李 響,陸 鋒,陳鈺婷,蔣 淼,金圣哲

(南京工程學(xué)院電力工程學(xué)院,南京 210008)

架空輸電線路覆蓋面大,運(yùn)行環(huán)境復(fù)雜,出現(xiàn)概率高,檢測(cè)難度大,故障后影響面廣,每年需花費(fèi)大量的人力物力用于輸電線路巡檢。而傳統(tǒng)的檢查方式越來(lái)越難以滿足大規(guī)模的線路巡檢實(shí)際需求,且人工巡檢成本高,效率低,實(shí)際實(shí)施過(guò)程中存在一定的風(fēng)險(xiǎn)。目前,X射線和超聲波技術(shù)應(yīng)用較為廣泛,通過(guò)X射線對(duì)碳纖維復(fù)合芯導(dǎo)線進(jìn)行無(wú)損檢測(cè)可獲取導(dǎo)線表層鋁線和內(nèi)部芯棒圖像[1]。有研究提出,利用X射線技術(shù)對(duì)耐張線夾及接續(xù)管內(nèi)壓接情況進(jìn)行探測(cè),判斷輸電線耐張管情況[2]。還有研究利用超聲導(dǎo)波技術(shù),通過(guò)小波分析判斷出輸電線損傷位置[3]。本研究從智能化圖像識(shí)別技術(shù)、數(shù)字圖像識(shí)別技術(shù)、圖像分割技術(shù)入手,對(duì)巡線機(jī)器人的可行性進(jìn)行分析,指出圖像識(shí)別技術(shù)方法存在的問(wèn)題及未來(lái)發(fā)展方向。

1 線路探傷分析

鋼絲鋁絞線是一種電力輸電線路中常用的導(dǎo)線類(lèi)型,由多股鋁合金導(dǎo)線和鍍鋅鋼絲絲芯組成,通過(guò)編絞在一起形成絞合結(jié)構(gòu)。這種導(dǎo)線具有較高的強(qiáng)度和較低的電阻,被廣泛應(yīng)用于輸電線路中。但長(zhǎng)期以來(lái),鋼絲鋁絞線存在著一些線路損傷問(wèn)題,需要研究解決。

導(dǎo)線老化和劣化問(wèn)題。鋼絲鋁絞線長(zhǎng)期受到自然環(huán)境的侵蝕和電力負(fù)荷的作用,導(dǎo)線表面可能產(chǎn)生腐蝕、氧化等問(wèn)題,導(dǎo)致導(dǎo)線性能下降,甚至是線路故障。不同的環(huán)境條件(如溫度、濕度、污染等)會(huì)對(duì)鋼絲鋁絞線的導(dǎo)電性能和機(jī)械性能產(chǎn)生影響,因此需研究不同環(huán)境條件下導(dǎo)線的損傷情況。此外,外界因素會(huì)引起線路損傷,如鋼絲鋁絞線可能受到風(fēng)、冰雪、閃電等因素的影響而引發(fā)損傷,周?chē)参锖蛣?dòng)物的干擾可能導(dǎo)致導(dǎo)線切斷、拉斷、掛斷等,長(zhǎng)期處于水汽、風(fēng)沙、酸雨等物質(zhì)作用下,導(dǎo)致導(dǎo)線表面逐漸銹蝕。在高負(fù)荷和過(guò)載情況下,導(dǎo)線可能會(huì)受到較大的應(yīng)力,引發(fā)損壞、松動(dòng)等問(wèn)題。輸電導(dǎo)線以導(dǎo)線斷股最為常見(jiàn),鋼芯鋁絞線橫向排列并有一定周期循環(huán)性的特點(diǎn),當(dāng)導(dǎo)線斷股損傷時(shí),由于導(dǎo)線的連續(xù)性和彈性,導(dǎo)線斷股后會(huì)脫離鋼芯產(chǎn)生殘缺或上翹。

鋼絲鋁絞線的線路損傷檢測(cè)主要是為了解決導(dǎo)線老化、負(fù)荷應(yīng)力及安裝維護(hù)等問(wèn)題,以確保輸電線路的穩(wěn)定運(yùn)行和可靠性。對(duì)3種圖像識(shí)別技術(shù)進(jìn)行比較分析,選擇合適的技術(shù)降低線路損傷風(fēng)險(xiǎn),提高線路的使用壽命和可靠性。

2 圖像識(shí)別技術(shù)

2.1 圖像識(shí)別流程

智能化識(shí)別技術(shù)是一種綜合性技術(shù),充分融合計(jì)算機(jī)技術(shù)的優(yōu)勢(shì),將輸入到計(jì)算機(jī)系統(tǒng)的圖像信息轉(zhuǎn)化為系統(tǒng)可識(shí)別的數(shù)字信息,從而實(shí)現(xiàn)對(duì)多源數(shù)據(jù)信息的高效處理,將此數(shù)據(jù)轉(zhuǎn)化為特征信息,使原始圖像通過(guò)變換、濾波和增強(qiáng)技術(shù),顯示圖像通過(guò)空間域或頻域的BP神經(jīng)網(wǎng)絡(luò)、哈達(dá)瑪變換、沃爾什變換、正弦或余弦變換及傅里葉變換,進(jìn)一步提高計(jì)算機(jī)操作系統(tǒng)的網(wǎng)絡(luò)運(yùn)行速度,使顯示圖像更加精確。對(duì)得到的圖片搜索繼續(xù)進(jìn)行分類(lèi)匹配,顯示無(wú)法識(shí)別的圖片。采取該技術(shù)能夠進(jìn)一步提升數(shù)字圖像處理質(zhì)量及效率,提高識(shí)別相關(guān)信息的準(zhǔn)確性,且抗干擾能力強(qiáng),外部環(huán)境對(duì)顯示圖像的影響很小。在信息技術(shù)的支持下,該技術(shù)的識(shí)別精度進(jìn)一步提升,更多與數(shù)字相關(guān)的信息轉(zhuǎn)換為顯示圖像。如果將該技術(shù)應(yīng)用于計(jì)算中,無(wú)需將目標(biāo)顯示圖像轉(zhuǎn)換為for循環(huán),即可完成高清顯示圖像的處理。

2.2 圖像處理

2.2.1 預(yù)處理

具體流程如圖1所示。將采集的圖像輸入到計(jì)算機(jī)中,對(duì)圖像進(jìn)行預(yù)處理,這是圖像技術(shù)識(shí)別應(yīng)用的關(guān)鍵。圖像預(yù)處理方法主要有灰度化處理和二值化等。

圖1 圖像識(shí)別流程

圖2 驅(qū)動(dòng)電機(jī)控制器流程

灰度化處理是將彩色圖像轉(zhuǎn)化為灰色圖像的過(guò)程,彩色圖像中每個(gè)像素的顏色由R、G、B三個(gè)分量決定,每個(gè)分量上又有256種取值,那么每一像素點(diǎn)可有16 777 216(256×256×256)的顏色變化范圍?；叶葓D像的每個(gè)像素點(diǎn)變化范圍為256種,在減少計(jì)算機(jī)后續(xù)圖像計(jì)算量的同時(shí)仍可反映整幅圖像的整體布局、色度與亮度的分布特征?；叶然幚碛?種方法,即最大值法、平均值法、加權(quán)平均值法。最大值法是使R、G、B取其中值最大的一個(gè),此方法會(huì)形成亮度很高的灰度圖像。平均值法是取R、G、B三者的平均值,此方法形成的灰度圖像較柔和。加權(quán)平均值法根據(jù)不同分量的重要性或其他指標(biāo)對(duì)R、G、B賦予不同的權(quán)重,從而達(dá)到加權(quán)的目的。

二值化處理是將圖像上的像素點(diǎn)灰度值設(shè)為0或255,使整個(gè)圖像呈現(xiàn)出黑白效果。對(duì)256種等級(jí)的灰度圖像選取適當(dāng)?shù)拈撝?從而反映圖像的整體和局部特征的二值化圖像,灰度如果大于閾值判斷為特定物體,灰度值為255,否則像素點(diǎn)設(shè)置為最小值0。二值化的常用算法包括全局二值化、局部二值化及局部自適應(yīng)二值化。全局二值化對(duì)于一幅圖像內(nèi)的所有成分,包括目標(biāo)物體、背景及噪聲等設(shè)置一個(gè)全局的閾值M,用M將圖像分為兩大部分：大于M的像素群A和小于M的像素群B。將像素群A的像素值設(shè)定為黑色(白色),將像素群B的像素值設(shè)定為白色(黑色),但是全局二分法對(duì)于圖像細(xì)節(jié)的展示效果不精確,有較大的缺陷,故引入了局部二值化。局部二值化是根據(jù)圖像的區(qū)域不同對(duì)整個(gè)圖像進(jìn)行劃分,劃分為N個(gè)窗口,再對(duì)每個(gè)窗口設(shè)定閾值進(jìn)行處理。局部自適應(yīng)二值化比局部二值化更優(yōu)的地方是閾值設(shè)定更加合理,對(duì)窗口像素的平均值、差平方、均方根值等數(shù)據(jù)擬合出一個(gè)參數(shù)方程對(duì)閾值進(jìn)行計(jì)算,這樣得出來(lái)的二值化圖細(xì)節(jié)自然,可以更好地表現(xiàn)出來(lái)。

2.2.2 圖像壓縮

對(duì)圖像的壓縮處理是對(duì)圖像多余的信息進(jìn)行壓縮刪減,在可識(shí)別性的基礎(chǔ)上減少圖像占用空間,便于圖像的后期儲(chǔ)存與傳輸。經(jīng)典圖像壓縮格式包括JPEG、JPEG2000、BPG、VVC等。隨著科技的進(jìn)步與發(fā)展。圖像壓縮技術(shù)也有了進(jìn)一步的提高,李玉峰等[4]引入簡(jiǎn)化版本注意力機(jī)制,用殘差快速增大接受場(chǎng),使率失真性能有了一定的提升。

2.2.3 圖像分割

圖像分割是把圖像分成互補(bǔ)重疊又具有各自特征的子區(qū)域。許多傳統(tǒng)的圖像分割方法已被廣泛使用,主要包括基于閾值的分割、基于邊緣的分割、基于區(qū)域的方法、基于聚類(lèi)的分割、基于深度學(xué)習(xí)的分割等。

1)基于閾值的分割?；陂撝档膱D像分割是通過(guò)比較像素值和一個(gè)設(shè)定的閾值,根據(jù)目標(biāo)物體和背景在灰度上的差異來(lái)調(diào)整閾值,將像素點(diǎn)分為不同的類(lèi)別,實(shí)現(xiàn)圖像分割[5],方法有很多種,如直方圖閾值法、Otsu法和迭代法等。主要流程為確定閾值,通過(guò)實(shí)驗(yàn)或根據(jù)應(yīng)用場(chǎng)景確定合適閾值,將像素值分為兩類(lèi),再將每個(gè)像素值和確定的閾值進(jìn)行比較,將其分類(lèi)到合適的類(lèi)別中。此類(lèi)分割最關(guān)鍵的一步是按照一定算法求解到最佳的灰度閾值。

2)基于邊緣的分割。是指一個(gè)圖像不同區(qū)域邊界線上的連續(xù)像素點(diǎn)的集合,反映了局部特征不連續(xù),體現(xiàn)灰度、顏色、紋理等特征的突變,基于邊緣的分割是在邊緣灰度值呈現(xiàn)出階躍型變化的基礎(chǔ)上通過(guò)檢測(cè)包含不同區(qū)域的邊緣來(lái)解決分割問(wèn)題?；谶吘壏指畹闹饕襟E是對(duì)邊緣進(jìn)行檢測(cè),得到邊緣信息后用Soble等算子檢驗(yàn),再將相鄰的邊緣進(jìn)行連接,從而得到完整的邊緣線,對(duì)邊緣進(jìn)行細(xì)化,將邊緣分類(lèi)成區(qū)域內(nèi)邊緣和背景區(qū)域邊緣,對(duì)兩類(lèi)區(qū)域進(jìn)行處理,得到最終結(jié)果。邊緣分割的檢驗(yàn)算子有一階微分邊緣檢驗(yàn)算子、二階微分邊緣檢驗(yàn)算子。一階微分的邊緣檢驗(yàn)算子有梯度算子、Roberts算子、Sobel算子、Prewitt算子,二階微分的算子包括LOG算子、DOG算子、canny邊緣檢測(cè)等。

3)基于區(qū)域的分割。此分割方法包括區(qū)域分類(lèi)合并法、分水嶺法等。區(qū)域分裂合并法是將圖像分為若干個(gè)沒(méi)有交集的區(qū)域,將每個(gè)區(qū)域標(biāo)記成屬于不同類(lèi)別的像素,按照相關(guān)特性對(duì)這些區(qū)域進(jìn)行分裂或合成,從而完成分割任務(wù)。分水嶺分割算法是區(qū)域生長(zhǎng)法的改進(jìn),基于測(cè)地學(xué)中分水嶺的構(gòu)造原理提出的圖像分割算法,其原理是將圖片看成一幅地圖,圖像中的像素灰度值代表一個(gè)海拔高度,圖像中每個(gè)灰度局部極小值及周?chē)膮^(qū)域相當(dāng)于一個(gè)盆地,其邊界就是分水嶺。找到灰度值最小的像素點(diǎn),讓其從最小值開(kāi)始增長(zhǎng),在增長(zhǎng)過(guò)程中會(huì)碰到周?chē)念I(lǐng)域像素,測(cè)量這些像素到起始點(diǎn)的測(cè)地距離,如果小于閾值,則被淹沒(méi),反之,對(duì)其設(shè)置大壩,將區(qū)域像素進(jìn)行分類(lèi)。

4)基于聚類(lèi)的分割。是對(duì)給定的樣本集按照樣本之間距離的大小將樣本劃分為k個(gè)簇,讓簇內(nèi)的點(diǎn)緊密連接在一起,讓簇間的距離盡量的大。在空間直角坐標(biāo)系中隨機(jī)選取k個(gè)點(diǎn)作為k個(gè)簇的中心,計(jì)算所有像素點(diǎn)到k個(gè)簇心的距離,并將其劃分至與其距離最小的簇。計(jì)算每一類(lèi)樣本點(diǎn)的均值,作為下一次迭代的聚類(lèi)中心,計(jì)算下一次迭代的聚類(lèi)中心與當(dāng)前聚類(lèi)中心的差距,如果小于迭代閾值則迭代結(jié)束。因初始設(shè)定的簇類(lèi)個(gè)數(shù)不同,劃分的類(lèi)簇也會(huì)產(chǎn)生差異,實(shí)驗(yàn)中誤差平方和越小,分割效果越好。在同一次實(shí)驗(yàn)中,前后兩個(gè)誤差平方和在很小的范圍內(nèi)波動(dòng),則認(rèn)為其收斂。

將圖像的每個(gè)像素點(diǎn)的灰度或RGB 作為樣本(特征向量),因此整個(gè)圖像構(gòu)成了一個(gè)樣本集合(特征向量空間),從而把圖像分割任務(wù)轉(zhuǎn)換為對(duì)數(shù)據(jù)集合的聚類(lèi)任務(wù)。在此特征空間中運(yùn)用K-means 聚類(lèi)算法進(jìn)行圖像區(qū)域分割,抽取圖像區(qū)域的特征。

5)基于深度學(xué)習(xí)的分割。這是一種新興的圖像分割技術(shù),通過(guò)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),將圖像像素分類(lèi)為不同的區(qū)域。常用的方法包括全卷積神經(jīng)網(wǎng)絡(luò)(FCN)、U-Net等。由于其強(qiáng)大的表達(dá)能力和學(xué)習(xí)能力,適用于各種復(fù)雜場(chǎng)景的圖像分割?；诰矸e神經(jīng)網(wǎng)絡(luò)的圖像分割方法相較于傳統(tǒng)的基于閾值、邊緣、區(qū)域及聚類(lèi)方法,具有更高的準(zhǔn)確度和更強(qiáng)的泛化能力,U-Net模型與傳統(tǒng)的圖像分割方法(自動(dòng)編碼器體系結(jié)構(gòu))有所區(qū)別。傳統(tǒng)的經(jīng)典圖像分割方法是最初輸入信息的大小隨著層數(shù)的增加其特征信息在不斷減少,至此,自動(dòng)編碼器體系結(jié)構(gòu)的編碼器部分完成,開(kāi)始解碼器部分。而U-Net模型學(xué)習(xí)線性特征表示其特征大小在逐漸增大,最后的輸出大小等于輸入大小。

此技術(shù)可準(zhǔn)確地將圖像中的區(qū)域分割出來(lái),對(duì)圖像理解和分析具有重要意義。不同的圖像分割技術(shù)適用于不同的圖像特性和應(yīng)用場(chǎng)景,可應(yīng)對(duì)各種復(fù)雜的圖像情況。隨著計(jì)算機(jī)硬件的不斷發(fā)展和算法的優(yōu)化,現(xiàn)代圖像分割技術(shù)具有較高的實(shí)時(shí)性能,可在實(shí)時(shí)圖像流中進(jìn)行分割。

2.3 圖像識(shí)別

圖像識(shí)別技術(shù)靈敏度高,借助計(jì)算機(jī)處理圖像,能夠結(jié)合實(shí)際需要和條件對(duì)圖像進(jìn)行縮放或調(diào)整,以保證變換后的圖像滿足相關(guān)要求[6]。由此可見(jiàn),對(duì)于不同的圖像尺寸,能夠借助圖像識(shí)別技術(shù)進(jìn)行有效處理和識(shí)別。因此線性和非線性計(jì)算能夠結(jié)合二維數(shù)據(jù)中的灰度值,以保證圖像質(zhì)量滿足要求。實(shí)際選用過(guò)程中,計(jì)算機(jī)會(huì)將圖像轉(zhuǎn)換為32位圖像,以進(jìn)一步提升圖像處理精度,滿足不同客戶(hù)的圖像處理要求。此技術(shù)具有高準(zhǔn)確性,圖像識(shí)別技術(shù)可在大規(guī)模圖像數(shù)據(jù)庫(kù)中實(shí)現(xiàn)高準(zhǔn)確率的圖像分類(lèi),對(duì)于圖像搜索、智能監(jiān)控等應(yīng)用具有重要意義。數(shù)字圖像識(shí)別技術(shù)可以處理大規(guī)模圖像數(shù)據(jù)集,具有較強(qiáng)的可擴(kuò)展性和適應(yīng)性。此技術(shù)應(yīng)用領(lǐng)域廣泛,包括工業(yè)自動(dòng)化、醫(yī)學(xué)影像處理、交通監(jiān)控、物體檢測(cè)等。隨著技術(shù)的不斷更新,人們對(duì)圖像的要求也在改變,需保持創(chuàng)新精神,推動(dòng)圖像處理技術(shù)的進(jìn)步,提高圖像識(shí)別水平。

2.3.1 圖像特征提取

圖像特征提取是在圖像檢索過(guò)程中對(duì)圖像的顏色、紋理、形狀等特征進(jìn)行分析,從而提取能反映圖像本質(zhì)特征的方法,是檢索精度和速度的關(guān)鍵因素。目前已有的圖像特征提取方法包括顏色直方圖法、幾何特征法和紋理特征法等。顏色直方圖法是通過(guò)對(duì)圖像進(jìn)行顏色直方圖計(jì)算,提取出圖像的顏色特征,再與數(shù)據(jù)庫(kù)中的圖像進(jìn)行匹配,實(shí)現(xiàn)圖像檢索。幾何特征法在實(shí)際應(yīng)用過(guò)程中有較大的局限性,在外部條件不好的情況下,反映出來(lái)的結(jié)果難以滿足實(shí)際需求。紋理特征法是基于對(duì)象的圖像分析法的主要實(shí)現(xiàn)方式之一,根據(jù)不同對(duì)象在圖像中所表現(xiàn)出的紋理特征將圖像進(jìn)行分類(lèi),以實(shí)現(xiàn)圖像的檢索。

2.3.2 圖像分類(lèi)

圖像分類(lèi)是一個(gè)模式分類(lèi)問(wèn)題,將不同的圖像劃分到不同的類(lèi)別中,實(shí)現(xiàn)最小的分類(lèi)誤差。主要分為3類(lèi),即跨物種語(yǔ)義級(jí)別的圖像分類(lèi)、子類(lèi)細(xì)粒度圖像分類(lèi)及實(shí)例圖像分類(lèi)?？缥锓N語(yǔ)義級(jí)別的圖像分類(lèi)是在不同物種的層次上識(shí)別不同類(lèi)別的對(duì)象,因物種的差異,往往類(lèi)與類(lèi)之間存在較大的方差,分類(lèi)的誤差自然較小。子類(lèi)細(xì)粒度圖像分類(lèi)相較于跨物種語(yǔ)義級(jí)別分類(lèi),其分類(lèi)范圍更加精細(xì),往往是對(duì)一個(gè)大類(lèi)中的子類(lèi)進(jìn)行分類(lèi),相應(yīng)的對(duì)分類(lèi)器要求也有了進(jìn)一步的提升。視力圖像分類(lèi)區(qū)分的不是種類(lèi),而是不同的個(gè)體。

3 機(jī)器人模型

3.1 機(jī)器人電路設(shè)計(jì)

3.1.1 機(jī)器人的主控制器

該系統(tǒng)可完成對(duì)外部信號(hào)的采集和處理分析,工作人員可根據(jù)實(shí)際的巡檢要求提出不同的控制指令,自動(dòng)化系統(tǒng)會(huì)操控機(jī)器人運(yùn)動(dòng)。選擇MPC微處理器為主控制器來(lái)處理大量數(shù)據(jù),MPC的運(yùn)行步驟如下：在每一個(gè)采樣時(shí)刻估計(jì)測(cè)量系統(tǒng)的狀態(tài)值,獲取當(dāng)前測(cè)量信息,在線求解一個(gè)有限時(shí)間的開(kāi)環(huán)優(yōu)化問(wèn)題,將優(yōu)化解的第一個(gè)與元素作用于系統(tǒng),在下一個(gè)采樣時(shí)刻,重復(fù)用新的測(cè)量值作為此時(shí)刻系統(tǒng)未來(lái)動(dòng)態(tài)的初始條件,刷新優(yōu)化問(wèn)題并重新求解。該微處理器的主頻高達(dá)200 MHz,可保證控制器的運(yùn)行效率。該處理器具有顯示處理約束能力,此能力基于其對(duì)系統(tǒng)未來(lái)動(dòng)態(tài)行為的預(yù)測(cè),把約束加到未來(lái)的輸入、輸出或狀態(tài)變量上,把約束顯示表現(xiàn)在一個(gè)在線求解的二次規(guī)劃或非線性規(guī)劃問(wèn)題上。該模型預(yù)測(cè)具有良好的控制效果,可提高機(jī)器人運(yùn)行的安全性,具有強(qiáng)魯棒性,可克服過(guò)程中的不確定性、非線性等,方便處理過(guò)程中不同變量間的各種約束。為了減少空間電磁干擾,將主控器與永磁斷路器本體分開(kāi)布置,開(kāi)關(guān)內(nèi)部線路采用屏蔽雙絞線連接。主控器外殼采用純鐵等導(dǎo)磁性好的材料制作,將塑料航插更換為金屬航空插頭。

3.1.2 電機(jī)驅(qū)動(dòng)設(shè)計(jì)

采用單獨(dú)的電機(jī)驅(qū)動(dòng)單元來(lái)控制直流無(wú)刷電機(jī),實(shí)現(xiàn)電機(jī)運(yùn)作的信號(hào)輸出,并快速響應(yīng)控制指令。在考慮了上述系統(tǒng)功能后,決定以STM32系列作為機(jī)器人驅(qū)動(dòng)控制器的核心。該系列內(nèi)核采用ARM32位Cortex-M3CPU,最高可達(dá)到72 MHz的工作頻率,作為一款32位微控制器,在驅(qū)動(dòng)和傳感方面進(jìn)行了相關(guān)優(yōu)化改進(jìn)。由于其具有高性能、低成本及低功耗等特點(diǎn),被廣泛應(yīng)用于電機(jī)驅(qū)動(dòng)等領(lǐng)域,具備出色的響應(yīng)能力和處理機(jī)制。

3.2 攝像頭的選擇

巡線機(jī)器人需要在架空線路上自主翻越障礙物并記錄線路狀態(tài),故攝像頭的成像質(zhì)量對(duì)整個(gè)機(jī)器人性能有著直接影響。選擇豪威科技生產(chǎn)的CMOS圖像傳感器——OV5640型號(hào)攝像頭,其為500W像素高清攝像頭集成模塊,支持更高的分辨率, OV5640感光陣列達(dá)到2624×1964分辨率,最高支持2592×1944 15fps或90fpsVGA的圖像輸出,采集速率高、圖像處理性能好,具備LED補(bǔ)光、ISP(圖像信號(hào)處理)、AFC(自動(dòng)聚焦控制)等功能。該攝像頭的嵌入式處理器可便于技術(shù)人員的后續(xù)功能開(kāi)發(fā)。

3.3 軟件設(shè)計(jì)

3.3.1 驅(qū)動(dòng)電機(jī)控制器的設(shè)計(jì)

機(jī)器人電池管理系統(tǒng)采取電壓、電流、電機(jī)轉(zhuǎn)速的雙全閉環(huán)自適應(yīng)控制。全閉環(huán)位置傳感器采取PI整定選擇方式,該選擇模式能夠監(jiān)測(cè)無(wú)刷直流電機(jī)接收信號(hào)的相電壓和電流及電機(jī)轉(zhuǎn)速。在嵌入式系統(tǒng)中參考電機(jī)驅(qū)動(dòng)控制電路的異常運(yùn)行、暫停和運(yùn)行程序的正常狀態(tài)之一進(jìn)行設(shè)置。在正?？臻e狀態(tài)下,恢復(fù)系統(tǒng)收到運(yùn)動(dòng)操作指令后將進(jìn)入設(shè)備運(yùn)行狀態(tài)。在設(shè)備運(yùn)行狀態(tài)下,內(nèi)部控制系統(tǒng)分析控制操作指令,計(jì)算出永磁同步電機(jī)的電機(jī)轉(zhuǎn)速。記錄異步電機(jī)的電機(jī)轉(zhuǎn)速、電壓、電流及砂輪切割機(jī)等關(guān)鍵點(diǎn),其在數(shù)據(jù)庫(kù)數(shù)據(jù)中繼續(xù)引用訪問(wèn)數(shù)據(jù)庫(kù)相關(guān)數(shù)據(jù)直接執(zhí)行恢復(fù)系統(tǒng),使用最小二乘法能夠保證整線連接軟件的檢測(cè)功能,當(dāng)恢復(fù)系統(tǒng)設(shè)備出現(xiàn)故障時(shí)將無(wú)法識(shí)別機(jī)器人發(fā)出的電壓及電流信號(hào),進(jìn)入異常工作狀態(tài),電池管理系統(tǒng)將繼續(xù)驅(qū)動(dòng)并開(kāi)始控制PWM輸出,異步電機(jī)運(yùn)動(dòng)的具體過(guò)程將停止,恢復(fù)系統(tǒng)開(kāi)始垂直向上反饋運(yùn)行程序信息及控制電路數(shù)據(jù)。

3.3.2 圖像解析軟件的設(shè)計(jì)

攝像頭捕捉到的所有圖像數(shù)據(jù)會(huì)實(shí)時(shí)傳輸?shù)綄?duì)應(yīng)的控制站,在圖像數(shù)據(jù)傳輸過(guò)程中,每一個(gè)PCLK時(shí)鐘周期內(nèi)會(huì)輸出8位/10位的數(shù)據(jù)。系統(tǒng)通信采用8位接口,在每傳輸一個(gè)字節(jié)時(shí)會(huì)進(jìn)行記錄,且每?jī)蓚€(gè)字節(jié)可組成一個(gè)像素顏色。為了壓縮和存儲(chǔ)攝像頭活動(dòng)側(cè)的圖片,采用最小編碼單元的方式。每個(gè)最小標(biāo)碼單元由8×8像素組成,按照從左到右、從上到下的順序進(jìn)行存儲(chǔ)。圖像信號(hào)解碼包括3個(gè)主要步驟：Huffman解碼、量化和IDCT。圖像信息通過(guò)YUV色彩空間來(lái)描述,通過(guò)調(diào)整亮度和色度等參數(shù)解碼后的圖像將是可解讀的灰度圖像。

3.3.3 圖像檢測(cè)缺陷處理算法

對(duì)于缺陷檢測(cè),采用特征提取與分類(lèi)方法。根據(jù)攝像機(jī)獲得的圖像進(jìn)行灰度處理,由于輸電導(dǎo)線的表面顏色情況較為單一,故3種灰度處理都可滿足需求。

由于架空線路的環(huán)境復(fù)雜多樣,不確定因素較多,最終的圖像中會(huì)存在噪聲影響,為了提高獲取圖像的質(zhì)量,利用基于SFCM改進(jìn)的BM3D去噪[7],有較好的效果。對(duì)圖像進(jìn)行局部二值化處理,將輸電線路缺陷圖像轉(zhuǎn)化成二值圖像。結(jié)合預(yù)定的劃分機(jī)制,在圖像處理過(guò)程中將具備不同特征的缺陷分為不同的預(yù)定義類(lèi)別,選用一定的算法對(duì)提取的特征進(jìn)行相關(guān)操作,將其與類(lèi)別中的特征進(jìn)行比較。當(dāng)缺陷特征等于或接近某類(lèi)缺陷特征時(shí),將缺陷歸入該類(lèi),促進(jìn)達(dá)成缺陷圖像的自動(dòng)化分類(lèi)。采用灰度空間共生矩陣(GLCM)方法進(jìn)行紋理分析。從圖像計(jì)算出的GLCM并不是直接用來(lái)表達(dá)圖像的紋理特征,而是借助額外的GLCM計(jì)算來(lái)獲得二次統(tǒng)計(jì)數(shù)據(jù)或借助Laws提出的紋理能量測(cè)量方法來(lái)獲取紋理特征。從一個(gè)小區(qū)域開(kāi)始,計(jì)算該區(qū)域的灰度不規(guī)則性,計(jì)算較大區(qū)域上像素灰度值的一階統(tǒng)計(jì)特征。一般使用平均值或標(biāo)準(zhǔn)差用來(lái)充當(dāng)標(biāo)準(zhǔn),將獲得的紋理特征與分類(lèi)特征進(jìn)行比較,獲得具體的缺陷位置信息。

4 結(jié)束語(yǔ)

針對(duì)鋼芯鋁絞線損傷問(wèn)題,討論運(yùn)用圖像處理方法分析缺陷的可行性,介紹了機(jī)器人模型,根據(jù)實(shí)際情況選擇合適的技術(shù)實(shí)現(xiàn)線路損傷的高效、精確檢測(cè),節(jié)省人力物力,促進(jìn)人工智能化探傷技術(shù)的應(yīng)用。