圖像識別技術在輸電線路監控中的應用

馮欽華++胡金磊

摘 要輸電線路作為電力網絡的骨架，與變壓器、斷路器等電力設備共同承擔了將電廠發出的電能輸送到各用戶的重任，是電力系統的重要組成部分。本文通過對原始圖像依次進行灰度化處理、濾波及差分增強計算、過濾篩選及標識處理，最終得到輸電線路標識圖。結果顯示，對于輸電線路可以準確識別，對于設備要求低，為我國當前輸電線路監控提供了一種便利方法。

【關鍵詞】輸電線路 電力系統 標示圖 線路監控

輸電線路是電力系統連接各個部分的重要組成部分，與變壓器、斷路器等電力設備共同承擔著輸送分配電能的重任。但常見的輸電架空線路由于長期暴露在在自然環境中運行，經常經受線路張力、冰雪、大風、鳥巢等外界干擾與損害，常會出現線路跳閘、斷線等多種事故，對電力系統的正常運行造成影響。因此，需要對輸電線路進行及時有效的監控，以對輸電線路狀態進行提前預警。

國內外各個研究機構對于該問題都進行了深入研究，提出了多種解決方案，如：西安交通大學通過對覆冰厚度與傾角關系進行分析，建立了輸電線路的力學模型；華南理工大學在此基礎上通過考慮風偏對于輸電線路的影響，修改了輸電線路的力學模型，使之更加精確。雖然通過力學模型能夠對于輸電線路覆冰及風偏情況進行分析，但力學模型方法中模型較為復雜，且對于傳感器采集數據有較高同時性要求。當傳感器由于采集或傳輸出現時間偏差時，對于線路情況判斷就會出現較大誤差。之后，隨著圖像識別技術的發展，視覺識別在輸電線路的監控中有了長足發展。重慶大學基于圖像識別技術，提出一種輸電線路中絕緣子覆冰情況的分析算法，可以初步識別絕緣子覆冰情況。

本文通過采用灰度化處理、濾波及差分增強計算、過濾篩選及標識處理結合的方法，提出了一種新的對于輸電線路監控的方法。下文將通過對識別輸電線路難點，及本文實現輸電線路監控方法進行論述。

1 識別輸電線路的難點

圖像識別技術需要通過對原始圖像進行處理，來獲得相關結果，一般來說對于原始圖像有較高要求。目前關于輸電線路的原始圖像常為采用攝像裝置拍攝的包含輸電線路的圖像，一般即是監控圖像。由于線路本身、攝像機角度及天氣影響，對于輸電線路監控圖像識別存在以下難點：

（1）線性形狀明顯，在圖片中寬度較小，識別難度較高；

（2）一般呈弧垂狀分布，某些角度拍攝可能會成一條直線（如從輸電線上方俯視），即視角問題；

（3）輸電線路有較大的跨度，一般能跨越全圖，在一張圖中并不能完全呈現；

（4）同一桿塔的多條線路之間一般為近似平行關系，不存在相交情況，但是在某些拍攝角度下可能存在影響重疊從而造成線線相交的情況；

（5）架空線路監控的背景一般比較復雜，受天氣等外界情況影響較大，可能會由于雨雪天氣導致圖片模糊、失真等情況出現。

2 圖像識別流程

針對以上難點，本文采用以下流程來對輸電線路識別進行優化：

（1）灰度化處理。對于原始圖像進行灰度化處理，去除圖像中色彩信息，減小圖像數據存儲量，便于對對象輪廓信息進行處理。

（2）濾波增強處理。首先對與處理后的圖像進行濾波處理，以減小最初成像、傳輸及灰度處理受到或產生的噪聲污染。后采用增強處理，對我們識別的目標--輸電線路的圖像進行強調，使之與圖片中背景之間的特征差別愈發明顯，提高圖像識別成功率。

（3）提取邊緣輪廓及濾波處理。通過依靠上一步驟增強的特征，對于圖像中目標的輪廓進行識別，后對識別的輪廓進行濾波處理，以減小算法對于圖像的影響，得到純凈的輸電線路的輪廓圖像。

（4）標識輸電線路。將上步驟中獲得的輸電線路輪廓圖像在原圖中進行標識，最終顯示標識過的原圖圖像。

整體流程框圖如圖1所示。

下文將結合具體按實例，針對其中各步驟進行詳細論述。

2.1 灰度化處理

獲取到輸電線路的原始圖像后，可以采用現有技術中已有的方法對原始圖像進行灰度化處理，獲得灰度圖像。例如，如圖2所示，為一具體實施例的原始圖像的灰度圖像的示意圖。從該圖可以看到，輸電線路在圖中寬度很小，且在圖中并不能完全顯示了。另外受天氣和環境等因素影響，輸電線路在圖像中的特征并不是很清晰，在部分背景下通過人眼也并不能很好分辨出。

2.2 濾波增強處理

對灰度圖像濾波有多種實現方式，其大類可分為線性濾波和非線性濾波兩類。其中線性濾波因為其簡單有效的特性較為常用。但由于其在去除噪聲的同時也會對圖像的邊緣信息進行破壞，損失圖像信息，因此不適合于輸電線路邊緣識別。而非線性濾波對這一問題有較大改善，因此本文選用了非線性濾波中的中值濾波算法。其在排除圖像中的極值奇異點的同時，可以保護和維持圖像的階躍邊緣和拓撲結構。其算法公式如式1所示。

（1）

式（1）中，g（x，y）為濾波圖像灰度值，即濾波后灰度圖像中（x，y）像素點的灰度值；w（s，t）為（x，y）偏移（s，t）的權重值，s和t分別為橫坐標和縱坐標的偏移值；f（x+s，y+t）為灰度圖像坐標（x+s，y+t）的灰度值；m=2*a+1，n=2* b +1，m和n分別為濾波模板的寬度和高度。

對灰度圖像進行濾波后，得到濾波圖像，即濾波后的灰度圖像，然后將濾波前后的灰度圖像作差分增強計算，得到增強圖像，如圖4所示。

在對輸電線路識別監控中，將濾波前后的灰度圖像進行差分增強計算，獲得增強圖像的步驟包括：計算濾波前的灰度圖像和濾波后的灰度圖像的差值，獲得增強圖像，即：

h（x，y）=f（x，y）-g（x，y） （2）

式（2）中，h（x，y）為增強圖像的灰度值，f（x，y）為濾波前的灰度圖像的灰度值，g（x，y）為濾波后的灰度圖像的灰度值。

2.3 提取邊緣輪廓及濾波處理

提取所述增強圖像的邊緣輪廓圖像有多種實現方式，如：先驗知識法，數學形態學方法，基于梯度的方法，水平集方法等。本文采用的是基于梯度的閾值自適應Canny算子提取邊緣輪廓，具體如下：

（1）梯度圖求解。使用sobel差分算子求出已得灰度圖中各點的梯度，獲得原始圖像對應梯度圖；

（2）判斷強弱邊緣像素點。通過設置高低兩個閾值來進行判斷，其中梯度大小高于高閾值為強邊緣像素點，梯度值在高低兩閾值之間時，判定其為弱邊緣點；低于低閾值為弱邊緣點，判定其為非邊緣點；

（3）非極大值抑制。在第一次邊緣點判斷篩選后，沿梯度方向進行非極大值抑制；

（4）邊緣確定。對強邊點進行非極大值抑制后，尋找抑制后的強邊點附近的弱邊點從而得到最終的邊緣。

由于天氣、環境等影響，在不同時間同一輸電線路的識別所需要的閾值都會有所不同，因此不可能人為給定確定閾值來進行識別。需要依靠自適應閾值法來實現閾值的隨時調控，一般常用的方法有Otsu法、Canny算子法。在本文中采用的是Canny算子法，其具體計算步驟如下：

（1）求取原灰度圖像中各點的梯度，繪制其梯度圖像，并對其最大值進行保存；

（2）對求得的梯度圖進行直方圖求解；

（3）對非邊緣像素點在整幅灰度圖像中的比例進行設定；

（4）設置閾值；

（5）遍歷直方圖，對每個梯度值對應的像素點個數求和并保存；

（6）如果求和值高于閾值則退出直方圖的遍歷；

（7）計算Canny的低閾值和高閾值。

通常情況下邊緣輪廓圖像中包含復雜背景的毛刺，因此還需要對邊緣輪廓圖像進行過濾篩選，去除邊緣輪廓圖像中復雜背景的毛刺，得到純凈的輸電線路的輪廓圖像。

在本文中圖像目標為輸電線路其輪廓為外接矩形，因此可根據根據下述函數對所述邊緣輪廓圖像進行過濾篩選：

（3）

式（3）中，ri（x，y）表示所述邊緣輪廓圖像中輪廓i的點坐標（x，y），W表示外接矩形的寬度，H表示外接矩形的高度，C為常數，例如C為10，&&表示邏輯運算符“與”。式（3）的含義為：如果x方向上ri（x，y）的最大值與最小值的差值大于W/C，并且y方向上ri（x，y）的最大值與最小值的差值大于H/C，則ri（x，y）的值設置為1，其它情況設置為0。

過濾后的輪廓圖像如圖6所示，從圖6可以看出經過過濾，邊緣輪廓圖像中復雜背景的毛刺已經被去除，余下純凈的輸電線路的輪廓圖像，圖像清晰。

2.4 標識輸電線路

需要根據該輪廓圖像對原始圖像中的輸電線路進行標識，即在原始圖像上重新繪制篩選后輪廓圖像，以使用戶準確識別出原始圖像中的輸電線路。在本文中采用輪廓點提取單元與輪廓點繪制單元結合的方法，來實現標識功能的。在工程實踐中，輪廓點提取單元與輪廓點繪制單元相對獨立工作，以實現高效及準確繪制，其結構如圖7所示。

其中輪廓點提取單元，用于從所述輸電線路的輪廓圖像中獲得所述輸電線路的輪廓點以及所述輪廓點的坐標；輪廓點繪制單元，用于將所述原始圖像作為背景圖像，將所述輪廓點作為前景圖像，根據所述輪廓點的坐標將所述輪廓點繪制在所述原始圖像上。

3 結論

本文通過上述方案有效解決了復雜背景下輸電線路圖像識別問題，可實現線路快速識別，大大提高了輸電線路識別的通用性和識別準確率，減少線路巡檢工作中人工工作量，提高巡檢工作的工作效率，為輸電線路監視提供了一種便利方法。但其仍需高速快捷數據傳輸以保障圖像處理的及時性。

（通訊作者：胡金磊）

參考文獻

[1]胡毅，胡毅，劉凱，吳田，劉艷，蘇梓銘.輸電線路運行安全影響因素分析及防治措施[J].高電壓技術，2014，40（11）：3491-3499.

[2]黃新波，孫欽東，程榮貴，等.導線覆冰的力學分析與覆冰在線監測系統[J].電力系統自動化，2007，31（14）：100-104.

[3]陽林，郝艷捧，黎衛國，等.架空輸電線路覆冰預警系統力學計算模型[J].中國電機工程學報，2010，30（19）：100-105.

[4]WANG Xiao-peng， HU Jian-lin，WU Bin， et al.Study on edge extraction methods for image based icing on line monitoring on overhead transmission lines[J]. High Voltage Engineering，2008，34（12）：2687-2693.

[5]李俊生.圖像非線性濾波技術的研究[J].常州工學院學報，2005，18（02）：21-23.

[6]章毓晉.圖像工程 （上冊）：圖像處理與分析[M].北京：清華大學出版社，1999：192-195.

[7]YANG J，LI X.Directional morphology and its application in boundary detection[J].Image Processing and Application，1995（02）：410.

[8]吳鳳和.基于計算機視覺測量技術的圖像輪廓提取方法研究[J].計量學報，2007，28（01）：18-22.

[9]Osher S，Sethian J.Fronts propagating with curvature dependent speed：algorithms based on the hamilton-Jacobi formulation [J].Journal of Computational Physics，1988，79（01）：12-49.

作者簡介

馮欽華（1984-），男，廣東省茂名市人。工程師，工學學士，主要從事輸電線路運維技術，新能源應用。

胡金磊（1981-），男，河南省商丘市人，高級工程師，工學博士，研究方向為電力系統運行與維護。

作者單位

廣東電網有限責任公司清遠供電局 廣東省清遠市 511515