基于无人机图像识别技术的水利工程输电线路缺陷检测方法

黄广龙

(水利部新疆维吾尔自治区水利水电勘测设计研究院，乌鲁木齐 830000)

0 引 言

水利工程输电线路是保障水利工程安全稳定运行的重要设施，也是国家的基础建设设施设备，需要对水利工程输电线路进行可靠性的维护和电力巡检，通过日常技术监测手段，保障水利工程输电线路的运行可靠性。在进行水利工程输电线路的运维管理过程中，由于巡线的劳动强度大，水利工程输电线路所处的环境比较复杂，导致对水利工程输电线路的人工巡检难度较高，需要构建优化的水利工程输电线路巡检和缺陷检测方法和技术手段，确保水利工程输电线路的等级控制、电网布测、线路测量、构筑物变形测量等工作的有效开展[1]。

对水利工程输电线路的缺陷检测是勘测控制网、施工控制网、运营维护控制网的基础。目前，对水利工程输电线路缺陷检测方法主要有人工巡检方法、传感器定位侦测方法等[2-3]。如文献[4]中提出了双程摆扫激光测距探测成像在输电线路通道监测，通过构建输电线路通道监测双程摆扫激光测距探测成像模型，根据输出图像的差异度融合结果实现对输电线路通道监测双程摆扫激光扫描和可靠性监测，但采用该方法进行水利工程输电线路缺陷检测的环境局限性较大。文献[5]中提出了基于图像处理的输电线路冰区发展趋势估计方法，通过遥感图像采集技术进行输电线路遥感信息分析，根据遥感特征检测结果，实现输电线路冰区发展趋势估计和缺陷检测，但采用该方法进行水利工程输电线路缺陷检测的计算负载较大。

针对上述问题，本文利用无人机成像技术进行输电线路的缺陷检测方法设计，提出基于无人机图像识别技术的水利工程输电线路缺陷检测方法。采用无人机图像信息采集方法，提取水利工程输电线路的点云数字图像，分析缺陷故障下不连通、簇之间的空间间隔，根据中心化投影点的聚类分布，实现缺陷检测设计，最后进行仿真测试分析。测试结果表明，本文方法能够提高输电线路缺陷检测能力的可靠性。

1 结构构成与图像采集

1.1 输电线路无人机图像识别结构构成

通过构建水利工程输电线路的三维点云图像分析模型，采用机载激光雷达(LiDAR) 测量技术，将GNSS/INS多传感器设备植入到无人机系统中进行水利工程输电线路的图像采集。结合三维可视化、导线量测、导线弧垂测量等技术，建立水利工程输电线路的三维空间配置结构分析模型。通过LiDAR 点云设计，采用LiDAR 点云的可视化分析模型，结合图像识别技术，进行电力导线的三维数学模型表构造。根据对电力导线的三维数学模型的差异性分布，进行不同状态下水利工程输电线路的聚类特征分析。利用电塔 LiDAR 点云的水平坐标结构分布设计，实现对水利工程输电线路的缺陷检测。根据上述总体设计思想[6]，得到本文设计的水利工程输电线路缺陷检测方法的技术实现流程，见图1。

图1 水利工程输电线路缺陷检测技术实现流程

根据图1所示，利用精确的水利工程输电线路轨迹数据捕捉的方法，采用GNSS/INS多传感器组合控制的方法，在电力线LiDAR 点中，建立水利工程输电线路的XOY坐标平面，采用几何状态测量方法，获得水利工程输电线路缺陷部位对应段的投影点，利用精确的水利工程输电线路轨迹数据实现对缺陷部位的二维空间捕获，在水利工程输电线路分布的三维空间的二维位置信息，电塔总数目为N、线路总档数为N-1,基于无人机图像识别和测量，实现缺陷检测。水利工程输电线路的三维分布结构图见图2。

图2 水利工程输电线路的三维分布结构图

1.2 图像采集与预处理

采用无人机图像信息采集方法，提取水利工程输电线路的点云数字图像，采用非同质区域的边缘特征检测方法，得到水利工程输电线路无人机图像的视觉特征分布值[7]。在电力线路走廊三维可视化分布空间中，有N个图像采集节点，电力线三维重建的像素值表示为(X1(0),X2(0), …,XN(0))，LiDAR点的水平坐标分别在 X 轴方向、Y 轴方向的差异度因子为i，在t时刻的导线 LiDAR 点在 XOY 平面的匹配特征量分布值为Xi(t)=(xi1(t),xi2(t),…,xiD(t))。根据分裂导线与单导线、避雷线的形态特征分布差异度，得到输电线路无人机采样图像的三维重建模型匹表示为Vi(t)=(vi1(t),vi2(t),…,viD(t))。在大场景的融合通道背景下，得到水利工程输电线路无人机图像的鲁棒LBP 特征匹配最优解表示为pi=(pi1,pi2,…,piD)。提取环境参数，自适应修改自相关矩阵的阈值，得到图像降噪重构函数为：

fM(z)=(f(z),fx(z),fy(z))

(1)

其中：f(z)为水利工程输电线路缺陷邻域内的极大值，表示已捕获全局对比度信息；fx(z)和fy(z)分别为输电线线路机载 LiDAR 点云的密度。

2 输电线路缺陷检测

2.1 输电线路的三维点云重建

结合输电线路的内部几何参数和线路外观几何参数分析的方法，建立水利工程输电线路缺陷的三维点云重构模型，根据水利工程输电线路缺陷三维点云的参数分布集合，得到输电线路的二维空间分布阈值P(ni)={pk|prkj=1,k=1,2,…,m}。通过电塔的粗略位置(点)和顺次连接点的位置参数估计，得到相关电塔点云分布的二维数据为：

(2)

LiDAR点投影到相应段的垂截面后，得到显著目标检测模型参数如下：

(3)

其中：τij(t)为全局对比度；ηij(t)为超像素熵值；τis(t)为无人机光感感知强度；allowedk为点云数据的允用范围。

计算全局对比度和空间相关性，得到水利工程输电线路缺陷分布相似区域为：

G(w)=exp{-[log(ω/ω0)]2/2[log(σ/ω0)]2}

(4)

其中：ω为水平梯度系数；ω0为垂直梯度系数；σ为离散二维熵。

在以像素点 (x,y) 为中心的小邻域内，得到机载激光点云数据的分配特征属性集为：

flg-M(z)=(flg(z),flg-x(z),flg-y(z))

(5)

其中：flg(z)=f(z)*F-1(G(ω))为邻域测度函数。

由此，实现对水利工程输电线路的三维点云重建。根据水利工程输电线路的三维点云重建结构，对无人机采样图像进行特征识别，实现缺陷检测。

2.2 缺陷特征提取及检测

分析在缺陷状态下的水利工程输电线路的变形和异常参数分部情况，根据输电线路无人机图像的点云数据分布投影点，采用簇聚类分析的方法，得到输电线路无人机图参数分布的特征点，由此得到输电线路缺陷特征分布在该邻域内的极大值：

(6)

其中：n为显著度高的特征点；fi为第i个检测通道的水利工程输电线路缺陷异常特征分布维数；favg为对匹配点与待匹配点进行像素值匹配的均值。

当σ2

(7)

基于内容的图像检索方法，得到两幅图像之间存在初始匹配误差的差异度，采用特征聚类分析，删除离群特征点，得到水利工程输电线路缺陷定位的判别函数为：

(8)

根据输电线路无人机图像的点云数据分布投影点，分析缺陷故障下不连通、簇之间的空间间隔，在临时坐标系中得到局部坐标值。综上分析，基于电力线空间配置，采用机载 LiDAR 系统获取点云参数，实现水利工程输电线路缺陷检测[8]。

3 实验分析

通过仿真实验，验证本文方法在实现输电下缺陷检测中的应用性能。实验采用Visual Studio 2010 C++ 集成设计，无人机图像采集采用Riegl公司的机载 LiDAR系统，机载图像采集的平均距离约为10.0 m左右，水利工程输电线路的线宽度约为200.0 m，无人机进行图像采集的样本参数见表1。

表1 无人机图像采集样本参数

根据上述仿真参数设定，进行水利工程输电线路缺陷检测的仿真设计，得到水利工程输电线路的LiDAR点云数据采集结果，见图3。

图3 水利工程输电线路的LiDAR点云数据采集结果

根据图3的采集结果，通过LiDAR点云设计，采用LiDAR 点云的可视化分析模型，进行水利工程输电线路点云数据直线拟合，见图4。

图4 点云数据的直线拟合结果

分析图4可知，本文方法进行LiDAR点云数据拟合，能为缺陷定位提供准确的图像参数。在此基础上进行三维重构，见图5。

根据图5的拟合结果，得到5个聚类簇投影点。在此基础上，分析缺陷故障下不连通、簇之间的空间间隔，根据中心化投影点的聚类分布，实现输电线路的缺陷检测。缺陷检测结果见图6。

图5 输电线路的无人机图像三维重构拟合

图6 缺陷检测结果

分析图6可知，本文方法表现出良好的操控性能与辅助巡视高压输电线的能力，克服了人工巡视的困难，充分提升了缺陷图像识别效率。根据此次缺陷检测结果图片，证明本文方法对水利工程输电线路缺陷检测的定位性能较好，测试检测的精度较高。测试表明，针对第一种部分采用基于多目标物体识别算法，能够从同一张图片中同时识别出多种物体，具有高速度和较高的识别精度的优点。针对第二种部分，采用深度残差来完成，对于常见的输电设备缺陷，达到了75%的精度。因此，说明了对于特征不明显的缺陷具有较高识别精度，可有效识别多个物体的缺陷，大幅降低了人工识别缺陷图像的工作量，并提高了巡视效率和质量。

4 结 语

为构建优化的水利工程输电线路巡检和缺陷检测方法和技术手段，确保水利工程输电线路的等级控制、电网布测、线路测量、构筑物变形测量等工作有效开展，本文提出基于无人机图像识别技术的水利工程输电线路缺陷检测方法，进行不同状态下水利工程输电线路的聚类特征分析，利用电塔 LiDAR 点云的水平坐标结构分布设计，实现对水利工程输电线路的缺陷检测。研究结果表明，本文方法对水利工程输电线路缺陷检测的精度较高，定位性能较好。