百色能源投資發(fā)展集團(tuán)有限公司輸電管理所 李宏偉

近年來(lái)，無(wú)人機(jī)技術(shù)在電力系統(tǒng)的不同應(yīng)用中得到了大規(guī)模發(fā)展。使用裝有人工視覺(jué)系統(tǒng)的飛行器執(zhí)行檢查任務(wù)越來(lái)越普遍。處理和分析圖像的目的是檢測(cè)線路故障，通過(guò)使用分段檢測(cè)算法或具有并行約束的霍夫變換來(lái)檢測(cè)傳輸線。視覺(jué)工業(yè)檢測(cè)是無(wú)人機(jī)的一個(gè)重要應(yīng)用領(lǐng)域，因?yàn)槠涮峁┝嗽诶щy和危險(xiǎn)的區(qū)域捕獲圖像的功能。姿態(tài)的導(dǎo)航和控制對(duì)電力系統(tǒng)的應(yīng)用具有一定挑戰(zhàn)，目前已經(jīng)研究了不同的解決方案，如卡爾曼濾波器和PID控制器。然而，以前的兩種技術(shù)都依賴于使用本體感覺(jué)傳感器，適合偏差[1-3]。

1 檢測(cè)算法分析

該檢測(cè)算法由三個(gè)階段組成：自適應(yīng)閾值、多任務(wù)學(xué)習(xí)、圖像檢測(cè)，前兩個(gè)階段與預(yù)處理有關(guān)，在最后的第三階段對(duì)預(yù)處理進(jìn)行了調(diào)整，以適應(yīng)核心線檢測(cè)算法。本文使用自適應(yīng)閾值來(lái)隔離不同光照條件下的輸電線路。

無(wú)人機(jī)可以在輸電線路上方的高度飛行，并且相對(duì)靠近進(jìn)行監(jiān)控拍攝，由于反射而具有良好亮度的輸電線容易被判斷。然而，偏遠(yuǎn)地區(qū)的輸電線在復(fù)雜的地形長(zhǎng)距離運(yùn)行，圖像或視頻背景可以從樹木和綠色斑塊到不同的平坦空間，如貧瘠的斑塊以及房屋和道路等其他物體。自適應(yīng)閾值算法根據(jù)鄰域中的像素強(qiáng)度為每幀中的每個(gè)像素使用不同的閾值，可以解決這些問(wèn)題。因此筆者設(shè)計(jì)了一種新的檢測(cè)算法，可檢測(cè)任何不同背景中的線條。

1.1 自適應(yīng)閾值

通過(guò)使用單個(gè)全局閾值，將電力線與強(qiáng)度變化的背景隔離變得具有挑戰(zhàn)性，此外在幀之間，捕捉到的輸電線本身的強(qiáng)度，根據(jù)無(wú)人機(jī)的位置而變化。最后，檢查可在一天中的任何時(shí)間段進(jìn)行，即不同的日光亮度條件，并且該算法能夠在所有條件下成功檢測(cè)。

自適應(yīng)閾值算法可解決圖像處理中的圖像二值化和分割問(wèn)題。在圖像二值化中，傳統(tǒng)的全局閾值算法將整個(gè)圖像使用一個(gè)固定的閾值進(jìn)行二值化，但對(duì)于光照不均勻或背景復(fù)雜的圖像，會(huì)產(chǎn)生較多的錯(cuò)誤分類。而自適應(yīng)閾值算法則能根據(jù)圖像的局部信息和特性，為不同區(qū)域或像素分配不同的閾值，提高二值化的準(zhǔn)確性和魯棒性，尤其在處理有光照變化或背景復(fù)雜的情況下效果更好。

在圖像分割中，自適應(yīng)閾值算法可根據(jù)圖像的特性和需要，將圖像中的前景對(duì)象從背景中分離出來(lái)。通過(guò)對(duì)圖像局部區(qū)域的像素信息進(jìn)行分析，可確定局部區(qū)域的特定閾值，并將符合條件的像素分配到前景或背景中。這在自動(dòng)化的圖像分析和對(duì)象識(shí)別中較為重要，能夠準(zhǔn)確地分割出精確的對(duì)象，為后續(xù)的圖像處理、分析和識(shí)別提供基礎(chǔ)。因此，自適應(yīng)閾值算法在圖像處理領(lǐng)域具有廣泛的應(yīng)用前景。

該算法采用模糊函數(shù)來(lái)計(jì)算鄰域強(qiáng)度，模糊功能的選擇取決于背景特性及其自定義調(diào)整。在本文的案例中，電源線只有2～3像素厚，背景綠化、房屋和道路分布在更多的像素上。因此，與任何其他類型或大小的內(nèi)核相比，使用高斯內(nèi)核，計(jì)算加權(quán)平均函數(shù)，能夠抑制更多的背景，同時(shí)保留輸電線路圖像。這是因?yàn)閮?nèi)核是單個(gè)像素覆蓋了足夠的背景，一般覆蓋了2～3個(gè)像素的粗線。

考慮到卷積層，有幾種類型的內(nèi)核卷積圖像及其相應(yīng)的激活圖。在轉(zhuǎn)發(fā)階段，將生成一組新的激活映射。假設(shè)一幅二維圖像的濾波器權(quán)重為W，濾波泛化的公式可以簡(jiǎn)化為：Y=W×Im，其中：Y是計(jì)算矩陣，并且使用二維卷積運(yùn)算來(lái)表示行x和列中的條目，將J和K作為濾波器的尺寸，表示卷積的方程將得到如下結(jié)果：

對(duì)于子采樣階段，可使用池層來(lái)減少激活映射的維數(shù)以及網(wǎng)絡(luò)參數(shù)。此任務(wù)常用的方法是最大共享一般層。另一方面，完全連接的層通常分配在卷積網(wǎng)絡(luò)的最后階段，并對(duì)應(yīng)于大多數(shù)參數(shù)。

1.2 多任務(wù)學(xué)習(xí)

即使目標(biāo)是一項(xiàng)特定的分類任務(wù)，學(xué)習(xí)其他目標(biāo)也可成為一種常見(jiàn)的做法，這也有利于主要任務(wù)執(zhí)行。多任務(wù)學(xué)習(xí)利用個(gè)體學(xué)習(xí)任務(wù)之間的內(nèi)在關(guān)系來(lái)提高分類性能。因此，在這項(xiàng)工作中，筆者不僅試驗(yàn)了基于單獨(dú)作業(yè)的單獨(dú)學(xué)習(xí)任務(wù)，還試驗(yàn)了同時(shí)將兩項(xiàng)任務(wù)聯(lián)合起來(lái)的多任務(wù)學(xué)習(xí)。

在三個(gè)學(xué)習(xí)任務(wù)的各個(gè)情況下，要最小化的損失函數(shù)L是交叉熵，定義如下：對(duì)于N個(gè)觀測(cè)值和K個(gè)類，模型輸出每個(gè)觀測(cè)值i∈｛1，…，N｝和類k∈｛1，…，K｝的概率，這與真實(shí)標(biāo)簽yi,k形成對(duì)比，當(dāng)觀測(cè)值i屬于類k時(shí)，k為1，否則為0。

在多任務(wù)的情況下，最終損失L＇將材料L（m）和缺陷L（d）的兩個(gè)損失組合為簡(jiǎn)單的未加權(quán)和：。

1.3 基于多數(shù)的剩余背景形態(tài)侵蝕

自適應(yīng)閾值算法的輸出是二維值圖像，其中電源線像素厚度從原始圖像和某些明亮的背景補(bǔ)丁中保留。在頭頂跟蹤過(guò)程中，正面攝像頭電源線的透視圖會(huì)在圖像上產(chǎn)生不同厚度的線。線條在邊框底部邊緣附近最粗，在圖像頂部附近向地平線逐漸變細(xì)。

為了得到這樣均勻的線條，筆者使用了一種新的基于多數(shù)的侵蝕算子。該算子專門用于線檢測(cè)，因?yàn)槠渫ㄟ^(guò)將線厚度減薄到單個(gè)像素來(lái)進(jìn)行操作。當(dāng)算子的核在圖像上移動(dòng)n×n的全一矩陣時(shí)。取或更小的SOP（總和乘積）作為有利的候選輸出，將中心像素設(shè)置為1或0。前提條件是，任何方向的線在n×n核中的總和乘積不能超過(guò)“n2”。

步驟如下：如果施加全1，n×n內(nèi)核后的總和乘積＞n個(gè)像素，則前景包含電源線以外的其他圖像，其應(yīng)該被抑制；如果SOP=n，其有一條沿著核主對(duì)角線的任何旋轉(zhuǎn)相交的電源線，而沒(méi)有其他圖像，必須保留；若SOP＜n，其有一條沿核的一個(gè)小對(duì)角線的任何旋轉(zhuǎn)相交的電源線，而沒(méi)有其他圖像，必須保留。

形態(tài)學(xué)算子用于保留二維值圖像中的線條并去除其他任何內(nèi)容，基本上是一個(gè)形狀保持器，在該應(yīng)用中，形狀是線條。前景面片的內(nèi)部將被刪除，僅保留其邊緣。運(yùn)算符的大小是根據(jù)行之間的間隔距離來(lái)選擇的，很明顯，對(duì)于n×n核，線條之間的距離應(yīng)該是最小的“n”像素所確定的距離，以便保留兩條線。圖像表明，大小為3×3的內(nèi)核最大限度地減少了假陰性，而大小為7×7的內(nèi)核最大限度地減少了偽陽(yáng)性，即折中。

1.4 啟發(fā)式的直線檢測(cè)

眾所周知，金屬物體會(huì)反射其上的視覺(jué)波段中的大部分電磁輻射，因此除了典型的頭頂框架中地平線上方的可見(jiàn)視野外，框架內(nèi)的其他偽影都不會(huì)跟像素強(qiáng)度矩陣中捕捉到的那樣具有高強(qiáng)度。由于使用了侵蝕操作，可以容易捕捉天空畫面，因此在侵蝕后的框架中，電力線仍然是最明亮的。在試驗(yàn)中也觀察到了同樣的情況，作為處理的所有階段：從彩色圖像到HSV（顏色模型）表示的圖像，再到二維值圖像。具體而言，在圖像的HSV表示中，沿著所捕獲的細(xì)電源線的表面，電源線在值維度上始終顯示強(qiáng)度＞65%。視頻中捕捉到的電源線是3個(gè)像素寬的。然而，在前置攝像頭拍攝的透視圖中，輸電線路的平行邊緣與地平線交匯。因此，線條厚度隨著其與攝影機(jī)的距離增加而逐漸變細(xì)。

上述性質(zhì)在侵蝕后也成立。侵蝕后，線條為單像素寬，由于相機(jī)CCD背板上的圖像捕獲網(wǎng)格的頭頂檢測(cè)和離散性，線條也具有預(yù)期的略微交錯(cuò)的外觀。較小的交錯(cuò)，即向右或向左均勻傾斜1個(gè)像素，表現(xiàn)為以階梯方式一個(gè)接一個(gè)堆疊的小垂直線段。在架空檢測(cè)過(guò)程中，線路越垂直，線段的長(zhǎng)度就越大，抖動(dòng)越小。筆者使用這種一致的啟發(fā)式方法來(lái)追蹤線條，研究中也以不同的形式使用了這種啟發(fā)式方法。

在頭頂檢測(cè)中，電源線通常從圖像矩陣的底部延伸到頂部。追蹤這些線，首先必須確定其的起始位置，前置攝像頭可看到圖像底部最接近的線條。因此，圖像的底部具有在所有幀中最突出的線條，中間沒(méi)有破損。在侵蝕后矩陣的底部幾行中，注意所有1的垂直運(yùn)行。假設(shè)線之間相隔至少3個(gè)像素的距離，因此使用窗口來(lái)局部識(shí)別起始位置。一旦確定了起始位置，就繼續(xù)從下到上逐行掃描，重復(fù)地檢測(cè)和累積線路長(zhǎng)度，直到遇到線路中斷。

2 實(shí)例分析

本文算法使用OpenCV軟件包實(shí)現(xiàn)，該算法在大約800幀上進(jìn)行了測(cè)試，為了展示算法的有效性，本文中展示了兩個(gè)特定幀中的電力線跟蹤。這兩張照片的背景不同了，選擇其是為了表明所提出的方法在不同條件下都能較好地工作。圖1（a）的背景比圖2（a）的背景更為復(fù)雜，完成處理和跟蹤后的圖像分別如圖1（b）和圖2（b）所示。結(jié)果定性地表明，能夠檢測(cè)到大多數(shù)架空電力線，對(duì)于作為電力線檢查下一階段的故障來(lái)說(shuō)，電力線檢測(cè)的初步成功至關(guān)重要。

圖1 樣本幀1中的線條檢測(cè)

為了以跟蹤線長(zhǎng)度的形式對(duì)結(jié)果進(jìn)行定量分析，提出了算法的最壞情況和平均情況分析。在進(jìn)行分析之前，討論以像素為單位的兩個(gè)連續(xù)幀捕獲之間需要跟蹤的線長(zhǎng)度的下限。無(wú)人機(jī)以大約10m/s的速度飛行，幀捕獲率為24幀/s。因此，在兩次幀捕捉之間，無(wú)人機(jī)飛行距離約為0.4m，對(duì)于根據(jù)網(wǎng)格設(shè)計(jì)相距100m的兩極，其之間的導(dǎo)線覆蓋圖像長(zhǎng)度的3/4，即360像素。因此，0.4m對(duì)應(yīng)于1.44像素的距離。在頭頂檢測(cè)中，幀間距離對(duì)直線跟蹤提出了重要的要求，這樣前置攝像頭正下方的線段的檢測(cè)效果會(huì)更好。

為了進(jìn)行統(tǒng)計(jì)分析，筆者選擇了281個(gè)樣本幀，其在真實(shí)視頻序列中均勻地間隔3幀放置。從對(duì)所有這些圖像幀的檢測(cè)長(zhǎng)度數(shù)據(jù)的分析中可看出，只有9/281幀具有很少的誤報(bào)。對(duì)于所有其他幀，再次看到檢測(cè)到的最小長(zhǎng)度是從幀底部起大約17個(gè)像素，每幀中的電源線大約有300個(gè)像素長(zhǎng)。然而，當(dāng)將其與要求進(jìn)行比較時(shí)，即能夠從每幀底部跟蹤至少1.44個(gè)像素，那么即使在最壞的情況下，也可以實(shí)現(xiàn)。

轉(zhuǎn)到平均案例分析，通過(guò)對(duì)平均值周圍10%的變化進(jìn)行閾值處理，對(duì)每幀中的長(zhǎng)短線進(jìn)行分類。發(fā)現(xiàn)只有13%的線路具有小于檢測(cè)到的短線路數(shù)量。這意味著在大多數(shù)幀中，檢測(cè)到的行距足夠長(zhǎng)。此外，還獲得了所有幀中所有此類檢測(cè)線的全局平均值，在視頻中，真實(shí)線的300像素長(zhǎng)的表示中，179個(gè)像素的全局平均值不僅比要求的邊界好125倍，而且覆蓋了直到地平線的可見(jiàn)網(wǎng)格總長(zhǎng)度的60%。

3 結(jié)語(yǔ)

在本文中，算法的設(shè)計(jì)基于一種新的形態(tài)學(xué)侵蝕算子，以及一種魯棒的圖像像素空間啟發(fā)式算法來(lái)提取電力線路圖像，覆蓋了直到地平線的60%的可見(jiàn)線長(zhǎng)度。因此，當(dāng)涉及重要線段時(shí)不會(huì)發(fā)生漏檢。目前，正致力于在兩個(gè)計(jì)數(shù)上進(jìn)一步提高每幀中檢測(cè)到的線路長(zhǎng)度的程度。每當(dāng)電力線下有一塊明亮的貧瘠斑塊時(shí)，就會(huì)發(fā)現(xiàn)并提取。因此，總的來(lái)說(shuō)該電力線檢測(cè)算法足夠穩(wěn)健，具有良好的性能，因此也可應(yīng)用于任何其他真實(shí)戶外視頻中的任何線路檢測(cè)場(chǎng)景。