基于图像识别的无人机输电线路断股检测系统设计

高晓东　郑连勇　王蔚　曹飞

摘 要： 针对传统的输电线路人工沿线巡检方式成本高、效率和安全性低等缺陷，基于图像识别技术，设计并开发了一套实时的无人机输电线路断股检测系统。该系统利用输电线路直线特征，使用Laplacian算子对输电线路进行边缘检测，经闭运算、二值化运算后得到光滑边缘；使用改进后的霍夫变换与区域种子点获取和生长提取无人机实时拍摄的输电线路图像；最终，根据输电线路的宽度变化判断是否存在断股缺陷。该系统实际使用效果良好，能够明确显示断股缺陷信息，并能为相关输电线路的断股缺陷检测技术提供参考。

关键词： 线路断股检测； 边缘检测； 霍夫变换； 区域种子点； 区域生长

中图分类号： TN913?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）20?0162?03

Abstract： Aiming at the problems of high cost， low efficiency and little safety of traditional artificial patrol， a real?time broken strand defects detection system for transmission line of unmanned aerial vehicle was designed and developed on the basis of image recognition technology. The straight line feature of transmission circuit is used in the system to perform the edge detection and Laplacian operator， and then the closed and binarization operations are adopted in the system to obtain smooth edge of transmission lines images. The improved Hough transforma regional seed acquisition and region growing are employed to extract the transmission line real?time images taken by UAV， and then judge whether broken strand defects exist according to width variation of the transmission line. This system works well in its actual running， can display the information of broken strand defects clearly， and can provide a reference for detection of broken strand defects in the related transmission lines.

Keywords： broken strand line detection； edge detection； Hough transform； regional seed point； region growing

传统的输电线路人工沿线巡检方式存在成本高、效率与安全系数低等缺点，而新兴的无人机巡检方式却能有效改善上述缺陷，为高压输电线路定期巡检提供新的方案[1]。断股缺陷作为高压输电线路常见且危害性高的重要缺陷，在无人机巡检方式的研究和分析中，存在与输电线路类似的线性特征区域干扰较难排除、输电线路环境和背景复杂引起的算法不可靠等问题[2?6]。因此，基于图像识别技术，本文引入改进的霍夫变换，选用区域生长种子点处的平均像素作为阈值参考，设计并开发了一套无人机输电线路断股检测系统。该系统能有效解决上述干扰难以排除、算法不可靠等问题，从而对输电线路进行准确检测及判断。此外，本文对无人机相关SDK进行了二次开发，确保无人机对所拍摄的输电线路缺陷图像的实时传输与处理。

1 无人机巡航检测系统

本文设计的无人机巡检系统结构如图1所示。分别为前端用于获取输电线路图像的线缆检测子系统以及后台显示输电线路图像、检测断股缺陷的图像处理子系统，两个子系统均由WiFi连接并保持通信。其中，前端子系统中的无人机由手动控制拍摄输电线路图像，经压缩后借助WiFi传输给PC端。

1.1 图像发送和接收

本文选择使用TCP/IP协议执行图像发送和接收操作。发送端将图像压缩编码后发送给接收端进行分片接收，发送过程中会对各数据包进行实时跟踪，以确保图像的完整性。其相关流程如图2所示。

1.2 无线通信模块

本文使用Internet实现各部分之间的通信。套接字之间的连接由服务器监听、客户端请求以及连接确认三个步骤实现。无人机和地面控制中心的无线通信基于Winsock编程技术实现，流程见图3。

图像的传输依次由图像采集、前端请求图像传输、接收端请求接收图像并创建Socket、接收图像后显示并处理、断开连接5个步骤实现。通信传输效果如图4所示。

1.3 图像处理后台子系统

该子系统依次对输电线路进行识别和断股缺陷检测。识别过程中，首先使用Laplacian算子对输电线路图像边缘进行检测，经闭运算以及二值化获取光滑边缘。随后，采用改进后的霍夫变换检测输电线路直线特征（输电线路像素比背景均匀且差别较大），并取直线边缘为区域生长所需的种子点，在窗口二值化后除去背景干扰，继而进行区域生长，最终获得输电线路。检测过程则是利用断股缺陷会使输电线路宽度发生变化的特性来检测断股缺陷是否存在，流程如图5所示。

2 输电线路识别分析

2.1 边缘检测

本文选择使用Laplacian算子进行直线边缘检测，能够满足检测的边缘完整、检测位置偏离原边缘少以及边缘圆滑的要求[7]。经闭运算将边缘平滑化后，得到未改变过多面积但存在较多小像素值噪点的图像，此时借助一定阈值的二值化方法能去除图像中的噪点。

2.2 改进的霍夫变换检测输电线路边缘方法

本文选择使用改进的霍夫变换来排除具有类似直线边缘物体的干扰[8]。输电线路在图像中具有直线近似边缘、横贯图像、成对出现、倾斜角较小等特征，借此可以通过设定直线长度和倾斜角阈值对直线边缘进行筛选，从而将共线数量较多的直线确定为输电线路边缘。最终结果如图6所示。

2.3 输电线路区域种子点获取和生长

本文选取经霍夫变换后的输电线路直线边缘作为种子点，通过比较各种子点像素值和平均像素，过滤除去非输电线路边缘（差值绝对值大于阈值）；结合输电线路的金属特性（图像中像素值较低），取当前种子点附近像素值最低的像素点作为种子点。

種子点集合确定后，选择与其强度、纹理颜色、灰度等相似的相邻像素以迭代方式合并到一起，形成能代表该物体的更大区域，区域生长效果可见图7。

3 断股缺陷检测和效果

输电线路中的断股缺陷通常表现出毛刺亦或是多股导线同时向下并散开的形态特征，表现在图像上则是宽度突然增大。因此，拍摄时在确保图像中输电线路左右贯穿的前提下，重点关注输电线路的宽度变化（即各列输电线路的像素和变化）。算法如下所示：

（1） 将拍摄获得的图像分割成N个长度固定的小区域，并统计各区域内所包含像素值和GN（N=1，2，…，n）。

（2） 求得图像的平均像素Gv，并计算绝对灰度差距离Di，如下：

（4） 按行至上而下遍历区域生长图像，直到点（x1，y1）处像素值为255，返回y1；反方向按行遍历，直到点（x2，y2）处像素值为255时返回y2。

（5） 在图像上画红色矩形框（x1，y1），（x2，y2）并结束程序。

采用上述算法获得的断股缺陷检测和识别效果如图8所示。由图8可知，该系统的断股检测效果良好，能对输电线路缺陷进行及时有效识别与检测。

4 结 语

针对传统的输电线路人工沿线巡检方式成本高、效率低等缺陷，基于图像识别技术，本文设计并开发了一套无人机输电线路断股检测系统。该系统利用输电线路直线特征，先后经过边缘检测、闭运算和二值化运算、改进的霍夫变换与区域种子点获取和生长得到无人机实时拍摄的输电线路图像。该系统实际使用效果良好，获取的图像能够明确反映断股缺陷信息，并能为相关输电线路的断股缺陷检测提供技术支持及参考。

参考文献

[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（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，2014（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] ISHINO R， TSUTSUMI F. Detection system of damaged cables using video obtained from an aerial inspection of transmission lines [C]// Proceedings of Power Engineering Society General Meeting. Istanbul： IEEE， 2015： 1857?1862.

[5] WANG X， HU J， WU B， et al. Study on edge extraction methods for image?based icing on?line monitoring on overhead transmission lines [C]// Proceedings of International Conference on High Voltage Engineering and Application. Taipei， China： IEEE， 2013： 661?665.

[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] 龚声蓉.数字图像处理与分析[M].北京：清华大学出版社，2014.

[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）：43.