基于机器视觉算法的绝缘子缺陷检测与定位

杨文超，郑 健，王 雪，郝子尧

（三峡大学 电气与新能源学院，湖北 宜昌 443000）

0 引 言

在高压输电线路中，绝缘子长期处于复杂恶劣的自然环境，常常会受到覆冰、雷击以及温度骤变等影响而发生一些故障。为确保输电线路的安全稳定运行，电网运行部门会定期巡检并维修输电线路。传统的人工巡检存在巡检强度大、效率低、危险系数高以及巡检质量不能得到保障等许多问题。随着科学技术的快速发展，考虑通过远程智能巡检系统拍摄输电线路现场图片来代替人工巡检，采用基于数字图像处理的机器视觉算法得到绝缘子串珠清晰的掩模图像，从而精确地标注绝缘子缺陷部位[1]。

1 绝缘子串珠分割

高压输电线路往往处在复杂多变的自然环境中。光照变化复杂，丛林、高山以及草地遍布其中，拍摄图片的背景颜色与绝缘子串珠的颜色十分相近，因此很难完全滤除背景干扰[2]。再加上拍摄角度的不同，使得不同图像中绝缘子的形状不同，这就决定了不能使用传统的提取绝缘子边缘算法滤除背景。基于以上难题，本文提出采用Lab空间模型和灰度空间模型最大类间方差阈值分割的结果进行“图像与”运算，滤除背景干扰，得到清晰的掩模图像。算法分割的主体为自然环境下的绝缘子串珠。绝缘子缺陷原图如图1所示。

图1 绝缘子缺陷原图

由于输电线路中的绝缘子本身有着独特的颜色特征，所以可以先采用Lab色彩空间模型分割图像[3]。Lab色彩空间模型将亮度分量L通道单独分离出来，大大减少了光照变化对图像分割效果的影响，使其提取的颜色特征比较稳定。可以先将图像转换到Lab空间，从中提取出a空间的图像并对其进行最大类间方差阈值分割。使用a空间模型后，因为很多树木的颜色和绝缘子串珠的颜色几乎相近，所以仍然有很多背景干扰无法滤除，因此需要结合灰度空间模型最大类间方差阈值分割来滤除剩余干扰[4]。处理后的效果如图2所示。

2 绝缘子自爆识别和定位

2.1 绝缘子串起点和终点的确定

由于绝缘子分布在两条直线上，故可以采用最小二乘法直线拟合，将绝缘子串分成两部分进行处理[5]。遍历图像，将白色像素值对应的坐标点用(xi,yi)存储起来，当作直线拟合的采样点，通过最小二乘法直线拟合得到该直线的方程y=kx+b。沿着拟合的直线扫描绝缘子的像素点，对每一个白色像素点都寻找一条经过该像素点且与拟合直线垂直的直线y=mx+n[6]。设定一个扫描的阈值为Threshold，如图3所示，在阈值范围内沿着y=mx+n方向扫描像素点，直到扫描到第一个绝缘子的中心为止，从而找到绝缘子串的起点和终点。

图2 绝缘子串珠进行图像处理后的掩模图

图3 绝缘子串直线拟合示意图

2.2 每一个绝缘子中心坐标和区域坐标的确定

如图4所示，O点为绝缘子中心点，S点为绝缘子串起始点，E点为绝缘子串的终点，A、B、C、D为绝缘子矩形区域的顶点。根据几何关系可以得到第i个绝缘子的中心点O的坐标，以及矩形区域4个顶点的坐标[7]。采用此模型标记出来的结果如图5所示。

图4 绝缘子串示意图

2.3 绝缘子自爆缺陷的定位

图5 绝缘子串掩模图像区域标记图

通过设定每个区域内白色像素点的数目阈值来判断某个绝缘子是否有缺陷。设定阈值如下式：

式中，N表示绝缘子的个数；count表示沿着y=mx+n方向统计1白色像素点的数目；m表示绝缘子区域的高度；length表示绝缘子串的长度[8]。

若某区域像素点大于阈值，则表示无缺陷；若某区域像素点小于或等于阈值，则表示存在缺陷[9]。缺陷判断依据如下式：

采用上述算法定位存在缺陷的绝缘子，如图6所示。可见，该模型可以准确定位存在缺陷的绝缘子。

图6 绝缘子缺陷定位图

3 Dice系数评价方案

绝缘子缺陷识别与定位采用Dice系数进行评价。通过计算两个样本的相似度，从而得到评价系数，公式为：

其中，A表示专业人士标注的区域，B表示采用上述算法所得到的区域。经计算得Dice=0.986，由此可看出采用上述图像识别算法标记出来的区域与专业人士标记出来的区域相似度极高[10]。故采用此模型算法可以得到清晰掩模图像并精确地识别定位绝缘子缺陷部位。

4 结 论

以“宜昌—上海”输电线路中的绝缘子为研究对象。利用Lab色彩空间模型结合灰度空间模型中的最大类间方差阈值分割来滤除图像背景干扰，得到清晰绝缘子串的掩模图像。根据得到的绝缘子串建立相应的数学模型，对每个绝缘子进行矩形区域分割并得到白色像素点的阈值。若某绝缘子对应的矩形区域内的白色像素点数小于阈值，即可判断该绝缘子存在缺陷。经过评价模型的检验可知，本文采用的模型可以精确定位绝缘子自爆缺陷部位。