低压电流互感器表面裂纹检测系统的设计与实现

宋强 林国营 马敬奇 王楠 杨阳



低压电流互感器表面裂纹检测系统的设计与实现

宋强1林国营1马敬奇2王楠2杨阳2

（1.广东电网有限责任公司电力科学研究院 2.广东省自动化研究所 广东省现代控制技术重点实验室广东省现代控制与光机电技术公共实验室）

针对现有低压电流互感器表面裂纹检测方法效率低、无法在线检测的问题，开发一款基于OpenCV开源库和数字图像处理技术的低压电流互感器表面裂纹检测系统。该系统经过图像分割、二值化互感器表面图像、圆形度和面积阈值剔除块状非裂纹区域、ROI骨架提取一系列图像处理，获取ROI的骨架信息，并通过分叉点判断裂纹的存在。最后搭建非接触式实验平台测试该系统，实验结果表明：该系统能够快速、精准检测低压电流互感器表面裂纹，实现了非接触式在线检测。

低压电流互感器；图像处理；ROI；分叉点

0　引言

目前，现有的低压电流互感器表面裂纹检测方法效率低，且无法在线检测。为此本文提出一种基于机器视觉的互感器外观检测方法，利用互感器表面裂纹的细长线性特征和分叉点，经过图像预处理，将互感器表面图像转换为高对比度的二值图像，突显疑似裂纹区域；圆形度和面积阈值过滤二值图像，将块状和斑点等非裂纹区域剔除，减少运算时间；感兴趣区域（region of interest，ROI）骨架提取，为获得裂纹分叉点，将线性ROI细化成单像素图像；统计骨架图像中的分叉点，根据返回的分叉点个数判断裂纹的存在。

当前采用数字图像处理技术检测缺陷的方法有：卢紫微等人提出分区域多尺度分析法检测路面裂纹，通过支持向量机学习得到裂纹位置[1]；Kirschke K R等采用直方图统计分析的方法检测裂纹[2]；Gajanan K等提取裂纹特点，将裂纹特点输入到由模糊逻辑和人工神经网络[3]组成的模型中，根据结果判断裂纹。以上文献验证了采用数字图像处理技术检测裂纹的可行性。本文以数字图像处理技术为核心开发一款互感器表面裂纹检测系统。

在Windows操作系统下，基于Visual C++开发平台，应用开源计算机视觉库(open source computer vision library，OpenCV)开源库，选用CCD黑白相机获取互感器表面图像，开发了低压电流互感器表面裂纹检测系统。

1　系统设计框架

低压电流互感器表面裂纹检测系统分为系统操作界面、图像采集、检测区域编辑和互感器表面裂纹检测4个主要部分。系统操作界面采用MFC设计，可降低系统操作难度，实现快速可视化检测；CCD工业相机获取高清晰度灰度图像，为图像预处理提供理想的源图像；检测区域编辑可一次性分割图像，保存分割区域参数，在以后检测过程中读取所需参数达到自动分割图像的目的；获取的互感器表面图像经过图像预处理、圆形度和面积阈值去除非线性区域、ROI骨架提取关键步骤，获取ROI的单像素骨架信息[4]；统计骨架图像中的分叉点，若分叉点个数大于0，即符合判定条件，输出检测结果。互感器表面裂纹检测系统框架如图1所示。

图1　互感器表面裂纹检测系统框架

2　互感器表面裂纹检测系统实现

2.1 裂纹特征分析

通过对互感器表面材质和裂纹形成机理的研究发现，互感器封装采用硬塑绝缘材料，表面裂纹主要由硬物撞击、挤压导致，所形成的裂纹呈细长线性状，且具有明显分叉点。而给裂纹检测带来极大困难的划痕则是由尖端物质刮划而成，其线性趋于直线，轨迹没有分叉点。因此本系统利用分叉点排除划痕。获得线性区域的单像素骨架信息，如图2所示，图2方框处即为裂纹分叉点，该处中心像素点含有3个邻域点，其他像素点只有1个或2个邻域点，在划痕单像素骨架图像中的像素点也仅含1个或2个邻域点，因此可利用此特征将划痕剔除。

(a) 裂纹单像素骨架信息图   (b) 划痕单像素骨架信息图

2.2 系统实现

裂纹检测流程如图3所示。具体检测步骤如下：

1) 互感器表面图像的获取。使用CCD相机获取图像，并将获取的图像传输到PC机进行预处理。

2) 检测区域编辑。通过区域编辑将互感器图像分割成若干个检测区域，去除非检测区域，降低运算时间，提高检测效率。互感器是由铜线缠绕而成的中空线圈，灰度图像中互感器面积为208 cm2，而空心线圈部分面积为57.75 cm2。作为非检测区域，通过编辑将空心部分去除，运算时间减少27.8%。

3) 图像预处理。图像预处理分为3部分：

(a) 采用高斯滤波获取灰度平滑图像，模糊轮廓边缘。裂纹与背景之间的衔接部分像素特征骤变，含有较多噪声，通过对每个像素点的加权平均获取变化平缓的裂纹边缘，提高信噪比。加权平均公式为

其中，()表示图像的像素灰度值；()表示图像像素3×3邻域内的灰度平均值。

图3裂纹检测算法流程

(b) 边缘提取，为获取裂纹单独的连通域，保留裂纹的线性特征，经过边缘检测将裂纹从背景中独立出来，非裂纹连通域也保留理想的边缘信息。高斯滤波后求取像素点、方向的一阶偏导数，获取梯度幅值和梯度方位角，得到裂纹图像的边缘矩阵。

)/2(3)

(5)

其中，[,]为方向的一阶偏导数；[i]为方向的一阶偏导数；[,]为像素点的像素值；[,]为梯度幅值；为梯度方位角。

(c) 阈值处理，采用Maximum Entropy算法获取阈值，将灰度图像转化为二值图像。

其中，H表示区域的信息熵；p表示目标、背景、边缘及噪声区域的概率密度。

相应的函数如下：

SmoothImg(IplImage *pSrcImg, IplImage* pDstImg);//图像平滑

CannyImg(IplImage *pSrcImg, IplImage* pDstImg);//边缘检测

ThresholdImg(IplImage* pSrcImg, IplImage* pDstImg, intnThreshold);//阈值处理，二值化图像

4) 利用圆形度和面积阈值去除块状非裂纹区域。在互感器表面裂纹检测过程中块状污垢、斑点图像区域二值化后形成明亮块状斑点，对裂纹的检测造成一定影响，增加算法冗余度。

圆形度公式用来判断线性复杂度，当区域为点或片状区域时圆形度接近1，圆形度越大表明区域线性越复杂。裂纹具有线性变化复杂的特点，故可通过圆形度剔除块状污垢、斑点区域：

其中，为连通域周长；为连通域面积；为圆形度。

另外通过设定面积阈值排除小面积和大面积区域，经过圆形度和面积阈值得到疑似裂纹的线性ROI，实现函数为GetContour(IplImage *pSrcImg, IplImage* pDstImg)。

5) ROI骨架提取。为精确检测到裂纹中分叉点的存在，去除划痕干扰，需得到ROI的单像素骨架信息，骨架提取采用改进型细化算法(one-pass thinning algorithm，OPTA)[5]，通过模板匹配法，将每个像素点与设定的消除模板进行匹配，若匹配成功，则删除该点；若匹配失败，再将该点与设定的保留模板进行匹配，若匹配成功则保留该点，否则删除该点。经过数轮迭代得到由单像素点组成的骨架信息。实现函数为ThinImg(IplImage *pSrcImg)。

6) 裂纹判定。进行分叉点的统计，采用遍历法在整个图像中查询并标记分叉点，最后返回分叉点的个数。标记方法采用8邻域法，如图4所示，(,)为待标记点，若8邻域中有3个点的像素值与其相等，则标记该点。实现函数为GetThinBranches（IplImage* pImg）。

图4 8邻域图

3　实验

为验证该系统，搭建非接触式检测平台，如图5所示，该平台由CCD相机、条形光源和转动托盘组成。

图5 非接触式检测平台

选取含有常规裂纹的互感器图像进行测试。互感器表面裂纹检测系统界面如图6所示。

图6 互感器表面裂纹检测系统界面

调整光源亮度和相机参数至理想状态，拍摄取样，进行检测区域编辑，通过添加检测裂纹编辑框，将拍摄图像中的互感器表面分割开，形成若干块检测区域，分割效果如图7所示。通过UI的编辑区域保存功能，将当前分割参数记录到.area文件中，在以后运行过程中可快速读取分割参数，实现自动检测功能。

在检测区域编辑完成后即可运行检测系统，进行图像预处理，在图7中的分割区域1中检测到疑似裂纹区域，经过图像平滑、边缘提取和阈值处理得到二值图像如图8所示。

图8 图像预处理

图8中含有大量明亮斑点和块状非裂纹区域，通过圆形度和面积阈值将非裂纹区域剔除，所采用的圆形度阈值为，即将圆形度小于的区域剔除；采用的面积阈值[]，即将面积在[]之外的区域剔除，得到的结果如图9所示。

图9 圆形度和面积阈值处理结果

提取图9疑似裂纹区域的单像素骨架信息，排除划痕的干扰，并通过区域遍历标记分叉点，根据返回分叉点个数判断裂纹的存在情况。骨架提取结果如图10所示。分叉点返回值为2，故判定所检测互感器表面含有裂纹。

图10 骨架提取

4　结语

低压电流互感器表面裂纹检测系统充分利用裂纹分叉特性，提取裂纹的骨架，并通过分叉点判断裂纹的存在。经实验验证，该系统实现了非接触式裂纹检测，能够准确检测互感器表面裂纹，提高检测效率，保证了检测质量。系统经过简单的改装优化，即可灵活地嵌入自动化生产线。

参考文献

[1] 卢紫微,吴成东,陈东岳,等.基于分区域多尺度分析的路面裂缝检测算法[J].东北大学学报:自然科学版,2014,35(5):622- 625.

[2] Kirschke K R, Velinsky S. A histogram-based approach for automated pavement-cracks sensing[J]. Journal of Transportation Engineering, 1992, 119(3): 700-710.

[3] Gajanan K, Choudhary, Sayan Dey. Crack detection in concrete surfaces using image processing, fuzzy logic, and neural networks[J].International Conference on Advanced Computational Intelligence (ICACI), 2012: 404-411.

[4] 梅园,孙怀江,夏德深.一种基于改进后模板的图像快速细化算法[J].中国图象图形学报,2006,11(9):1306-1311.

[5] 王家隆,郭成安.一种改进的图像模板细化算法[J].中国图象图形学报,2004,9(3):297-301.

Design and Implement of Surface Crack Detection System for Low Voltage Current Transformer

Song Qiang1Lin Guoying1Ma Jingqi2Wang Nan2Yang Yang2

(1.Electric Power Research Institute of Guangdong Power Grid Co., Ltd. 2. Guangdong Institute of Automation, Guangdong Key Laboratory of Modern Control Technology, Guangdong Open Laboratory of Modern Control & Optical, Mechanical and Electronic Technology)

A detection system based on OpenCV and digital image processing technology is developed. Using the image processing methods include image segmentation, circular degree and area threshold, the skeleton information of ROI is obtained. The crack is determined by the branch points A non-contact experimental platform is set up. The experimental results show that the system can quickly and accurately detect the surface cracks of the transformer.

Low Voltage Current Transformer; Digital Image Processing; ROI; Branch Points

宋强，男，1986年生，硕士，主要研究方向：电气工程、测控技术与仪器等。

林国营，男，1982年生，硕士，主要研究方向：电气工程、自动化等。

马敬奇，男，1988年生，硕士，主要研究方向：机器视觉、图像识别等。

王楠，女，1989年生，硕士，主要研究方向：机器视觉、图像识别等。

杨阳，男，1987年生，本科，主要研究方向：机器视觉、图像识别等。