基于无人机图像的输电线断股缺陷实时检测

殷栢辉 钟凯宇 张学习



基于无人机图像的输电线断股缺陷实时检测

殷栢辉 钟凯宇 张学习

（1.广东电网有限责任公司河源供电局 2.广东工业大学自动化学院）

针对输电线断股缺陷，设计一种基于图像的实时检测方法。首先将无人机拍摄的图像实时传输到PC端，采用Laplacian算子进行边缘检测，经过闭运算和二值化方法得到光滑的边缘，为排除其他非输电线的直线边缘，对霍夫变换进行改进；然后将输电线的直线边缘作为区域生长的种子点，生长出输电线区域；最后利用输电线宽度的变化判断断股缺陷是否存在。

输电线断股；霍夫变换；区域生长；缺陷检测；边缘检测

0　引言

高压输电线路故障引发的停电，给企业和国家造成巨大的经济损失，因此对输电线进行定期的巡检非常必要。目前输电线的巡检方式主要有人工沿线巡检、机器人巡检、直升机巡检和无人机巡检等[1]。相对于其他方式，无人机巡检具有低风险、高效率、低成本和易操控的优点，是今后巡线的趋势。

断股缺陷在输电线路中较为常见[2]，且危害较大，有必要将它作为无人机巡检的一个重要目标进行研究。文献[3]对巡检图像利用模拟退火算法进行图像分割，并用改进的Freeman链码提取导线目标；此方法并不能很好地排除其他直线物的干扰。文献[4]采用基于小波变换的浮动阈值算法和基于数学形态学的最佳阈值分割算法，阈值的选取包含过多的经验因素。文献[5]通过导线轮廓的变化诊断输电线断股缺陷，此方法没有考虑到巡检图像复杂的背景噪声的干扰。文献[6]利用基于亮度和空间信息的线对象检测方法，较准确地检测出输电线断股和异物缺陷，具有很好的抗背景干扰性，但会引入误判。

基于上述对输电线识别与缺陷检测的分析，主要存在2方面不足：1) 在实际的巡线过程中，往往包含诸多类似线特征区域的干扰（如楼房、铁路等）而难以排除； 2) 输电线的背景和环境极为复杂，算法中靠经验选取的阈值不可靠。

为提高输电线缺陷检测的可靠性，本文提出一种改进的霍夫变换，可更准确地排除非输电线区域的直线；并将区域生长种子点的平均像素作为阈值选取的参考，避免根据经验选取阈值的情况；另外，为实时地检测缺陷，本文将无人机提供的SDK进行二次开发，实现无人机拍摄的图像能实时传输到PC端进行处理。

1　无人机巡检系统

无人机巡检系统结构如图1所示，系统由前端线缆监测子系统和后台图像处理子系统2部分组成。前者完成输电线图像的获取，后者主要完成线路图像的显示和输电线断股缺陷的检测。两者之间通过WiFi进行通讯。

图1　基于无人机巡检系统结构

本文采用带有高清摄像头的无人机巡检，由于该型号无人机只有移动端的SDK而没有PC端，需要将移动端的SDK二次开发。当无人机沿线路飞行时，手动拍摄目标输电线图像经压缩后，通过WiFi无线网络（由遥控器提供）从移动端实时发送到PC端。

1.1图像的发送与接收

经测试，UDP协议容易出现丢包现象，所以本文采用TCP/IP协议。在发送过程中，为保证传输时图像数据完整，需对每个数据包进行实时跟踪。整幅图像的数据量较大，发送端先对图像进行压缩编码。图像采用分片接收，直到接收到完整的1帧图像。图像发送和接收的流程图如图2所示。

(a) 图像发送流程图

(b) 图像接收流程图

图2图像发送和接收流程图

1.2无线通信模块

根据连接启动的方式以及本地要连接的目标，本文采用Internet进行通信。套接字之间的连接过程可分3个步骤：服务器监听、客户端请求和连接确认。无人机拍摄的图像和地面控制中心运用Winsock网络编程技术进行无线通信，把拍摄到的线缆图像传输到后台监控软件。基Winsock的网络通信程序流程图如图3所示。

图像的传输模块可分5个步骤：1) 图像采集；2) 前端发出图像传输请求；3) 接收请求并创建一个新的Socket接收消信息；4) 接收图像进行显示和处理；5) 断开连接。

移动端软件由无人机提供的SDK搭建，除了实现通信功能外，还包括显示摄像头画面、设置和发送等功能，通信传输效果如图4所示。

(a) 在手机上显示无人机拍摄的图像

(b) 在PC上显示无人机拍摄的图像

图4手机和PC通信的效果

1.3 后台图像处理子系统

后台图像处理子系统分为2个过程：输电线识别和输电线断股缺陷检测。输电线识别的过程首先利用输电线的直线特征，采用Laplacian算子将图像进行边缘检测，经过闭运算和二值化的优化得到光滑的边缘，将此边缘进行霍夫变换检测其中的直线特征，为排除其他非输电线的直线边缘，本文对霍夫变换进行改进；然后利用输电线像素较为均匀且与背景差别较为明显的特征，将输电线的直线边缘作为区域生长的种子点，将原图经窗口二值化后，去除部分背景干扰；接着进行区域生长，至此即可提取出输电线；断股缺陷检测的过程是利用输电线宽度的变化判断断股缺陷是否存在。后台图像处理子系统流程图如图5所示。

图5　后台图像处理子系统流程图

2　输电线的识别

输电线的识别经过边缘检测、霍夫变化直线检测、区域生长种子点的获取和区域生长4个步骤。

2.1边缘检测

边缘检测的结果用于检测直线，通过直线边缘获取种子点后进行区域生长。边缘检测的算子应满足：1) 能完整地检测到边缘；2) 检测的边缘位置不会“偏离”原边缘；3) 边缘圆滑。

目前常用的边缘检测算子较多，Canny算子由于其单像素宽度的特点，导致其边缘不够圆滑[7]；Sobel算子检测的结果会丢失边缘；Laplacian算子的边缘检测效果满足以上3个要求，是理想的检测选择。

闭运算能平滑边界而并不明显改变其面积。经Laplacian边缘检测和闭运算后会产生许多噪点，所以有必要去噪。如果采取其他平滑去噪的方法，往往使得边缘变宽。由于Laplacian边缘检测后产生的噪点的像素值较小，所以使用二值化方法即可，当选取的阈值（）较小，可去掉大部分噪点。边缘检测效果对比如图6所示。

图6 (a) Th=15无闭运算的二值化效果

图6 (b) Th=15有闭运算的二值化效果

(c) Th=1 二值化后显示所有噪点

经比较图6(a)与图6(b)可知，闭运算能使边缘更加圆滑；经比较图6(b)与图6(c)可知，二值化能去掉大部分噪点。

2.2改进的霍夫变换方法检测输电线边缘

霍夫变换直线检测是将离散图像中所有可能的线条参数组成的参数空间对应到另一个参数表的转换[8]。如图7所示，使用极坐标系下的直线方程代替直坐标系下的直线，直线的表达式为

(a)直线的极坐标表示

(b)直角坐标系直线上的3个点(c)直线上3个点映射到Hough空间中为3条曲线，并交于一点

图7霍夫变换直线检测原理图

由于输电线的背景复杂，图像中含有直线边缘的物体（如房屋、铁轨边和铁塔等）并非都是输电线，因此霍夫变换需要对检测的直线进行筛选。本文通过改进霍夫变换，可有效地检测图像中的输电线。

图像中的输电线具备的特征有：1) 其边缘近似直线，一般情况下横穿图像两边；2) 输电线成双出现，即直线边缘数量多；3) 其倾斜角不大。基于这些特征，可以通过直线长度的阈值和倾斜角的阈值筛选直线边缘，然后认为共线数量最多的直线就是输电线边缘。检测直线具体步骤如下：

1) 使用OpenCV中cvHoughLinesP（）函数获取边缘检测中的直线[9]，通过提高函数参数初步筛选直线，尤其是“threshold”参数；

3) 倾斜角差在2°范围内认为是共线，统计共线的直线数量；

4) 查找共线直线数量的最大值，该共线的直线就是输电线的边缘，并返回对应的倾斜角；

5) 通过此倾斜角，筛选出输电线边缘，并使用红色画线，结束。

霍夫变换检测直线改进前后的效果图如图8所示。

图8 (a) 霍夫变换未改进的效果

(b) 霍夫变换改进后的效果

2.3输电线区域种子点的获取

输电线区域的像素值较为均衡，并与周围环境的颜色有一定的差别，满足区域生长的条件，使用区域生长的方法获得输电线区域。输电线的直线边缘即为种子点，但直线上的点都是输电线边缘，可通过种子点的平均像素过滤非输电线的边缘；输电线还有一个金属特性，在图像中的像素值一般比较低，通过比较每个当前种子点与该种子点上下像素点的像素值，取像素值最低的点为种子点。种子点的获取和筛选步骤：

1) 遍历经霍夫变换画线图像的像素点，像素点是红色，则为种子点并保存；

2) 求种子点的平均像素；

3) 将每个种子点的像素值与平均像素比较，如果差的绝对值小于阈值，则保留，否则删除；

4) 分别计算每个种子点及其上下一个临近像素点的像素值，取像素值最低的点为种子点，筛选结束。

2.4区域生长获取输电线区域

区域生长是指将成组的像素或区域发展成更大区域的过程[10]。从种子点的集合开始，通过将与每个种子点有相似属性，如强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理完每个像素，不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的。区域生长实现的步骤：

1)从栈中取出1个种子点(0,0)并在栈中删除该种子，获取该种子点的像素；

2)以(0,0)为中心，考虑(0,0)的8邻域像素(,)，如果(,)满足生长准则，并且该像素没有被标记（像素值非255），将(,)与(0,0)合并（像素值设置为255），同时将(,)压入堆栈；

3)从堆栈中取出1个像素，把它当作(0,0)返回到步骤2)；

4)当堆栈为空时，返回步骤1)；

5)重复步骤1)~4)直到图像中的每个点都有归属，生长结束。

由于非优化参数的设置，区域生长经常会导致欠生长或过生长。为了更好地得到生长效果，在区域生长之前先进行窗口二值化。利用种子点的平均像素设定一个窗口门限值，如果在窗口门限值内，像素置为255，否则置0。这样能过滤掉更多的背景，区域生长的效果图如图9所示。

图9　区域生长的效果图

3　断股缺陷检测

输电线断股的特征形态是毛刺或者多股导线向下散开，在图像上表现为输电线宽度的突然增大，因此可通过分析导线宽度的变化来检测断股缺陷。在检测过程中，要求拍摄时保证输电线从图片左右两端穿过，宽度的变化体现在每列输电线像素和的变化，于是分析列像素和的变化即可检测断股缺陷。

其算法过程：

1)将整张图像分成个固定长度的小区域；分别统计区域内所有像素值的和，用，…表示；

(2)

断股缺陷识别效果如图10所示。

4　结语

输电线在图像中一般可视为直线，利用这一几何特征，先采用Laplacian算子，对图像进行边缘检测；然后经过闭运算和二值化的优化，得到光滑的边缘，经过霍夫变换的直线提取，即可获得输电线边缘；最后利用输电线的像素较为均匀且与背景差别较为明显的特征，从检测是直线中获取种子点进行区域生长，提取输电线。

[1] 张文峰,彭向阳,钟清,等.基于遥感的电力线路安全巡检技术现状及展望[J].广东电力,2014,27(2) :1-6.

[2] 王锐,王柯,徐晓刚,等.输电线路无人机巡检地面测控站及运输保障系统设计[J].广东电力,2011,24(2):87-92.

[3] 孙凤杰,杨镇澴,李媛媛,等.输电导线图像目标识别方法[J].中国图象图形学报,2012,17(3):349-356.

[4] Wang X P, Hu J L，Wu B, 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] ISHINO R, TSUTSUMI F. Detection system of damaged cables using video obtained from an aerial inspection of transmission lines[C]. Proceedings of the 2004 IEEE Power Engineering Society General Meeting. Piscataway: IEEE，2004,2: 1857-1862.

[6] 王亚萍,韩军,陈舫明,等.可见光图像中的高压线缺陷自动诊断方法[J].计算机工程与应用,2011,47(12):180-184.

[7] 冈萨雷斯.数字图像处理[M].2版.北京:电子工业出版社,2003:463-473.

[8] 唐佳林,王镇波,张鑫鑫.基于霍夫变换的直线检测技术[J].科技信息,2011(14):33,35.

[9] 刘瑞祯,于仕琪.OpenCV教程——基础篇[M].北京:北京航空航天大学出版社,2007.

[10] 章毓晋.图像分割[M].北京:科学出版社,2001.

Real-Time Detection of Broken Strand Defects in Transmission Line Based on the Unmanned Aerial Vehicle Image

Yin Baihui Zhong Kaiyu Zhang Xuexi

(1.Heyuan Power Supply Bureau ,Guangdong Power Grid Co., Ltd. 2.College of Automation, Guangdong University of Technology)

In this paper, a real-time monitoring method based on image is designed for the broken transmission lines. Firstly, the image information is transmitted to the personal computer in real time. Edge detection used Laplacian operator. After using closed operation and thresholding method, the paper gets the smooth edge. In order to exclude the straight edge of the other non-transmission line, the Hough transform is improved in this paper. Then, the straight edge of the transmission line is used as the seed point of the region growing to grow out of the transmission line area. Finally, the change of the transmission line width is used to confirm the existence of the broken strand defect.

Broken Transmission Lines; Hof Transform; Region Growing; Defect Detection; Edge Detection

殷栢辉，男，1986年生，本科，工程师，主要研究方向：电力系统供电可靠性。E-mail：547457922@qq.com

钟凯宇，男，1989年生，硕士研究生，主要研究方向：图像处理与机器视觉。

张学习，男，1978年生，博士，副教授，主要研究方向：图像处理与机器视觉。