target incomplete positioning area under the influence radius r=70 and r=80

3 結(jié)語(yǔ)

本文基于傳統(tǒng)的圖像處理技術(shù)，提出了一種輸電線路在復(fù)雜環(huán)境下玻璃絕緣子串自動(dòng)定位方法。首先，采取HSV和閾值分割相結(jié)合的方法提取絕緣子串上的離散特征。然后，以離散特征中心點(diǎn)為中心構(gòu)建離散特征的影響范圍，將影響范圍所構(gòu)成的連通區(qū)域認(rèn)定為絕緣子串所在位置。最后，為了剔除誤定位區(qū)域，統(tǒng)計(jì)連通區(qū)域內(nèi)離散特征的數(shù)量，提高自動(dòng)定位精度。

實(shí)驗(yàn)結(jié)果表明，本文所提方法對(duì)于復(fù)雜背景、遮擋、小目標(biāo)、目標(biāo)不全等情況下的玻璃絕緣子串均能實(shí)現(xiàn)精準(zhǔn)定位，可代替人工對(duì)無(wú)人機(jī)巡檢圖像的玻璃絕緣子串查找。未來(lái)的目標(biāo)是將自動(dòng)定位算法與互聯(lián)網(wǎng)技術(shù)相結(jié)合，構(gòu)建檢測(cè)中心，實(shí)現(xiàn)線上檢測(cè)。