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，方明，马仪

（1.云南电网有限责任公司电力科学研究院，昆明 650217；2.云南电网有限责任公司带电作业分公司，昆明 650000；3.云南电网有限责任公司，昆明 650051）

0 前言

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，这种技术在上个世纪70 年代初就已经被美国成功使用了。现如今，该技术在多个领域被广泛的应用，是人们认识世界的重要手段。

高压线是国民正常生活和安全生产的重要保证，但由于受到复杂地理环境的危害无法安全运行，给民众和企业带来了重大的损失。气候变换和外来异物是影响高压线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。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水平，具有稳定性好和提取率高的特点[1]。

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

现代遥感航拍等技术是依据人脑的工作原理分析影像并提取相关信息，关键帧提取对分析输电线路异物故障的原因非常重要。其中包含着输电特征节点的主要信息，本次基于航拍影像对输电线路异物故障进行特征分析[2-3]。

传统的电力线及异物提取方法有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，但传统算法所得结果与其他地物相比，输电线路及检测成果并不突出，常会存在很多噪声，掩盖了提取目标及特征，而通过Mean-Shift 方法来预测当前帧中的异物区域，并提取特征点的计算速度较快，并且特征点提取的准确度高，基于此，研究基于Mean-Shift 算法对异物故障特征指标进行计算。

首先，对输电特征节点的关键帧进行筛选，分析数据中数据结构的特征，采用预估漂移区域筛选法，提取关键帧信息。预估漂移区域筛选法是在时间和空间的基础上，对图像的信息进行描述，图像中包含输电线路和各种悬挂物等目标信息，测量人员可以有针对性的对输电线路安全性做一个具体的判定，判定公式如下。

公式（1）中，f表示相邻时刻v 的像素点数目，ti表示(a,j) 共有的等级个数[4]。当(a,j) 与数值1 的差值越小时，说明两帧具有极高的相似度。考虑到输电线路相邻帧之间帧差较小的情况，运用该方法解决帧差波动的情况，准确提取关键帧并减少信息冗余量。

1.2 计算异物故障特征指标

筛选后的关键帧图像分辨率较高，但是会受外界变换的影响，无法快速地检测输电线路异物，达到跟踪异物的效果。进而使用Mean-Shift 算法对异物故障特征指标进行计算，这种方法具有较好的抗噪特性，适应于图像信息复杂的情况。在一段影像序列中，关键帧的更新速度会直接影响计算的准确度，若当前帧和参考帧相隔较大，说明两者间的重叠区域较大。若两幅图像的区域逐渐减少，说明相机有可能出现平移的可能性。为了可以准确分析出异物故障的特征，基于Mean-Shift 算法设计异物故障特征指标，对异物的具体情况进行准确的分析[5]。帧差法求取公式如下所示。

公式（2）中[Yti,Yt2...Ytn]代表相邻帧间差，|Xti－Xt2...Xtn| 代表当前帧和参考帧之间的差。结合公式（1）在输电线路航拍视频的关键帧集合中，任意选择异物出现的五帧图像。并将它们标记起来，依据判定公式，保留大于阈值的像素点，筛选完整的异物区域，并标注出目标位置的变化情况。该算法是在初始帧中寻找目标的前提下使用的，通过图像处理手段，分析异物故障的特征。基于特征点的方法考虑目标区域的特征点，有效降低算法的运算量[6]。

在构建指标的过程中，要依据Mean-Shift算法公式进行卷积计算，在进行二次抽样，但该算法只允许在尺度空间的范围内使用，可以有效解决反复抽样的问题。在Fenix 特征点检测方面，要注意每层图像只包含5 个特征点，每个像素点与相邻像素点都有共同特征，就需要对输电线路特征节点进行筛选。若节点阈值大于预期值，说明图像层数不够紧密，存在误差[7]。这时需要重新选择尺度空间的节点数量，从而保证特征点提取的准确性。至此，实现输电线路异物故障特征分析算法的设计。

2 实验论证

通过上述论证，说明输电线路异物故障特征算法可以有效解决异物故障的问题。为了保证算法具备较高的精准度和可靠性，选择了一段输电线路影像数据进行仿真实验。首先，结合公式（1）和公式（2）计算相邻帧差；其次，在120 帧的备选关键帧中选取较大的背景区域，经过预估漂移区域法筛选后，选择10 帧关键帧；最后，在关键帧中提取关键信息。为了增强实验结果的说明性，采用传统输电线路异物故障算法与本文设计的输电线路异物故障算法作为对比，选择10 帧关键帧，对两种算法的检测效果进行统计和分析。实验检测数据如表1 所示。

表1 实验检测数据

表1 是本次实验检测的10 帧关键帧；对比实验结果如图1 所示。

从图1 实验结果中可以看出，输电线路异物故障特征分析算法在分析这10 个关键帧的特征点时相比传统算法更精准，从波动速度上来看，前五组关键帧的内容变化较小，后五组关键帧受倾斜程度和光照强度的影响，波动较为明显，该算法是通过目标区域面积比计算的，在保证关键帧信息的前提下进行特征分析。

图1 实验结果

3 试验场实际异物提取

为验证影像对电网高压线异物提取算法有效性，在云南电网呈贡区试验场布置了不同种类高压线异物附着场景。包括塑料袋，鸟窝，断股散股等。试验场地理坐标为：24°56‘53.00“北，102°50’46.03”东。

从试验场现场图可以看到现场布置的“塑料袋”以及高压输电线存在的“断线”、“断股”。

为了验证通过该算法提取输电线路异物的效果，本次实验采用了Worldview3 遥感影像数据进行输电线路异物提取。

通过拍摄的卫星数据进行观测，遥感影像可以清晰的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。

经过处理之后的裁剪出的试验场铁塔图可以清晰分辨出其中的铁塔，并且隐约可以看到电线的脉络；可以更为清晰的辨识图像，对图像进行增强算法处理后，可以更好识别电线铁塔和异物分布，效果较为清晰。

4 结束语

实验论证，本次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，比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，研究算法在云南电网呈贡区试验场加以试用，结果与实际大体相符，采用本文的提取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。