絕緣子涂層缺陷檢測研究

劉 雨，田立國

（天津職業技術師范大學天津市信息傳感與智能控制重點實驗室，天津 300222）

絕緣子是搭在高壓電線連接塔上的一種盤狀的絕緣體，作用是增加爬電距離[1]，它使帶電部件絕緣，并起到機械支撐與定位作用[2]。由于絕緣子長期暴露在戶外，大氣中的塵埃易沉淀到其表面形成污穢層，產生污閃現象。為防止污閃現象的產生，一般在絕緣子的表面鍍一層保護涂層[3]。但是，絕緣子長期暴露在戶外，需要定期對絕緣子進行缺陷檢測，原始的方法是靠人工對絕緣子進行缺陷檢測[4]，工作人員通過望遠鏡從地面對高空進行觀察，在斷電情況下，爬上高處對絕緣子進行檢測，其檢測效率較低。將無人機與圖像處理技術應用到絕緣子的檢測中，不僅可以減少人工成本，還能提高檢測精度。當絕緣子出現缺陷時，缺陷部分的圖像特性會發生變化，利用邊緣檢測，檢測圖像特性發生變化的部位，從而確定缺陷位置。常用的邊緣檢測算法有微分算子、Canny算子和LOG算子等[5]。Canny算子是一種比較優秀的邊緣檢測方法，具有低誤碼率、高定位精度和抑制虛假邊緣等特點，但在圖像處理的實際操作過程中，會伴有脈沖干擾和椒鹽噪音，在這種情況下只用1種算法來進行邊緣檢測會造成圖像邊緣提取后，出現邊緣點提取錯誤、圖像輪廓提取模糊、邊緣效果不強等問題，需在邊緣檢測前對圖像進行去噪處理[6]。因此，需通過中值濾波對圖像進行處理。中值濾波作為一種常用的非線性濾波，可有效降低脈沖干擾和椒鹽噪音，可使圖像更加清晰。它不僅可以處理灰度圖像，還可以處理二值圖像。本文采用中值濾波對采集圖像進行平滑處理，利用Canny算子檢測圖像邊緣，從而實現對絕緣子涂層缺陷的檢測。

1 無人機的定位和數據的采集

對塔桿上的絕緣子進行圖像采集，無人機從地面飛往距塔桿20 m處，無人機定位方法如圖1所示。

圖1 無人機定位方法

將無人機從地面E點導航至拍攝點C，C點距離單側絕緣子20 m，B點為絕緣子的末端，無人機以B點為初步中心點，通過控制臺控制機頭和高清變焦攝像頭對準塔桿方向進行絕緣子的圖像采集，同時提取絕緣子中心點的坐標和圖片的中心坐標，通過CCD的尺寸和拍照時的焦距，計算出絕緣子與相對焦點中心線的夾角，然后調整云臺進行對焦拍攝，系統流程如圖2所示。

圖2 系統流程

在GPS系統中，首先獲取進行絕緣子圖像采集的電線塔桿坐標（當地電力局可查詢到所需坐標），而無人機進行圖像采集的坐標，即距離塔桿中心側20 m處的GPS坐標最為重要，偏移點坐標如圖3所示?？赏ㄟ^已獲得的塔桿坐標和塔桿方位進行運算[7]。將塔桿單側絕緣子的中心點 O處坐標設為（OL，Ol，h），通過式（1）～（4）可得出水平偏移坐標。

式中：坐標中選取的弧度CE=6 378 137；偏移后坐標由l和L表示；x為經度方向偏移距離；y為緯度方向偏移距離；θ為導線走向與緯度方向的夾角。

在無人機控制系統輸入已計算出的GPS坐標，無人機將會執行設定的任務，飛往指定地點。

圖3 偏移點坐標

2 圖像處理算法

2.1 中值濾波

圖像在采集的過程中，無法做到完全消除高頻噪聲，因此為了更好地抑制噪聲，一般采用低通濾波，但仍有很多高頻信息存在于圖像輪廓邊緣，使用低通濾波過濾噪聲會造成圖像邊緣變得模糊難以識別，所以可采用中值濾波方法消除圖像邊緣模糊問題，在噪聲過濾的過程中保持圖像邊緣的清晰度。

中值濾波作為一種常見的非線性濾波，它是一種類似于卷積的鄰域運算，但并非是加權求和計算，它是排列鄰域中的灰度像素等級，選擇1個中間像素值作為輸出值，可有效降低傅里葉空間中的高頻分量。但對低頻分量會產生影響，圖像中的高頻分量區域邊緣的灰度值有一部分變化較大較快，中值濾波可以將這一部分消除，使圖像變得更加平滑。

中值濾波的工作原理：首先，找尋1個像素，以該像素作為中心領域，其形狀為方形；然后，將該方形領域每個像素進行灰度值排序，取其中間值賦值給中心點像素，領域在此稱為窗口；最后，這個方形窗口在圖像中前后左右移動時，采用中值濾波算法能夠很好地對圖像進行平滑處理[8]。中值濾波能夠很好地消除椒鹽噪聲，且能消減傅里葉空間的高頻分量，同時還能影響低頻分量。

選擇數字圖像中或序列中的1個值，用它鄰域的平均值將其代替。其定義為：對一維序列x1≤x2≤x3≤xn，欲把 n 個數據按大小排列 xi1≤xi2≤xi3≤xin，則

在操作過程中選擇L=2n+1的濾波窗口，n為正整數。讓此方形窗口在圖像中移動。過程如下：

①讓模板漫游于圖像之中，使其中心重疊于圖像某個中心像素；

②提取模板中一一對應的像素的灰度值；

③對灰度值進行排序；

④找出其中的中間值；

⑤將中心位置的像素值替換成中間值。

中值濾波窗口中的中間值為輸出值，因此中值濾波對極限像素值（和周圍灰度值上下浮動大的像素）沒有平均值那么準確，所以能夠更好地消除獨立的噪聲點，且能夠使圖像變得更加清晰。

在圖像中某一像素與其相鄰的像素在灰度值上有密切的關聯性。由于存在這種灰度相關性，因此在低頻區域集中了大部分能量，高頻部分集中了大多數的細節部分能量。而產生于圖像數字化和傳輸過程中的脈沖干擾和椒鹽噪聲，其能量大部分存在于高頻區域，所以在圖像處理的過程中，既能有效消減噪聲和干擾，還要使得圖像清晰化并保持細節，顯然存在矛盾[9]。因此，在最大程度消減噪聲和干擾的同時，還應最大化地保留圖像細節。

2.2 Canny算子

Canny原理是把邊緣檢測轉換為檢測單位函數極大值。在高斯噪聲中，一個典型的邊緣代表1個階躍的強度變化，Canny對檢測出來的邊緣信息提出3個標準[10]：

①信噪比標準 圖像檢測的邊緣均真實有效，減少不相關的邊緣信息，信噪比數學表達式為：式中：f（x）為邊界上[-ω，+ω]的濾波器的脈沖響應；G（-x）為函數；σ為高斯噪聲的均方差，信噪比越大提取的邊緣質量越高。

②定位精度準則 對于邊緣信息的提取要盡可能標準，數學表達式為：

其中L值越大，表明定位精度越高。

③單邊緣響應準則 同樣的邊緣，響應次數要少，檢測算子的脈沖響應導數的零交叉點平均距離D（f′）應滿足：

Canny邊緣檢測的過程為：

a.用高斯濾波去除圖像中的噪聲，采用的高斯函數為：

b.對濾波后圖像中的每個像素，梯度復制與方向的計算，使用一階有限差分來近似圖像灰度值，得到2個關于x和y方向的偏導矩陣，用一對卷積陣列分布作用于對應的水平與垂直方向為：

計算出幅值與方向為：

c.非極大值抑制。尋找像素點局部的最大值，將非極大值點所對應的灰度值設置為背景像素點，像素鄰域區滿足梯度值的局部最優值判斷為該像素的邊緣，對其余非極大值的相關信息進行抑制，利用該準則可剔除大部分非邊緣點。

d.用滯后閾值算法求解圖像邊緣。上一步驟得到的疑似邊緣中存在偽邊緣，由于單閾值處理邊緣選取操作較難，Canny算法采用滯后閾值法減少偽邊緣數量。Canny選取了滯后閾值，滯后閾值不僅需要高閾值還需低閾值，在進行邊緣確定時依據下面的步驟：a）.假設某像素的幅值高于高閾值，將此像素保留作為邊緣像素；b）.反之，若該像素的幅值低于低閾值，將此像素刪除；c）.若像素幅值低于高閾值高于低閾值，此像素被保留的條件僅限于連接1個高閾值像素時。

2.3 Sobel算子

Sobel算子可以被看做一個梯度算子，是一種基于一階微分的邊緣檢測算子，一般包含2組3×3的矩陣，記為 Mx和 My，即

式中：Mx與My分別表示水平梯度方向檢測垂直邊緣以及垂直梯度方向檢測水平邊緣。

3 實驗結果及分析

3.1 缺陷檢測步驟

針對無人機采集到的圖像可能因受到環境影響造成圖像出現噪聲等問題，采用先通過中值濾波進行預處理，再通過Canny算子與Sobel算子分別對絕緣子涂層缺陷圖像進行檢測的方法。最后進行對比，實現絕緣子的缺陷識別。缺陷檢測流程如圖4所示。

圖4 缺陷檢測流程

具體步驟如下：

（1）圖像采集 無人機通過GPS進行定位飛達指定位置進行圖像采集。

（2）噪聲濾除 采用中值濾波算法對圖像進行預處理，濾除掉圖像中的噪聲，為后續缺陷檢測系統更好地提取到絕緣子邊緣做準備。

（3）缺陷檢測 將處理過的圖像通過Canny算法檢測與Sobel算法檢測。

（4）結果分析 將缺陷檢測結果進行對比分析。

3.2 實驗結果分析

采用Matlab 7.1（R2010b）對帶有缺陷的絕緣子圖像進行中值濾波消除椒鹽噪聲處理，去噪圖像如圖5所示。

圖5 去噪圖像

從圖5可知，中值濾波在消除孤立噪聲點的同時，還很好地保護了圖像邊界信息，使得在接下來的絕緣子涂層缺陷檢測時不容易出現誤檢、漏檢等現象。

對經過中值濾波后的圖像采用Canny算子與Sobel算子進行檢測，缺陷檢測圖像如圖6所示。

對比圖 6中的圖像（c）和（d），得出 Canny算子在絕緣子涂層缺陷的檢測中能夠更好地保護邊緣信息，使缺陷部位的信息圖像輸出更加清晰。

圖6 缺陷檢測圖像

4 結語

將無人機與圖像處理應用于絕緣子涂層缺陷檢測，相比于原始的人工高空檢測，不僅提高了檢測的精度，還提高了工作人員的安全系數。在圖像處理部分，中值濾波法能有效消減噪聲且能很好地保留圖像的細節。在圖像缺陷檢測算法上，選擇了Canny算法與Sobel算法并進行了對比，發現Canny算法對邊緣的提取達到了實驗前的圖像效果，沒有選擇到高強度噪聲作為邊緣，也沒有漏選低強度邊緣，能夠識別出缺陷部位。本文提出的基于Matlab的圖像處理與無人機相結合的絕緣子涂層缺陷檢測系統相較于傳統的檢測工藝具有明顯優勢。