基于LabVIEW的绝缘子外损图像自动识别方法

彭红霞，贾斌，徐珂，王智杰，杨越文

(1.国网山东省电力公司菏泽供电公司，山东 菏泽 274000； 2.上海交通大学 电气工程系，上海 200240)

0 引 言

绝缘子在电网中使用的数量巨大，种类繁多，主要是在电能传输过程中对裸载流导体起到绝缘及机械支持的作用[1]。多数绝缘子是在自然环境下工作，其损坏概率相对较高。以往对绝缘子的外部损伤检查主要依靠工作人员巡线，但存在查找难度高、工作量多、工作强度大的缺点，尤其是野外的输配电线路[2]。

图像处理技术和图像识别技术的迅速发展为绝缘子外损自动化检测提供了可能[3]。若绝缘子的图像采集、图像预处理以及外观判别等一系列工作实现自动化，将大大减少人员工作量，同时也可尽量排除人为因素导致的绝缘子外损漏判[4]。

本文利用LabVIEW及NI视觉开发模块，以某变电站变压器绝缘子为例，对由摄像头获取的图像进行灰度化、二值化、自动匹配查找绝缘子、图像噪点过滤等操作，识别出外部受损的绝缘子，并对绝缘子的损坏区域进行标识。

1 相关软件简介

1.1 LabVIEW简介

LabVIEW使用图形化编辑语言G编写程序[5]，它由前面板和后面板组成，前面板是VI(虚拟仪器)的面板，是向用户展示的界面，用于输入、输出，如按钮、显示控件等。后面板流程图提供VI图形化源程序，主要对VI进行编程操作，实现函数模块、结构、连线等程序功能。LabVIEW采用数据流的形式确定VI函数的执行顺序。

1.2 NI视觉开发模块简介

NI公司的视觉开发模块供从事机器视觉开发和科学图像应用的科技人员使用。NI视觉开发模块包括:NI Vision Assistant——提供不通过编程就实现将LabVIEW应用快速成型的直观环境；IMAQ视觉——拥有强大视觉处理函数的库。NI Vision Assistant可自动生成LabVIEW程序框图，该程序框图中包含NI Vision Assistant建模时一系列操作的相同功能。NI Vision Assistant和IMAQ视觉的紧密协同工作简化了视觉软件的开发。

2 绝缘子图像预处理

2.1 图像的灰度化

在彩色图中任何颜色都由红(R)、绿(G)、蓝(B)三个分量组成，对于图像的灰度化，有以下几种常用的方法：

(1)浮点算法：Gray=R×0.3+G×0.59+B×0.11

(2)整数算法：Gray=(R×30+G×59+B×11)/100

(3)平均值法：Gray=(R+G+B)/3

(4)仅取某单色，如绿色：Gray=G

在Vision Assistant的欢迎界面点击Open Image打开需要处理的图像，该变电站变压器绝缘子背景颜色为蓝色，为了将绝缘子元件和背景更好地区分开，采用从RGB图像中抽取蓝色分量的方法对图像进行灰度化操作，效果如图1所示，从图1中可看出经过蓝色分量抽取后的背景和绝缘子有较明显的区分。

2.2 图像的二值化

图像的二值化可使图像的数据量减小，目标物轮廓更为突出，使得图像后续处理变得更为简单方便。统计灰度图的直方图[6]，以波谷的灰度值为二值化所需阈值，所有大于等于阈值的像素判定为特定目标，置255表示，小于阀值的像素将被排除在特定目标外，其值置0。灰度图在通过二值化处理后可使目标物和背景有效地分割开来，如图2所示。

图1 抽取蓝色分量效果图

图2 灰度图二值化效果图

3 绝缘子图像匹配查找

在对绝缘子进行破损识别之前，首先需要在图像中找到绝缘子，也即需要进行绝缘子图像匹配。IMAQ Vision中的模板匹配技术运用了高效率的非均匀采样法、边缘检测、几何建模、模板特征提取等算法，对模板匹配的精度和效率都有了不小的提升，并且对目标旋转，遮挡和灰度变化有较好的适应性。

图3 模板匹配参数选项

在Vision Assistant中运用Pattern Matching进行模板匹配，首先要创建模板文件：(1)先对用于模板的图像进行灰度化；(2)创建模板文件，点击New Template，框取模板文件并把需要忽略的区域用画笔抹掉；(3)保存模板文件；(4)对匹配参数进行设置，参数可按图3所示进行选取。

参数设置完毕后即可在图像中查找绝缘子，效果如图4所示。

图4 模板匹配效果

匹配查找完成后，在结果中输出定位坐标，角度和匹配分数等。可通过Vision Assistant自动生成LabVIEW程序框图，如图5所示。

图5 自动生成模板匹配程序

4 绝缘子图像破损识别

完成绝缘子图像的匹配查找后，可根据匹配所得坐标值框取ROI(region of interest)，进而可对ROI中的绝缘子进行相关处理，如小孔洞填充，以便进行绝缘子破损区域筛选及标识操作。

4.1 破损区域筛选

在Adv. Morphology Setup(高级形态设置)选项中选择Fill holes选项，对图2中的孔洞处进行填充。并使用Operators运算将孔洞填充后的图像减去原二值图像，如图6所示。可见，两图相减后出现19个红色区域，在绝缘子破损面积较大的情况下，绝缘子破损比反光所造成的红色区域面积更大，即19个红色区域中有18个较小区域是由于绝缘子元件表面反光造成的，1个较大区域是由于绝缘子元件的破损造成。

采用粒度分析获得各区域面积并进行筛选、滤除绝缘子因为反光所产生的干扰。可通过Vision Assistant的Particle Filter函数模块实现，结果如图7所示。可见，经过筛选后，绝缘子的破损面粒子保留下来，而绝缘子反光造成的粒子则被滤除，从而达到绝缘子破损识别的目的。绝缘子破损识别的图像处理部分程序框图如图8所示。

图6 两图像相减所得结果

4.2 破损区域标识

根据粒度分析得到的数据，当检测到绝缘子有破损时，对破损区域定位，标识出当前绝缘子的工作状态，发出报警信息。基本程序框图见图9，标识效果见图10，可见，采用本文所述方法，可以准确找到并标识出绝缘子破损区域。

图7 粒子过滤结果

图8 绝缘子破损识别的图像处理程序框图

图9 绝缘子元件破损标识程序框图

图10 绝缘子元件破损识别效果图

5 结束语

大多数绝缘子因为长期工作于自然环境中，除了自身材料的老化导致机械强度降低，还需要面对各种可能造成损伤的外界因素。一旦绝缘子受损，其机械强度及绝缘强度必然会有所降低，这将为电网的安全可靠运行埋下隐患，因此绝缘子外损的检查是十分重要的一项工作。

本文利用LabVIEW及NI视觉开发模块，实现了绝缘子设备图像破损识别的功能。