一種輸電線斷股故障的機器視覺檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像識別領(lǐng)域，具體涉及一種基于圖像的輸電線斷股故障檢測方 法，用于采用機器視覺對輸電線斷股故障進行自主檢測。
【背景技術(shù)】
[0002] 在雷擊等因素的影響下，輸電線路會出現(xiàn)架空地線斷股故障，故障會降低線路間 的安全距離，甚至引發(fā)閃絡(luò)，造成嚴重的經(jīng)濟損失。近年來，輸電線路斷股成為我國輸電系 統(tǒng)中一項頻發(fā)的故障，僅2005年10月至2006年7月，在昆明供電局管轄的500kV線路范圍 內(nèi)就發(fā)現(xiàn)了 6處輸電線路斷股。[殷偉斌.500kV線路光纖復(fù)合架空地線斷股原因分析.華 東電力，2005, 33 巧）：50-53]
[0003] 現(xiàn)階段，輸電線路斷股檢測的主要手段是通過巡檢人員在地面進行目測觀察，必 要時工人還要登培走線進行近距離檢測。進行檢測時，工人的勞動大，高空強電磁的工作環(huán) 境增加了工作的危險性。同時，在人工檢測時，觀察視角與距離受限。有些時候受到地理環(huán) 境限制，人員甚至很難靠近線路進行觀測，從而大大降低了檢測的準確率。
[0004] 作為一種先進的技術(shù)手段，電力機器人可W替代工人在高危環(huán)境下展開檢測作 業(yè)，工作人員可W在地面基站通過機器人發(fā)送的線路信息來對線路故障進行判別，并在發(fā) 現(xiàn)故障時，進行及時的維護。但送種檢測方式需要工作人員長期監(jiān)視機器人回傳信息，造成 人力資源的浪費，工作人員也會因工作疲勞做出誤判。因此需要提出一種自動化程度較高 的斷股故障檢測方法。
[0005] 目前，對于輸電線路檢測的方法可W分為視覺與非視覺兩類。其中，非視覺類方法 主要采用電潤流傳感器、電磁聲換能器等傳感器，但非視覺類傳感器能接受的信息量有限， 多用于特定金具或故障的識別。此外，非視覺類傳感器體積重量較大，不便于機器人攜帶。
[0006] 機器視覺方法具有信息量大，傳感器便于攜帶等優(yōu)點，因此得到較為廣泛的 應(yīng)用。目前的研究主要集中于針對絕緣子、防振健、四分裂導(dǎo)線等目標(biāo)的檢測[譚 磊，王耀南，沈春生等.輸電線路除冰機器人障礙視覺檢測識別算法.儀器儀表學(xué) 報，2011，32(11) :2564-2571.]。從調(diào)研的文獻來看，目前尚未見到采用機器視覺方法進行 斷股檢測的研究。

【發(fā)明內(nèi)容】

[0007] 為了克服現(xiàn)有檢測方法的問題，提高輸電線路斷股故障檢測的自動化程度與準確 性，本發(fā)明要解決的技術(shù)問題是提供一種輸電線斷股故障的機器視覺檢測方法。
[0008] 本發(fā)明為實現(xiàn)上述目的所采用的技術(shù)方案是；一種輸電線斷股故障的機器視覺檢 測方法，包括W下步驟：
[0009] (1)圖像的獲取；在電力機器人上安裝相機設(shè)備，固定相機設(shè)備的圖像采集角度 和相機參數(shù)，獲取輸電線圖像；
[0010] 似圖像的預(yù)處理：對輸電線圖像進行處理，得到包含輸電線的感興趣區(qū)域；
[0011] 做圖像特征提?。涸诟信d趣區(qū)域中，計算各邊緣像素點上的圖像梯度方向，并獲 取感興趣區(qū)域的邊緣梯度直方圖特征；
[0012] (4)圖像的故障檢測：通過建立的支持向量機分類器提取的圖像特征進行分類計 算，根據(jù)計算結(jié)果判斷輸電線是否存在斷股。
[0013] 所述圖像的預(yù)處理包括W下步驟：
[0014] (2. 1)通過灰度化處理將彩色的輸電線圖像轉(zhuǎn)換為灰度圖像，并根據(jù)相機視角對 圖像進行初步裁剪；
[0015] (2. 2)采用Canny算子在初步裁剪后的圖像中檢測輸電線的邊緣位置，并W邊緣 位置為基準去除其他區(qū)域，得到邊緣圖像；
[0016] (2.3)采用霍夫變換的方法，對邊緣圖像中的直線進行提取，并W其為基準，截取 指定寬度與指定高度的矩形區(qū)域作為感興趣區(qū)域。
[0017] 所述對圖像進行初步裁剪的規(guī)則為：W圖像頂列像素的中點作為矩形長邊的中 點，取預(yù)設(shè)長寬的矩形作為初步裁剪區(qū)域，矩形的長邊與短邊分別與圖像的行和列平行。
[0018] 所述對邊緣圖像中的直線進行提取的方法為；按照W下條件篩選邊緣圖像中滿足 要求的直線：
[0019]
[0020] 其中，輸電線邊緣直線Li與Lz在圖像坐標(biāo)系UV中的表達分別為U COS目1+V sin目1 = P 1與U COS目2+V sin目2 = P 2 ;
為線路邊緣直線方向；[A u，A viT 為從輸電線邊緣直線Li上一點到直線Lz上一點的矢量;Wd與目d分別為線路寬度對應(yīng)的像 素數(shù)與線路角度，9，毎為設(shè)定的闊值。
[0021] 所述各邊緣像素點上的圖像梯度方向通過下式計算：
[0022]
[0023] 其中f為像素點的灰度；f與g為水平與垂直方向的梯度強度；0為梯度方向。
[0024] 所述獲取感興趣區(qū)域的邊緣梯度直方圖特征的過程為；將圖像梯度方向劃分為若 干區(qū)域，對圖像邊緣上的像素點進行統(tǒng)計，根據(jù)像素梯度方向0的數(shù)值，統(tǒng)計分布于各區(qū) 域像素點的個數(shù)，并將其歸一化，得到圖像的邊緣梯度直方圖特征。
[0025] 所述邊緣梯度直方圖特征為一個n維向量V。，其中n為梯度方向劃分區(qū)域的個數(shù)， 向量中元素為圖像的梯度特征V /，
[0026]
[0027] 其中f為像素點的灰度；g與f為水平與垂直方向的梯度強度。
[0028] 所述圖像的故障檢測中，根據(jù)邊緣梯度直方圖特征，邊緣方向的圖像梯度下降的 線路邊緣為斷股。
[0029] 本發(fā)明具有W下優(yōu)點及有益效果：
[0030] 1.本發(fā)明提供的輸電線路斷股檢測方法可W取代人工完成斷股檢測，改變了人工 登培檢測的方式，降低了檢測的安全風(fēng)險，保證檢測人員的安全，為輸電線路自動化化檢測 提供了途徑。
[0031] 2.本發(fā)明采用邊緣梯度直方圖提取圖像的梯度特征，該特征具有提取簡單，運算 速度快的優(yōu)點；結(jié)合輸電線路正常線路與斷股線路的梯度分布特點，邊緣梯度直方圖可W 有效準確的區(qū)分斷股故障。綜上所述，邊緣梯度直方圖特征在斷股檢測上具有快速、穩(wěn)定、 準確等優(yōu)勢。
[0032] 3.本發(fā)明利用基于相機定位和線路邊緣檢測先后開展了圖像初步裁剪和感興趣 區(qū)域裁剪。通過兩次裁剪，去除了圖像中的多余區(qū)域和無用信息，不僅提高了檢測的速度， 并且明確了圖像特征的提取區(qū)域，有利于突出正常線路與斷股線路在邊緣梯度直方圖特征 上的差異性，提高檢測的準確性。
[0033] 4.本發(fā)明已在輸電線機器人上進行試驗，試驗結(jié)果表明，采用本發(fā)明的機器人系 統(tǒng)可W準確完成輸電線路斷股的檢測，并利用該檢測結(jié)果記錄線路斷股信息、指導(dǎo)機器人 的補修維護行為。
【附圖說明】
[0034] 圖1是本發(fā)明的流程不意圖；
[0035] 圖2是機器人采集的待處理的輸電線圖像；
[0036] 圖3是初步裁剪后的灰度圖像；
[0037] 圖4是在初步裁剪區(qū)域內(nèi)提取的邊緣圖像；
[0038] 圖5是在邊緣圖像中獲取的線路邊緣；
[0039] 圖6是獲取的感興趣區(qū)域；
[0040] 圖7是正常線路與斷股故障的圖像梯度分布特點分析圖；
[0041] 圖8是正常線路圖像與斷股故障圖像的邊緣梯度直方圖特征比較；
[0042] 圖9是正常線路圖像與斷股故障圖像的分類器。
【具體實施方式】
[0043] 下面結(jié)合附圖及實施例對本發(fā)明做進一步的詳細說明。
[0044] 本發(fā)明W檢測出的輸電線路邊緣作為基準，獲取輸電線路感興趣區(qū)域，并提取該 區(qū)域中的邊緣梯度直方圖作為圖像特征，根據(jù)正常線路與斷股故障在該圖像特征上的差 異，采用支持向量機進行分類計算，有效的對輸電線路斷股故障進行識別，提高了斷股檢測 的自動化程度，如圖1所示，具體流程如下：
[004引 （1)圖像獲取步驟
[0046] 在輸電線維護機器人上安裝相機設(shè)備，固定該設(shè)備的圖像采集角度、焦距等參數(shù)， 獲取尺寸大小較為穩(wěn)定的普通線路圖像與斷股故障圖像。圖2是采集的輸電線圖像。
[0047] 似圖像預(yù)處理步驟
[0048] (2. I)首先通過灰度化處理將彩色圖像轉(zhuǎn)換為灰度圖像。當(dāng)機器人安裝在線路上 時，機器人與線路有穩(wěn)定的相對位置關(guān)系。當(dāng)設(shè)定相機云臺姿態(tài)與相機視角一定，線路位于 圖像中