基于伞裙形态学的绝缘子故障检测方法

马巧慧

（东北石油大学电气信息工程学院，黑龙江 大庆163318）

相较于传统人工巡检来说，无人机电力巡检因其采集图像清晰、操作便捷、成本低廉以及安全系数高等特点逐渐在日常巡检中所广泛应用，如何在无人机采集到的航拍图像中对输电线路关键部件之一的绝缘子进行故障的快速准确检测至关重要。

目前绝缘子故障识别技术本质上是基于数字图像技术和计算机视觉中图像识别来完成的模式识别。文献[1]使用AdaBoost分类器完成对绝缘子的准确识别，然后通过计算欧式距离来进行故障检测。文献[2]使用支持向量机通过提取预选区域的形状因子和面积比来识别绝缘子故障。文献[3]采用类滑动窗和卷积神经网络相结合的识别方法，该方法简化了定位过程，通过多次训练可以取得较好的故障检测效果。由于深度学习需要大量的样本集来完成训练，但研究中可用样本数量较少，样本质量也不能保证。

1 故障类型及分析

由于输电线路长期处于外界复杂环境下，容易受到极端天气影响和不可抗力作用，电网故障有时不可避免。据统计，在电网故障中一半都是来源于绝缘子故障。绝缘子具有结构支撑和绝缘电流的作用，是架空输电线路网架中的关键部件之一。表1所示为几种常见的绝缘子故障类型和故障原因及影响。

表1 常见的绝缘子故障类型和故障原因及影响

针对绝缘子的诸多故障，传统人工和无人机结合的故障诊断模式由于无人机所采集的现场图片可能受到气候等因素影响，使采集到的图片不能准确地拍摄绝缘子原始信息，给人工筛选故障带来了繁重的工作量，所需人工成本也随之升高。

2 基于伞裙形态特征的绝缘子故障检测方法

2.1 形态学处理

形态学通常是研究动植物的结构和形态，属于生物学中的一个分支，而在图像处理中，一般使用数学形态学(mathematical Morphology）来对图像进行形态识别。广泛应用的基本运算主要有：膨胀与腐蚀、开操作与闭操作、骨架抽取和边界提取等。

膨胀与腐蚀作为形态学的基础算法，通常应用于其他形态学算法操作之前。膨胀于腐蚀的运算公式如下所示：

开操作与闭操作是形态学中应用广泛的两个算法，其中开操作是先对图像进行腐蚀操作，后进行膨胀操作；闭操作则正好相反，先对图像进行膨胀操作，后进行腐蚀操作。开操作和闭操作的运算公式如下所示：

根据数学形态学运算的特征，本文对绝缘子图像选取3*3正方形的结构元素，采用先进行开操作再进行闭操作的运算方法对绝缘子图像进行滤波处理。经过这一系列形态学处理后，在不改变绝缘子自身图像形态的前提下，实现了有效地消除图像中的孤立点和冗余微小信息，为下一步进行绝缘子掉串故障的检测提供了一定基础。图1 所示为经过形态学处理后的航拍图像。

2.2 连通区域提取

图1 经过形态学处理的绝缘子图像

在对图像进行形态学处理后，图像变为二值化像素图像，为了从复杂图像中提取出绝缘子区域特征信息，需要应用二值图像的连通性来实现。对于任意像素（i,j），把像素的集合{(j+p,j+p)}(p,q 是一对适当的整数)叫做像素（i,j）的邻域，即是像素（i,j）附近的像素形成的区域。常用的方法分别是4 邻域和8 邻域方法。同一图像的像素，在不同邻域的作用下，该像素的连接区域也不一定相同，而像素的连接区域在二值图像局部特征分析中起到了关键的作用。本文主要采用8 邻域对连通区域进行划分。

2.3 基于伞裙特征的故障检测

绝缘子主体结构主要是由排列规律的伞裙结构组成，当绝缘子发生掉串故障时，实际上就是其伞裙结构中存在部分缺失，图像中会有明显的缺口，若没有发生掉串故障，则绝缘子区域为完整的连通域图像，因此，可以通过比较形态学和连通域处理后的图像中相邻绝缘子伞裙间的距离大小来判断是否有绝缘子掉串故障发生。具体操作方法如下：

2.3.1 计算绝缘子每一行的间距。经过对图像进行行遍历，统计每一行中白色像素点间的距离d(j);

2.3.2 对图像中的绝缘子伞裙结构进行定位。从图像中绝缘子结构分布情况可以发现：相邻伞裙结构之间的空白区域间距最大，在其=2 领域内，有下列判别式成立:

记录此时的行号为M(j);

2.3.3 排除“假伞裙”的干扰。由于发生严重掉串故障时，故障位置信息具有一定的不确定性，存在误检测到满足上述判别式行号的故障位置，因此需要对上一步中记录的所有行号M(j)进行再筛选。通过遍历M(j)，如果M(j)后面的元素与M(j)的距离小于4，则其后的元素都被赋值为M(j)。

例如M (j) =［2 3 4 5 6 7 8 9］，经过处理后M(j)=［22226666］，然后按顺序提取M(j)中不同的元素到N(j)，按上例N(j)=［26］。此时判断绝缘子得到伞裙结构范围为第2 行到第6行之间，即实现了二值图像中的伞裙位置结构定位；

2.3.4 确定掉串故障的具体位置。遍历矩阵N(j)，计算连续两元素的最大值dmax和最小值dmin。dmax表示连续两个伞裙结构之间的最大距离，dmin表示连续两个伞裙结构之间的最小距离，即为正常两个连续伞裙之间的距离。取

式中将k 定义为伞裙比，经过大量的实验数据可以得到：当1 ＜k≤1.5 时，表示该绝缘子没有发生掉串故障；当k＞1.5 时，则表示绝缘子发生了掉串故障，并且k 值越大，掉串故障越严重，此时当dmax大于且等于一定距离阈值Td时，即可判断得出此区域范围为绝缘子发生故障的范围，通过进一步转换后在图像中标记此故障范围。如图2 所示为绝缘子故障检测识别图。

图2 绝缘子故障检测识别图

3 检测结果

选取50 幅某电力公司无人机采集到的航拍图像进行绝缘子故障识别，其中10 幅正常的绝缘子图像，20 幅轻微故障的绝缘子图像和20 幅严重故障的绝缘子图像提取出特征量作为检测样本，其掉串检测结果可以达到85%以上。

4 结论

本文针对绝缘子发生的掉串故障提出了一种基于形态学处理方法与绝缘子伞裙结构特征相结合的算法。实验结果表明，在发生故障等级不同及复杂背景下，本文算法都可以高效准确地识别出绝缘子的掉串故障发生区域，给未来无人机电力巡检走向智能化、无人化巡检识别提供了一定应用基础。