基于卫星遥感影像的输电线路异物故障特征分析

聂 鼎，黄 然，周仿荣，赵现平，沈 志

（1.云南电网有限责任公司电力科学研究院，云南 昆明 650200；2.云南电网有限责任公司带电作业分公司，云南 昆明 650051）

0 引言

遥感监测是综合多种学科的一种探测技术，通过摄像和其他方式获取被测目标的影像和数据，由于其为区域地理环境研究从定性到定量、从静态到动态、从过程到模式的转化和发展提供了条件，大力提高了监测工作的广度和质量，节省人力、财力的特点［1］，该技术已在多个领域被广泛应用，是人们认识世界的重要手段。

电力是国民正常生活和安全生产的重要保证，一旦发生无法安全运行状况，将给民众和企业带来重大损失。气候变换和外来异物是影响输电线路正常运行的主要原因，如果异物一直悬挂在输电线路上，可能会导致输电线路断裂，造成电力能源输送中断，给企业和居民带来损失。以往采用的人工巡检方式需要耗费大量的人力和物力，在受到地理环境和气候影响时，无法精确检测输电线路异物故障的情况［2］。新型的航拍技术是以机器人视觉技术为学科背景，将目标技术应用于输电线路安全运行的检测中。应用图像处理和模式识别等多种理论，提取异物区域悬挂的信息，有效提高输电线路巡检的自动化水平，具有稳定性好和提取率高的特点［3］。

1 输电线路异物故障特征分析算法

1.1 输电特征节点的关键帧筛选

现代遥感航拍技术是依据人脑的工作原理分析影像并提取相关信息，为降低系统的计算量，同时保证航拍影像中的数据包含足够多的输电特征节点信息，对所有影像数据进行关键帧的筛选，为保证后期异物故障检测的准确性，关键帧的准确提取至关重要。因此在使用航拍影像对输电线路进行异物故障检测之前，首先需要进行关键帧筛选的设计。

传统的欧式距离筛选法、直方图筛选等方法筛选后的图像帧仍然存在较高的信息冗余度［3-5］，且筛选结果容易受到噪声干扰，稳定性差，因此，本文采用预估漂移区域法对图像关键帧进行筛选。

选取阈值t，令di＞t 对应的帧为初始的关键帧集合。再将初始集合的每一帧划分为4 个等面积的区域，分别记为区域Ⅰ、Ⅱ、Ⅲ、Ⅳ。计算目标在各区域的面积，通过目标与区域的比值来去除背景因素对预估漂移范围的干扰，剔除非目标区域。使用预估漂移范围进行关键帧的筛选，记第i 帧中标记目标窗口为Si，则在第i+1 帧相同位置选取漂移位置M 倍的范围内进行搜索，若搜索到的目标区域面积Sy满足式（2）条件，则保留该帧，否则删除掉候选的关键帧。

预估漂移区域算法能够有效选取漂移范围内变化的目标，通过目标区域面积比能够剔除变化程度较小的图像帧，在保证关键帧信息可代表性的同时精简冗余信息量。

1.2 输电特征节点的区域分割

通过预估漂移区域法对关键帧进行筛选后，需要对目标所在的区域进行提取，在计算目标特征时可以只考虑提取区域的特征点，从而能够有效地减少算法的运算量，且提取后的区域对异物遮挡等噪声具有鲁棒性。采用Mean Shift 算子对当前关键帧中的区域进行分割提取。

Mean Shift 算法是一种有效的统计迭代算法，通过对核密度函数梯度的迭代跟踪计算使得每一个点xi“漂移”到特征空间模式点。从特征空间的任一点开始，按照迭代公式，每个点都将会到达某一个模式点，具体迭代公式与算法流程参见文献［6］。由于特征空间的模式是有限的，所以会有许多个点都移动到同一个模式点，这些点以及这些点移动到模式点的路径都用模式点进行标记，这样图像就可以被分为许多的小区域，然后再根据这些小区域对关键帧中的像素点进行聚类、合并，从而实现关键帧的区域分割。

1.3 异物特征点的提取及检测

传统的电力线路及异物提取方法有Ratio 算法提取，Freeman 链码算法提取输电线路，并通过SIFT、SURF、FAST 方法提取特征异物点，但传统算法所得输电线路检测成果并不突出，常存在过多噪声，掩盖了提取目标及特征。此外，近年来兴起的FAST 算子［7］特征点处理速度为SIFT 算子的100 倍，是SURF 算子的10 倍，因此，本文选用其进行异物特征的提取与检测。

FAST 算子为角点检测算子，在特征点检测方面具有快速性。检测的过程如下：对候选点p 选取半径为r 的区域作为其邻域，计算点p 与邻域各点的差值（选用全色数据矩阵），记差值大于阈值t 的点的数目为N，当N 大于设定的下限时，则判断该点为FAST 特征点。

确定了特征描述后，整个输电线路的异物检测步骤为：

1）首先采用预估漂移区域算法选取遥感影像中的关键帧；

2）对每一帧进行如下操作：采用Mean Shift 算子对关键帧进行区域分割，提取不同区域的FAST特征，将正常输电线路的特征点存入目标特征库，若发现新的FAST 特征，则存入异物特征集合，并对该区域进行标记。

1.4 方法论证

为了验证所提算法的有效性，选取3 处输电线路对应的遥感数据集，包含了120 d 拍摄的遥感影像集（周期为1 天），采用传统的欧式距离法、预估漂移区域改进法（不同倍数M）分别进行关键影像的提取，实验结果如表1 所示。

表1 关键影像提取准确率比较

由表1 可知，当漂移区域的倍数取1.4 时，所得到的关键帧的准确率更高（用于计算准确率的真实关键帧为人工选取）。

2 试验场实际异物提取

为验证影像对电网高压线路异物提取算法有效性，在某省电网试验场布置了不同种类高压线异物附着场景如图1 所示，包括塑料袋、鸟窝、断股散股等异物。

图1 试验场现场

为验证通过该算法提取输电线路异物的效果，实验采用Worldview3 遥感影像数据进行输电线路异物提取，在Mean Shift 算法中选用的特征空间为数据的全色数据、多光谱数据以及红外数据的结合，对应的特征空间为5 维的特征空间。

通过2018-11-13 拍摄的卫星数据进行观测，遥感影像如图2～3 所示，从图上可以清晰地分辨出实验场地的输电塔杆，基于Worldview3 的卫星影像可以提取出试验场地高压线上的疑似异物，目前可提取出疑似鸟窝、疑似塑料袋等。

图2 Worldview3 卫星拍摄的实验场地

图3 Worldview3 试验场预处理后

图4 为经过处理之后的裁剪出的试验场铁塔图，图片中可以清晰分辨出铁塔，并且可隐约看到电线的脉络；对图像进行增强算法处理，可以更为清晰地辨识图像，更好识别电线铁塔和异物分布，由图可见效果较为清晰。

图4 Worldview3 试验场铁塔疑似异物提取

3 结语

所提出的基于遥感影像的输电线路异物故障特征分析算法具有极高的有效性，较传统算法提取的特征点准确度更高。在输电线路航拍的关键帧集合中，任意选择异物出现的图像，并进行标记，保留大于阈值的像素点，筛选完整的异物区域，并标出目标位置的变化情况，研究算法在某省电网试验场进行试验，试验结果与实际相符。采用所提算法后可以识别出输电线路上的疑似异物，如疑似鸟窝、疑似塑料袋等异物，实现了对输电线路微小形变的检测提取工作，并取得了较为理想的效果，可以为有效解决异物故障的问题提供参考依据。