陳 靖

（浙江大有實(shí)業(yè)有限公司電纜工程分公司，浙江 杭州 310000）

電纜是電力運(yùn)輸?shù)闹匾d體。如果電纜表面存在缺陷，則會(huì)對(duì)電纜的絕緣性能產(chǎn)生直接影響，進(jìn)而給電力系統(tǒng)的穩(wěn)定、安全運(yùn)行帶來(lái)隱患。目前，高壓電纜缺陷檢測(cè)的提取分析主要是通過(guò)擬合算法，但該方法計(jì)算流程復(fù)雜，結(jié)果精準(zhǔn)性不高。據(jù)此，該文提出基于局部凹凸性的高壓電纜缺陷檢測(cè)算法，通過(guò)獲取并分析點(diǎn)云數(shù)據(jù)，進(jìn)行缺陷區(qū)域的定位檢測(cè)。

1 局部凹凸性描述分析

高壓電纜局部凹凸性指的是電纜外表面的某些地方出現(xiàn)凹陷或凸起的情況。通過(guò)描述、分析局部凹凸性，可以識(shí)別出數(shù)據(jù)集中的凹凸點(diǎn)，即對(duì)周?chē)鷶?shù)據(jù)點(diǎn)而言具有較高或較低密度的數(shù)據(jù)點(diǎn)。這些凹凸點(diǎn)可能代表了數(shù)據(jù)集中的特殊區(qū)域或者異常點(diǎn)，對(duì)數(shù)據(jù)分析和聚類算法的結(jié)果有重要影響。

結(jié)合具體實(shí)踐而言，高壓電纜局部凹凸性產(chǎn)生的原因包括電纜安裝過(guò)程中的壓力或拉力不均勻、電纜老化與損傷以及材料質(zhì)量等[1]。如果出現(xiàn)局部凹凸性問(wèn)題，極有可能會(huì)增加電纜導(dǎo)體與絕緣層之間的電場(chǎng)強(qiáng)度，從而增加擊穿風(fēng)險(xiǎn)，影響電纜的絕緣性能和電氣性能。同時(shí)，局部凹凸性可能導(dǎo)致應(yīng)力集中，增加電纜受力時(shí)的應(yīng)力水平和電纜機(jī)械強(qiáng)度降低或斷裂的風(fēng)險(xiǎn)，引起電纜故障。

在三維空間中，可以應(yīng)用高斯曲率、法曲率、平均曲率描述曲面的變化情況，高斯曲率K如公式（1）所示。

式中：k1為曲面法曲率最大值；k2為曲面法曲率最小值。

法曲率kn如公式（2）所示。

式中：（dudv）為曲面某點(diǎn)的切線方向；〈E，F(xiàn)，G〉為曲面的第一基本形式；〈L，M，N〉為曲面的第二基本形式。

模輥式成型機(jī)分為環(huán)模成型機(jī)和平模成型機(jī)，主要工作部件是壓模與壓輥，在成型室中，壓模與壓輥通過(guò)將原料擠壓進(jìn)?？锥尚蚚16]。

平均曲率H如公式（3）所示。

由此可以得到源平面和目標(biāo)平面之間的凹凸性τab，如公式（4）所示。

當(dāng)z2＞0、τab＜0 時(shí)，源平面和目標(biāo)平面呈現(xiàn)凹面關(guān)系，并且z值越大，凹度越大；z2＜0、τab＞0 時(shí)，源平面和目標(biāo)平面呈現(xiàn)凸面關(guān)系，并且z值越大，凸度越大。

2 基于局部凹凸性的高壓電纜缺陷檢測(cè)算法

2.1 算法流程

該文提出的基于局部凹凸性的高壓電纜缺陷檢測(cè)算法，無(wú)須進(jìn)行建模擬合，便可進(jìn)行光滑表面缺陷檢測(cè)。算法具體流程如圖1所示。

圖1 基于局部凹凸性的高壓電纜缺陷檢測(cè)算法流程

根據(jù)圖1 可知，在基于局部凹凸性的高壓電纜缺陷檢測(cè)算法應(yīng)用過(guò)程中，首先要進(jìn)行超體素分割，并進(jìn)行點(diǎn)云體素化處理。然后進(jìn)行凹凸性計(jì)算，獲取初始化種子面。其次，該算法會(huì)對(duì)高壓電纜表面是否存在凹凸性突變情況進(jìn)行判斷，如果存在凹凸性變化，則再次進(jìn)行超體素分割，記錄上凸面、下凹面對(duì)應(yīng)鄰接標(biāo)簽，并更新種子為上凸面、下凹面；如果不存在凹凸性突變情況，則更新種子面。最后，對(duì)高壓電纜曲面搜索情況進(jìn)行判斷，如果搜索完畢，則提取標(biāo)曲面點(diǎn)云，并進(jìn)行點(diǎn)云空間聚類計(jì)算，提取出缺陷參數(shù)；如果未搜索完畢，則回到凹凸性突變判斷環(huán)節(jié)，進(jìn)行新一輪計(jì)算、分析。

2.2 點(diǎn)云超體素分割

點(diǎn)云超體素分割（Point Cloud Superpixel Segmentation）是一種將點(diǎn)云數(shù)據(jù)劃分為超體素（superpixel）的方法，用于對(duì)點(diǎn)云進(jìn)行語(yǔ)義分割或目標(biāo)識(shí)別[3]。超體素是點(diǎn)云中一組相鄰的點(diǎn)的集合，具有相似的特征和語(yǔ)義信息。點(diǎn)云超體素分割一般流程包括數(shù)據(jù)預(yù)處理、特征提取、相似度計(jì)算、語(yǔ)義分割或目標(biāo)識(shí)別以及結(jié)果后處理[4]。由于在點(diǎn)云數(shù)據(jù)中，點(diǎn)對(duì)點(diǎn)間的空間關(guān)系與儲(chǔ)存位置無(wú)聯(lián)系，因此點(diǎn)云數(shù)據(jù)具有無(wú)序性特征[5]。為精準(zhǔn)計(jì)算高壓電纜表面凹凸性，需要引用點(diǎn)云超體素分割方法，將表面劃分為多個(gè)小尺寸的片狀區(qū)域，并建立區(qū)域內(nèi)的幾何拓?fù)潢P(guān)系。為保證分割結(jié)果具有精準(zhǔn)性、可靠性，該文采用超體素分割方法進(jìn)行分割，該方法流程如圖2所示。

圖2 超體素分割方法流程

根據(jù)圖2 可知，首先，點(diǎn)云超體素分割會(huì)將點(diǎn)云數(shù)據(jù)進(jìn)行體素化處理，構(gòu)建體素點(diǎn)云。其次，對(duì)種子體素進(jìn)行網(wǎng)格化篩選，以得到具有差異性的種子體素集合。同時(shí)，該方法還可以度量種子體素集合的特征、種子間的距離，以此獲取種子間的相似性數(shù)據(jù)。最后，通過(guò)遍歷、標(biāo)記等方式，對(duì)種子體素進(jìn)行約束流聚類計(jì)算，最終獲得超體素?cái)?shù)據(jù)。

2.2.2 點(diǎn)云體素化

點(diǎn)云體素化是以重點(diǎn)坐標(biāo)代替區(qū)域內(nèi)點(diǎn)坐標(biāo)，達(dá)到簡(jiǎn)化點(diǎn)云數(shù)據(jù)目的的一種方法。其中，點(diǎn)云是由大量離散點(diǎn)組成的三維數(shù)據(jù)集，而體素是一個(gè)三維網(wǎng)格，將空間劃分為小的立方體單元。點(diǎn)云體素化的目的是將點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為規(guī)則的體素，以便進(jìn)行后續(xù)的分析和處理。在點(diǎn)云體素化過(guò)程中，先要構(gòu)建體素盒，并構(gòu)建體素坐標(biāo)系[6]。然后將每個(gè)網(wǎng)格質(zhì)心視為一個(gè)體素，將所有質(zhì)心置于一個(gè)集合內(nèi)，即體素點(diǎn)云。

2.2.3 網(wǎng)格化篩選種子體素

在網(wǎng)格化篩選種子體素操作中，需要在體素空間內(nèi)生成網(wǎng)格，將每個(gè)網(wǎng)格中心位置的體素作為初始的種子體素，并構(gòu)建體素集合[7]。為保證種子體素具有精準(zhǔn)性，可以通過(guò)空間濾波的方式去除離群個(gè)體。如果鄰近點(diǎn)小于額定數(shù)量，則刪除該子體素[8]。同時(shí)，應(yīng)保證網(wǎng)格化分辨率大于體素分辨率，保證不同體素網(wǎng)格化參數(shù)能夠得到不同的種子體素集合。

2.2.4 特征與距離度量

特征是描述數(shù)據(jù)屬性的組合，用于表示數(shù)據(jù)的不同特征。在聚類算法中，特征通常是數(shù)據(jù)的各個(gè)維度特征或?qū)傩蕴卣?。距離度量常用于計(jì)算相鄰數(shù)據(jù)點(diǎn)之間的距離，以此確定相鄰數(shù)據(jù)點(diǎn)在聚類空間中的相對(duì)位置，并判斷出相鄰數(shù)據(jù)點(diǎn)的特征相似度。

在應(yīng)用該文研究方法的特征與距離度量操作中，該文構(gòu)建了一個(gè)37 維的特征向量，用于描述單個(gè)體素，如公式（5）所示。

式中：F為37 維的特征向量；xi、yi、zi為體素中心的坐標(biāo)；ci為體素點(diǎn)云的曲率；FPFHi33為基于鄰域點(diǎn)位置與法線關(guān)系分析的33 維幾何特征向量。

2 個(gè)相鄰體素間的特征的相似度可以用距離度量D來(lái)表示，如公式（6）～公式（8）所示。

式中：Ds為歐式距離，即相鄰2 個(gè)體素的空間位置相似度；λs為歐式距離的影響因子；Dc為曲率相似性，其取值越大，則2 個(gè)體素間的彎曲差距越大；λc為曲率相似性的影響因子。

應(yīng)用DHIK表示2 個(gè)體素特征的相似性，如公式（9）～公式（11）所示。

式中：I（Hi（i），Hj（j））為取交集運(yùn)算；R為直方圖級(jí)數(shù)；N1為對(duì)應(yīng)匹配數(shù)。

2.2.5 約束流聚類算法

約束流聚類算法（Constrned Stream Clustering Algorithm）是一種結(jié)合了流式數(shù)據(jù)處理和約束條件，能夠在實(shí)時(shí)流數(shù)據(jù)中進(jìn)行聚類，并根據(jù)預(yù)定義的約束條件對(duì)聚類結(jié)果進(jìn)行調(diào)整的算法[9]。在該文研究中，首先，對(duì)數(shù)據(jù)流進(jìn)行預(yù)處理，如數(shù)據(jù)清洗、降維等，并選擇初始化聚類模型。同時(shí)逐個(gè)處理數(shù)據(jù)流中心的數(shù)據(jù)點(diǎn)，將其分配到合適的聚類簇中。在該基礎(chǔ)上對(duì)體素進(jìn)行遍歷，并標(biāo)記最小度量值的體素。其次，以所標(biāo)記的體素為中心，計(jì)算出鄰域內(nèi)最小距離度量均值的體素，并進(jìn)行標(biāo)記。再次，重復(fù)上述步驟，直至迭代停止。最后，更新種子體素，進(jìn)行新一次的聚類計(jì)算。

3 算法驗(yàn)證

為驗(yàn)證該文所提算法的有效性和精準(zhǔn)性，對(duì)基于擬合的算法和該文算法進(jìn)行對(duì)比試驗(yàn)。試驗(yàn)所用高壓電纜缺陷點(diǎn)云圖如圖3所示。

擬合算法與該文算法所提取的缺陷信息、缺陷檢測(cè)結(jié)果見(jiàn)表1、表2。

表1 2 種方法應(yīng)用下的缺陷信息提取情況

表2 2 種算法的缺陷檢測(cè)結(jié)果

試驗(yàn)結(jié)果對(duì)比分析可知，該文算法檢測(cè)正確的個(gè)數(shù)為48 個(gè)，判斷正確個(gè)數(shù)為47 個(gè)，正確檢測(cè)率為94%，均優(yōu)于基于擬合的方法，說(shuō)明本研究提出的基于局部凹凸性的高壓電纜缺陷檢測(cè)算法具有表面檢測(cè)優(yōu)勢(shì)，在實(shí)際工作中應(yīng)用該算法具有可行性與可靠性。

4 結(jié)語(yǔ)

綜上所述，該文提出了一種基于局部凹凸性的高壓電纜缺陷檢測(cè)算法。該算法可以根據(jù)兩個(gè)表面之間的凹凸性進(jìn)行定量評(píng)價(jià)分析。在算法應(yīng)用過(guò)程中，運(yùn)用點(diǎn)云超體素對(duì)區(qū)域進(jìn)行分割，建立點(diǎn)云之間的拓?fù)潢P(guān)系，并通過(guò)凹凸性變化分析，對(duì)缺陷區(qū)域進(jìn)行檢測(cè)。對(duì)比試驗(yàn)驗(yàn)證，結(jié)果表明該文提出的算法能夠有效檢測(cè)出高壓電纜光滑表面的凹凸性缺陷，具有良好的應(yīng)用前景。