劉 軍，楊亞萍，王洪亮

（1.國網(wǎng)甘肅省電力公司，甘肅蘭州 730070；2.國網(wǎng)隴南供電公司，甘肅武都 746000）

保障電能的安全、穩(wěn)定供應(yīng)是支撐國民經(jīng)濟(jì)發(fā)展的重要舉措。經(jīng)過多年來的建設(shè)，我國形成了規(guī)模龐大、結(jié)構(gòu)復(fù)雜的電力系統(tǒng)網(wǎng)絡(luò)，有力地推動(dòng)了經(jīng)濟(jì)的快速發(fā)展[1-2]。

架空線路是電能輸送的主要途徑之一，由于其所跨越的環(huán)境復(fù)雜且距離較長，故易受自然災(zāi)害及人為破壞等因素的影響。當(dāng)線路與被跨越物的安全凈距難以滿足要求時(shí)，就會(huì)導(dǎo)致放電、跳閘等安全事故的發(fā)生[3-5]。因此，架空輸電線路的巡檢對(duì)于電力系統(tǒng)的穩(wěn)定運(yùn)行極為重要。

目前在電力線路智能巡檢領(lǐng)域，利用智能機(jī)器人、無人機(jī)等人工智能設(shè)備采集線路的圖像信息，并結(jié)合圖像處理技術(shù)完成絕緣子、桿塔和金具等部件缺陷監(jiān)測(cè)的方法，取得了一定的應(yīng)用效果[6-10]。但在電力工程的圖像測(cè)距與輔助審計(jì)方面，仍有待開展研究。

針對(duì)此，文中開展圖像處理技術(shù)在電力工程巡視識(shí)別中的應(yīng)用研究。通過對(duì)電力線路采集圖像的分析、處理，實(shí)現(xiàn)該線路安全距離的識(shí)別與審計(jì)，進(jìn)而為電力工程線路檔距審計(jì)提供可靠數(shù)據(jù)及輔助決策。

1 電力工程巡視雙目測(cè)距系統(tǒng)

1.1 雙目測(cè)距原理

雙目測(cè)距[11-12]的核心思想是利用待觀測(cè)物體在雙目視野成像投影中的距離偏差，估計(jì)待觀測(cè)物體的實(shí)際位置偏差，其示意圖原理如圖1 所示。OL、OR分別為雙目攝像機(jī)的左右光心，M、N為待觀測(cè)物體的實(shí)際位置；α是雙目成像平面；mL與mR、nL和nR分別為M點(diǎn)與N點(diǎn)在成像平面上的投影點(diǎn)；xmL及xmR是M的投影點(diǎn)與左右坐標(biāo)軸的距離；xnL和xnR則為N投影點(diǎn)與左右坐標(biāo)軸的距離。

圖1 雙目測(cè)距原理示意圖

由圖1 可知，待觀測(cè)點(diǎn)M和N之間的距離以及左右相機(jī)成像平面上投影點(diǎn)之間的距離分別可表示為：

lL和lR之間的差異，即實(shí)際待觀測(cè)點(diǎn)M與N在雙目成像過程中存在的視覺差。因此在雙目成像系統(tǒng)的焦距、雙目間距等參數(shù)已知的情況下，可根據(jù)lL及l(fā)R之間的差異計(jì)算M和N的實(shí)際距離。

1.2 雙目測(cè)距系統(tǒng)架構(gòu)

基于雙目測(cè)距的電力工程線路檔距識(shí)別與審計(jì)系統(tǒng)架構(gòu)，如圖2 所示。該系統(tǒng)主要包括感知層、應(yīng)用層和服務(wù)層。其中，感知層主要由多個(gè)感知終端構(gòu)成，且終端上所攜帶的雙目攝像機(jī)能夠?qū)崟r(shí)采集電力線路圖像，并定時(shí)上傳。應(yīng)用層包含后臺(tái)服務(wù)器與應(yīng)用系統(tǒng)，后臺(tái)服務(wù)器可接收來自感知終端上傳的電力線路圖像，從而運(yùn)行圖像處理算法，實(shí)現(xiàn)電力線路檔距的識(shí)別與智能審計(jì)。同時(shí)其還能通過軟件系統(tǒng)與用戶進(jìn)行交互，接收來自用戶的查詢請(qǐng)求并進(jìn)行響應(yīng)。服務(wù)層由云端服務(wù)器所構(gòu)成，云端服務(wù)器用于存儲(chǔ)電力線路信息資源，并通過統(tǒng)一的訪問入口為應(yīng)用層提供歷史信息存儲(chǔ)及查詢等數(shù)據(jù)服務(wù)，進(jìn)而支撐應(yīng)用層實(shí)現(xiàn)電力線路凈空距離的智能測(cè)量。

圖2 線路檔距識(shí)別與審計(jì)系統(tǒng)架構(gòu)

2 凈空距離測(cè)量算法

文中提出了基于圖像深度學(xué)習(xí)的電力工程線路檔測(cè)智能識(shí)別與審計(jì)算法，其流程如圖3 所示。該算法主要包括圖像預(yù)處理、極線矯正、立體匹配、邊緣檢測(cè)及三維坐標(biāo)構(gòu)建等步驟。

圖3 檔距智能識(shí)別與審計(jì)算法流程

2.1 圖像預(yù)處理

為了降低雙目攝像機(jī)所獲取圖像中背景噪聲的干擾，需對(duì)原始圖像進(jìn)行濾波操作，從而使電力線路的絕緣子、斜撐等關(guān)鍵零部件更易被識(shí)別。

維納濾波（Wiener Filter）[13]是常見的濾波算法，其核心思想是最小化濾波前后圖像灰度值之間的均方差，再通過控制圖像局部區(qū)域方差的大小，實(shí)現(xiàn)圖像的降噪處理。局部區(qū)域的方差越大，說明降噪效果較差，反之亦然。

首先，計(jì)算濾波前圖像灰度值的平均值和方差：

式中，Ω是以待處理像素點(diǎn)為中心且大小為A×B的區(qū)域；gij為區(qū)域Ω中點(diǎn)(i，j)的灰度值；μ與σ分別為Ω區(qū)域所有像素點(diǎn)灰度值的平均值和方差?；叶戎档母路椒椋?/p>

其中，ν2為整個(gè)原始圖像像素點(diǎn)的灰度值方差。

2.2 極線矯正

在進(jìn)行極線矯正之前，需要先對(duì)圖像進(jìn)行畸變糾正。而圖像的畸變主要分為徑向及切向兩種。其中，徑向畸變表示為：

式中，xrad、yrad分別為x和y軸向上的徑向畸變；c1、c2和c3為雙目攝像機(jī)的徑向畸變參數(shù)；(x,y)為畸變矯正前圖像的坐標(biāo)，且r2=x2+y2。

切向畸變則可以表述為：

式中，xtan和ytan分別為x軸、y軸向上的切向畸變；d1及d2均是雙目攝像機(jī)的切向畸變參數(shù)。

極線矯正過程如圖4 所示。將左右攝像機(jī)的成像平面進(jìn)行旋轉(zhuǎn)，使二者均處于同一水平面上，從而便于后續(xù)的立體匹配處理。

圖4 極線矯正示意圖

2.3 立體匹配

立體匹配[14-15]的主要目標(biāo)是：實(shí)現(xiàn)實(shí)際位置點(diǎn)在雙目攝像機(jī)左右成像平面上像素位置的匹配。通常其可在一定視差范圍內(nèi)，實(shí)現(xiàn)匹配代價(jià)最小化。

采用尺寸大小為3×3 像素的卷積核，對(duì)左右成像圖像的像素點(diǎn)進(jìn)行遍歷編碼，并將待編碼像素點(diǎn)作為卷積核的中心。再將卷積核周圍的其他像素點(diǎn)與中心像素點(diǎn)的灰度值進(jìn)行比較。若該像素點(diǎn)的灰度值較大，比較結(jié)果為1；否則，結(jié)果為0。由此，形成長度為8 位的0～1 字符串：

式中，str(·)表示字符串函數(shù)，其將輸入值從左到右排列形成字符串輸出；像素點(diǎn)c共有Nc個(gè)鄰域像素點(diǎn)；gm為卷積核的非中心像素點(diǎn)灰度值；gc為卷積核中心像素點(diǎn)的灰度值；IF(·)是判斷函數(shù)，其表達(dá)式為：

進(jìn)一步計(jì)算在一定視差值條件下，左右圖像之間像素點(diǎn)匹配的代價(jià)：

其中，d為視差值，SL(x,y)為在左圖像上像素點(diǎn)(x,y)編碼后的字符串；SL(x-d,y)為在右圖像上與實(shí)際空間點(diǎn)對(duì)應(yīng)、視差值為d像素點(diǎn)編碼后的字符串；hamming(·)為計(jì)算漢明距離。

由式（8）可知，在不同的視差條件下，像素點(diǎn)之間匹配代價(jià)不同。為了獲得最優(yōu)的匹配效果，文中在視差范圍(dmin,dmax)內(nèi)反復(fù)迭代計(jì)算，直至下式中的能量值最?。?/p>

式中，C(c,d)為像素點(diǎn)c在視差值為d時(shí)的匹配代價(jià)；T(|dc-dm|=1) 為條件函數(shù)，表示當(dāng)像素點(diǎn)c與鄰域內(nèi)其他像素點(diǎn)m的視差值變化等于1 時(shí)，其函數(shù)值為1，否則為0；T(|dc-dm|＞1) 同理；C1和C2為懲罰系數(shù)。

2.4 邊緣檢測(cè)

邊緣檢測(cè)的主要目的在于實(shí)現(xiàn)圖像輪廓特征的提取。在電力線路凈空距離識(shí)別中，僅需識(shí)別關(guān)鍵點(diǎn)的位置，再應(yīng)用邊緣檢測(cè)技術(shù)便可大幅減少圖像處理的數(shù)據(jù)量，從而加快計(jì)算速度并提高準(zhǔn)確性。

文中在采用Sobel 算子[16-19]實(shí)現(xiàn)圖像邊緣檢測(cè)的同時(shí)，還降低了噪聲對(duì)圖像特征提取的干擾。該算子包括垂直與水平兩個(gè)方向的模板：

將Sobel算子滑動(dòng)覆蓋在原始圖像上進(jìn)行遍歷卷積計(jì)算，即可得到像素點(diǎn)灰度值的橫向及縱向分量：

式中，H為以目標(biāo)像素點(diǎn)為中心所構(gòu)成的尺寸為3×3 的像素點(diǎn)灰度值矩陣，*為卷積運(yùn)算。由此，計(jì)算像素點(diǎn)灰度值的公式如下：

最終判斷像素點(diǎn)是否為邊緣節(jié)點(diǎn)，若像素點(diǎn)灰度值大于閾值Gσ，則該點(diǎn)為邊緣節(jié)點(diǎn)；否則，該點(diǎn)為非邊緣節(jié)點(diǎn)。

2.5 空間點(diǎn)三維坐標(biāo)構(gòu)建

實(shí)際空間中的點(diǎn)k，其空間坐標(biāo)位置與圖像位置的關(guān)系為：

式中，f為成像焦距；(xk,yk,zk)為空間點(diǎn)k的三維坐標(biāo)值；F為左右攝像機(jī)的光心距離；xkL、ykL分別為空間點(diǎn)k在y-z及x-z平面上，左成像圖像的投影點(diǎn)kL距離坐標(biāo)原點(diǎn)的距離。

根據(jù)式（13）可得空間點(diǎn)k的坐標(biāo)為：

2.6 線路檔距測(cè)量

在實(shí)現(xiàn)空間點(diǎn)三維坐標(biāo)轉(zhuǎn)化后，根據(jù)該桿塔及左右相鄰桿塔的頂點(diǎn)，即可計(jì)算電力線路的檔距L：

其中，l1和l2分別為該桿塔與左右桿塔頂點(diǎn)的距離。由此進(jìn)一步將桿塔檔距與工程要求值進(jìn)行比較，從而實(shí)現(xiàn)電力工程線路的檔距審計(jì)。

3 算例分析

為驗(yàn)證文中基于圖像深度學(xué)習(xí)的電力線路檔距識(shí)別與審計(jì)算法的有效性和正確性，選取了某10 kV配電網(wǎng)，且使用無人機(jī)拍攝了500 張架空線路圖像來作為輸入數(shù)據(jù)。

3.1 算法性能分析

將該文算法與基于單目測(cè)距的電力線路檔距識(shí)別算法進(jìn)行對(duì)比，結(jié)果如表1 和圖5 所示。由表1 可知，相較于單目測(cè)距法，該文算法的識(shí)別結(jié)果準(zhǔn)確度更高，且平均相對(duì)誤差僅為3.4%。而從圖5 中可以看出，該文算法對(duì)于檔距的擬合效果較優(yōu)，識(shí)別結(jié)果也更為貼合實(shí)際值。與之相比，單目測(cè)距法則存在一定的偏差，由此證明了該文算法的性能較優(yōu)。

表1 不同算法的檔距識(shí)別結(jié)果

圖5 檔距識(shí)別曲線

3.2 實(shí)際應(yīng)用效果分析

將該文算法應(yīng)用于上述500 張圖像所對(duì)應(yīng)的電力線路檔距，結(jié)果如圖6 所示。

圖6 檔距審計(jì)應(yīng)用結(jié)果分析

從圖6中可以看到，對(duì)應(yīng)實(shí)際53條檔距不合格的線路，該文算法能夠識(shí)別出45 條，識(shí)別率為85%；而單目測(cè)距法識(shí)別出了21 條，識(shí)別率僅為40%。由此可見，該文算法在電力線路檔距審計(jì)中具有更優(yōu)的應(yīng)用效果。因此，其能為電力工程審計(jì)提供輔助決策。

4 結(jié)束語

文中充分利用電力工程線路的圖像數(shù)據(jù)，實(shí)現(xiàn)了對(duì)電力線路檔距的識(shí)別與審計(jì)，并為保障電力系統(tǒng)工程的精確計(jì)量與安全運(yùn)行提供了有效支撐。仿真算例表明，與單目測(cè)距方法相比，該文算法電力線路檔距識(shí)別的平均相對(duì)誤差僅為3.4%，具有更高的準(zhǔn)確性。同時(shí)，所提算法在實(shí)際電力線路檔距審計(jì)中的不合格識(shí)別率高達(dá)85%，故其還具有更優(yōu)的應(yīng)用效果。但文中所提算法未能實(shí)現(xiàn)對(duì)電力線路上體積較小零件物料缺陷的識(shí)別，這將在下一步研究中開展。