图像识别技术在输电线路监控中的应用

冯钦华++胡金磊

摘 要输电线路作为电力网络的骨架，与变压器、断路器等电力设备共同承担了将电厂发出的电能输送到各用户的重任，是电力系统的重要组成部分。本文通过对原始图像依次进行灰度化处理、滤波及差分增强计算、过滤筛选及标识处理，最终得到输电线路标识图。结果显示，对于输电线路可以准确识别，对于设备要求低，为我国当前输电线路监控提供了一种便利方法。

【关键词】输电线路 电力系统 标示图 线路监控

输电线路是电力系统连接各个部分的重要组成部分，与变压器、断路器等电力设备共同承担着输送分配电能的重任。但常见的输电架空线路由于长期暴露在在自然环境中运行，经常经受线路张力、冰雪、大风、鸟巢等外界干扰与损害，常会出现线路跳闸、断线等多种事故，对电力系统的正常运行造成影响。因此，需要对输电线路进行及时有效的监控，以对输电线路状态进行提前预警。

国内外各个研究机构对于该问题都进行了深入研究，提出了多种解决方案，如：西安交通大学通过对覆冰厚度与倾角关系进行分析，建立了输电线路的力学模型；华南理工大学在此基础上通过考虑风偏对于输电线路的影响，修改了输电线路的力学模型，使之更加精确。虽然通过力学模型能够对于输电线路覆冰及风偏情况进行分析，但力学模型方法中模型较为复杂，且对于传感器采集数据有较高同时性要求。当传感器由于采集或传输出现时间偏差时，对于线路情况判断就会出现较大误差。之后，随着图像识别技术的发展，视觉识别在输电线路的监控中有了长足发展。重庆大学基于图像识别技术，提出一种输电线路中绝缘子覆冰情况的分析算法，可以初步识别绝缘子覆冰情况。

本文通过采用灰度化处理、滤波及差分增强计算、过滤筛选及标识处理结合的方法，提出了一种新的对于输电线路监控的方法。下文将通过对识别输电线路难点，及本文实现输电线路监控方法进行论述。

1 识别输电线路的难点

图像识别技术需要通过对原始图像进行处理，来获得相关结果，一般来说对于原始图像有较高要求。目前关于输电线路的原始图像常为采用摄像装置拍摄的包含输电线路的图像，一般即是监控图像。由于线路本身、摄像机角度及天气影响，对于输电线路监控图像识别存在以下难点：

（1）线性形状明显，在图片中宽度较小，识别难度较高；

（2）一般呈弧垂状分布，某些角度拍摄可能会成一条直线（如从输电线上方俯视），即视角问题；

（3）输电线路有较大的跨度，一般能跨越全图，在一张图中并不能完全呈现；

（4）同一杆塔的多条线路之间一般为近似平行关系，不存在相交情况，但是在某些拍摄角度下可能存在影响重叠从而造成线线相交的情况；

（5）架空线路监控的背景一般比较复杂，受天气等外界情况影响较大，可能会由于雨雪天气导致图片模糊、失真等情况出现。

2 图像识别流程

针对以上难点，本文采用以下流程来对输电线路识别进行优化：

（1）灰度化处理。对于原始图像进行灰度化处理，去除图像中色彩信息，减小图像数据存储量，便于对对象轮廓信息进行处理。

（2）滤波增强处理。首先对与处理后的图像进行滤波处理，以减小最初成像、传输及灰度处理受到或产生的噪声污染。后采用增强处理，对我们识别的目标--输电线路的图像进行强调，使之与图片中背景之间的特征差别愈发明显，提高图像识别成功率。

（3）提取边缘轮廓及滤波处理。通过依靠上一步骤增强的特征，对于图像中目标的轮廓进行识别，后对识别的轮廓进行滤波处理，以减小算法对于图像的影响，得到纯净的输电线路的轮廓图像。

（4）标识输电线路。将上步骤中获得的输电线路轮廓图像在原图中进行标识，最终显示标识过的原图图像。

整体流程框图如图1所示。

下文将结合具体按实例，针对其中各步骤进行详细论述。

2.1 灰度化处理

获取到输电线路的原始图像后，可以采用现有技术中已有的方法对原始图像进行灰度化处理，获得灰度图像。例如，如图2所示，为一具体实施例的原始图像的灰度图像的示意图。从该图可以看到，输电线路在图中宽度很小，且在图中并不能完全显示了。另外受天气和环境等因素影响，输电线路在图像中的特征并不是很清晰，在部分背景下通过人眼也并不能很好分辨出。

2.2 滤波增强处理

对灰度图像滤波有多种实现方式，其大类可分为线性滤波和非线性滤波两类。其中线性滤波因为其简单有效的特性较为常用。但由于其在去除噪声的同时也会对图像的边缘信息进行破坏，损失图像信息，因此不适合于输电线路边缘识别。而非线性滤波对这一问题有较大改善，因此本文选用了非线性滤波中的中值滤波算法。其在排除图像中的极值奇异点的同时，可以保护和维持图像的阶跃边缘和拓扑结构。其算法公式如式1所示。

（1）

式（1）中，g（x，y）为滤波图像灰度值，即滤波后灰度图像中（x，y）像素点的灰度值；w（s，t）为（x，y）偏移（s，t）的权重值，s和t分别为横坐标和纵坐标的偏移值；f（x+s，y+t）為灰度图像坐标（x+s，y+t）的灰度值；m=2*a+1，n=2* b +1，m和n分别为滤波模板的宽度和高度。

对灰度图像进行滤波后，得到滤波图像，即滤波后的灰度图像，然后将滤波前后的灰度图像作差分增强计算，得到增强图像，如图4所示。

在对输电线路识别监控中，将滤波前后的灰度图像进行差分增强计算，获得增强图像的步骤包括：计算滤波前的灰度图像和滤波后的灰度图像的差值，获得增强图像，即：

h（x，y）=f（x，y）-g（x，y） （2）

式（2）中，h（x，y）为增强图像的灰度值，f（x，y）为滤波前的灰度图像的灰度值，g（x，y）为滤波后的灰度图像的灰度值。

2.3 提取边缘轮廓及滤波处理

提取所述增强图像的边缘轮廓图像有多种实现方式，如：先验知识法，数学形态学方法，基于梯度的方法，水平集方法等。本文采用的是基于梯度的阈值自适应Canny算子提取边缘轮廓，具体如下：

（1）梯度图求解。使用sobel差分算子求出已得灰度图中各点的梯度，获得原始图像对应梯度图；

（2）判断强弱边缘像素点。通过设置高低两个阈值来进行判断，其中梯度大小高于高阈值为强边缘像素点，梯度值在高低两阈值之间时，判定其为弱边缘点；低于低阈值为弱边缘点，判定其为非边缘点；

（3）非极大值抑制。在第一次边缘点判断筛选后，沿梯度方向进行非极大值抑制；

（4）边缘确定。对强边点进行非极大值抑制后，寻找抑制后的强边点附近的弱边点从而得到最终的边缘。

由于天气、环境等影响，在不同时间同一输电线路的识别所需要的阈值都会有所不同，因此不可能人为给定确定阈值来进行识别。需要依靠自适应阈值法来实现阈值的随时调控，一般常用的方法有Otsu法、Canny算子法。在本文中采用的是Canny算子法，其具体计算步骤如下：

（1）求取原灰度图像中各点的梯度，绘制其梯度图像，并对其最大值进行保存；

（2）对求得的梯度图进行直方图求解；

（3）对非边缘像素点在整幅灰度图像中的比例进行设定；

（4）设置阈值；

（5）遍历直方图，对每个梯度值对应的像素点个数求和并保存；

（6）如果求和值高于阈值则退出直方图的遍历；

（7）计算Canny的低阈值和高阈值。

通常情况下边缘轮廓图像中包含复杂背景的毛刺，因此还需要对边缘轮廓图像进行过滤筛选，去除边缘轮廓图像中复杂背景的毛刺，得到纯净的输电线路的轮廓图像。

在本文中图像目标为输电线路其轮廓为外接矩形，因此可根据根据下述函数对所述边缘轮廓图像进行过滤筛选：

（3）

式（3）中，ri（x，y）表示所述边缘轮廓图像中轮廓i的点坐标（x，y），W表示外接矩形的宽度，H表示外接矩形的高度，C为常数，例如C为10，&&表示逻辑运算符“与”。式（3）的含义为：如果x方向上ri（x，y）的最大值与最小值的差值大于W/C，并且y方向上ri（x，y）的最大值与最小值的差值大于H/C，则ri（x，y）的值设置为1，其它情况设置为0。

过滤后的轮廓图像如图6所示，从图6可以看出经过过滤，边缘轮廓图像中复杂背景的毛刺已经被去除，余下纯净的输电线路的轮廓图像，图像清晰。

2.4 标识输电线路

需要根据该轮廓图像对原始图像中的输电线路进行标识，即在原始图像上重新绘制筛选后轮廓图像，以使用户准确识别出原始图像中的输电线路。在本文中采用轮廓点提取单元与轮廓点绘制单元结合的方法，来实现标识功能的。在工程实践中，轮廓点提取单元与轮廓点绘制单元相对独立工作，以实现高效及准确绘制，其结构如图7所示。

其中轮廓点提取单元，用于从所述输电线路的轮廓图像中获得所述输电线路的轮廓点以及所述轮廓点的坐标；轮廓点绘制单元，用于将所述原始图像作为背景图像，将所述轮廓点作为前景图像，根据所述輪廓点的坐标将所述轮廓点绘制在所述原始图像上。

3 结论

本文通过上述方案有效解决了复杂背景下输电线路图像识别问题，可实现线路快速识别，大大提高了输电线路识别的通用性和识别准确率，减少线路巡检工作中人工工作量，提高巡检工作的工作效率，为输电线路监视提供了一种便利方法。但其仍需高速快捷数据传输以保障图像处理的及时性。

（通讯作者：胡金磊）

参考文献

[1]胡毅，胡毅，刘凯，吴田，刘艳，苏梓铭.输电线路运行安全影响因素分析及防治措施[J].高电压技术，2014，40（11）：3491-3499.

[2]黄新波，孙钦东，程荣贵，等.导线覆冰的力学分析与覆冰在线监测系统[J].电力系统自动化，2007，31（14）：100-104.

[3]阳林，郝艳捧，黎卫国，等.架空输电线路覆冰预警系统力学计算模型[J].中国电机工程学报，2010，30（19）：100-105.

[4]WANG Xiao-peng， HU Jian-lin，WU Bin， 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]李俊生.图像非线性滤波技术的研究[J].常州工学院学报，2005，18（02）：21-23.

[6]章毓晋.图像工程 （上册）：图像处理与分析[M].北京：清华大学出版社，1999：192-195.

[7]YANG J，LI X.Directional morphology and its application in boundary detection[J].Image Processing and Application，1995（02）：410.

[8]吴凤和.基于计算机视觉测量技术的图像轮廓提取方法研究[J].计量学报，2007，28（01）：18-22.

[9]Osher S，Sethian J.Fronts propagating with curvature dependent speed：algorithms based on the hamilton-Jacobi formulation [J].Journal of Computational Physics，1988，79（01）：12-49.

作者简介

冯钦华（1984-），男，广东省茂名市人。工程师，工学学士，主要从事输电线路运维技术，新能源应用。

胡金磊（1981-），男，河南省商丘市人，高级工程师，工学博士，研究方向为电力系统运行与维护。

作者单位

广东电网有限责任公司清远供电局 广东省清远市 511515