基于颜色和距离的绝缘子航拍图像故障检测方法

尚 方，朱明泽，刘 生，王孝余，侴海洋

(1. 国网黑龙江省电力有限公司电力科学研究院，哈尔滨150030；2.哈尔滨电气国际工程有限责任公司，哈尔滨 150028；3. 国网黑龙江省电力有限公司伊春供电公司，黑龙江 伊春 153000)

0 引 言

根据《电力工业统计资料汇编》，截止2018年，中国35 kV以上的输电线路长度合计189万多千米，线路巡检的工作量非常大。以国网黑龙江省电力有限公司为例，黑龙江省山地地形多，森林茂密，一条线路动辄上百千米，翻山越岭，穿林过河。目前，绝大部分线路仍采用人工方式进行巡检，几乎没有多少检测可以通过检修车辆、无人机设备等进行巡检。夏天的树木和沼泽、冬天齐腰深的积雪，给巡线工人带来很多的风险同时人工巡检难度大、效率低、准确率也并不好。因此，无人机巡检是未来发展的趋势。绝缘子状态是输电线路巡检的关键指标之一，通过可见光来判断绝缘子的状态是目前巡检的最主要做法。因此，探索一种经济高效的绝缘子状态自动检测手段，是有广阔发展前景和重要应用价值的研究方向[1-4]。

1 绝缘子故障检测的发展

现有的自动化巡检方法基本上是通过无人机或者载人机携带摄像设备对绝缘子进行拍摄，再对拍照的图像进行计算机图形学处理来实现绝缘子的故障检测[5]。一般学者是按以下两个步骤进行，即首先定位绝缘子的区域，再对绝缘子缺陷进行检测。

在绝缘子区域定位中，图像分割经常被国内外学者应用在提取绝缘子区域上，但很少用于绝缘子缺陷检测中[6]。文献[7]结合了图像分割算法，提出了利用图像校正和投影变换的方法；文献[8]提出了以图片色调直方图为选定参数的最大类间方差法。然而，这两个方法都是针对蓝色绝缘子这种非常特殊的情况进行的提取，而对于其他颜色的绝缘子考虑不多。文献[9]提出以绝缘子图像的纹理特征为参数，依靠特征选择算法挑选的方法，然而这种方法计算量比较大，还需要计算图像灰度矩阵。

在绝缘子缺陷检测中，有学者提出这样一个有效的方法：先分类统计识别分块图像的颜色、连通域形状和边缘链码特性，再根据统计的结果识别绝缘子区域，最后用滑动窗口直方图统计及匹配的方法发现绝缘子有缺陷的区域[10]。这种基于直方图匹配判据的玻璃绝缘子缺陷诊断排除方法，能在一定的光线变换范围和背景复杂度内识别玻璃绝缘子损伤，快速排除大量正常玻璃绝缘子图片，提高故障检测效率。还有学者通过分区后计算各个区域特征值跃变的方法判定缺陷，具体方法为：先把绝缘子串都旋转到水平角度，再分区计算图像纹理特征值，最后根据特征值判定缺陷。但该方法有两方面明显的缺点：对拍摄角度要求高，且计算复杂[11]。分析这些处理绝缘子缺陷检测的算法可知，它们只是关注于目标区域内的绝缘子串是否有缺陷，却不能精确标记出缺陷位置。

2 基于图像颜色和距离的绝缘子故障检测

2.1 无人机航拍图像中绝缘子形态分析

在无人机航拍图像中，绝大多数的绝缘子图像如图1(a)所示。存在着缺陷的情况如图1(b)所示，图上圈出部分为缺陷。考虑到航拍输电线路图像一般都是以地面为背景，从上至下俯拍，因此绝缘子一般都有如下特点：

图1 绝缘子串及单片缺失典型缺陷航拍图像

1)单片绝缘子图像为椭圆形状；陶瓷绝缘子一般为黑白相间；复合绝缘子为橙色或者黑色；玻璃绝缘子为浅绿色，有明亮反光等特征。

2)绝缘子一般成串出现，外观尺寸颜色基本相同，每个串中绝缘子片之间的空间距离相同(除非有个别出现问题的情况)。

3)当出现单片绝缘子自爆后，在图像中能够发现该串本应有绝缘子片的地方有明显缺口，且缺口宽度约为正常绝缘子片间距的2倍多一点。

4)无人机设备航拍分辨率高，对焦准确，图像非常清晰，易于提取出足够多的像素信息用于后期处理。

5)航拍中为保证拍照安全，航拍器多高飞至杆塔上部，对绝缘子的拍照以大地为背景，因此，地表植被、环境(如水泥路面的灰色、水面的反光、浅绿色)等易对绝缘子检测造成干扰。

2.2 基于颜色和空间距离的绝缘子故障检测

利用图像处理与模式识别技术检测绝缘子碎裂的核心技术主要有定位、分类与损毁位置确定。下面详细介绍每个步骤。

利用彩色数字图像中绝缘子特有的颜色特征，确定RGB各分量的大致范围，在图像中找到在颜色范围内的点。这一步骤完成后，可以将图像中属于绝缘子的感兴趣点提取出来，图2(a)是原始图像。

图2 绝缘子兴趣点提取示意图

感兴趣点提取出来后，将这些点归类到各个绝缘子，计算每一个绝缘子中心点的位置和大小。可以看到，每个绝缘子是一个闭合的连通区域，因此，在图2(b)中，找到符合条件的连通区域。连通区域的个数代表绝缘子的数量，连通区域的重心位置代表绝缘子的中心。

在这里约定，同一串上的绝缘子属于同一类。由于绝缘子串在图像中往往不是单个出现，一幅图像中经常会出现两串甚至多串绝缘子，因此需要将上一步找到的绝缘子根据位置关系进行分类。首先，根据绝缘子中心位置计算其所属串与水平方向的夹角。以图3为例进行说明，如果需要测量最右上绝缘子的情况(即图中所有线段的焦点处所标记待测绝缘子)，将其依次与其余圆点表示的绝缘子的中心位置两两连线，计算连线与水平位置的夹角。在图3中，除待测绝缘子外一共有27个标记的绝缘子，因此该待检测绝缘子有27个计算出来的夹角。其次，计算绝缘子所属绝缘子串的角度。在一定的阈值范围内，可以统计出上一步计算出的27个夹角最大的响应，作为此绝缘子所属绝缘子串的角度。对每一个绝缘子进行以上操作，计算出每一个绝缘子所属串的角度。最后，根据两个绝缘子之间连线与水平方向的夹角与其所属串的角度比较，即可判断两者是否属于同一串。

图3 绝缘子所属串判断

找到同一串的绝缘子后，首先对它们根据位置关系进行排序，使其顺序与真实排列一致；接下来计算相邻绝缘子之间的距离，对距离进行排序，找到出现频率最高的距离为基准距离；最后搜索所有两两绝缘子之间的距离，当存在某两个绝缘子之间的距离大于1.5倍基准距离时，判定在这两个超距绝缘子之间存有丢失的情况。如图4所示，通过测量每个绝缘子之间的长度来推算基准距离，而三角形所在的两个绝缘子之间的长度大于1.5倍基准距离，说明此区域异常。出现异常有可能是因为绝缘子丢失，也有可能是因为被遮挡或污损等造成无法提取完整绝缘子轮廓，因此需要进行进一步的判断。在可能有问题的位置搜寻其适当尺寸的邻域，当存在感兴趣点的比率高于30%时，认为此处绝缘子未丢失，否则标示丢失位置。

图4 绝缘子片丢失位置标示(三角形)

图5所示为几幅典型的绝缘子图像，可见在多种复杂拍照角度及背景的情况下，所提算法能够准确地定位绝缘子脱落的位置。图5(a)背景为夏季茂密植被的情况；图5(b)、(c)背景为春季茂密植被的情况，图5(b)的困难点还体现在故障出现的位置恰好与背景相重合；图5(d)背景为钢塔钢架，在这种情况下所提算法也能从复杂的背景中，把绝缘子串识别出来并最终确定故障位置。

图5 所提算法检测绝缘子异常状态

3 结 语

1)重点关注了输电线路自动化巡检过程中绝缘子的提取及其缺片故障检测问题，通过实验证明，所提算法对于发生了污闪或者堆积鸟粪的情况有良好的检测能力；

2)所提算法简单高效，不需要大规模的数据运算，不需要高清晰图片源，这给受多因素影响的航拍工作提供了非常大的便利。经实验，一幅50万像素左右图像的处理速度在500 ms左右。对于颜色特征明显的绝缘子，所提方法准确率较高；

3)下一步将考虑在图像中绝缘子串非常接近甚至重合于杆塔这一极端情况下的检测算法，进一步提升算法的普适性。