基于图像区域分割的输电导线可疑区域定位方法

孙日高 鹿昱崧 徐建勇 常正胜 刘 博 战祥建

（东北石油大学电气信息工程学院）

输电导线作为传输电能的重要介质，在输电线路中扮演着重要的角色，因此输电导线发生故障后，若无法及时发现故障点，消除缺陷，轻则降低载流量， 重则将造成线路断裂或者线路短路，影响电力系统的安全稳定运行，给人们的生活带来诸多安全隐患。 为此，对输电导线故障进行检测研究，具有极其重要的现实意义。

基于图像处理技术的输电导线故障检测工作可以分为两个部分： 输电导线检测和故障检测。 经过提取之后的输电导线被标记出来，然后检测输电导线是否发生故障，并对故障的类型进行识别。 国内外对此已经有了一些研究，例如李泊和陈诚针对输电导线的断股故障特征进行了分析， 利用活动基模型 （Active Basis Model，ABM） 设计了一种针对输电导线断股区域图像特征的模板匹配方法［1］；金立军等提出了一种基于Hough变换累加器局部极大值的输电导线异物检测方法［2］；王亚萍等通过十字模板来利用图像亮度信息搜寻导线位置，根据不同导线的位置和长度规则实现断股检测［3］。这类方法通常都是针对某种单一的故障类型设计的检测方法，具有较高的局限性。 另外，由于最后的故障检测工作是在整个输电导线图像区域内进行的，图像中无关部分也参与了运算，这无疑增加了故障检测算法的运算量。

整个输电线路的跨度和距离较大，发生故障的线路只是其中极小的一部分，因此巡检过程中拍摄的图像中有许多输电导线图像不含故障区域。 为了降低输电导线故障检测中的冗余计算量，提高检测效率，需要在输电导线故障检测之前，先对输电导线图像进行筛查，检测当前输电导线图像中是否存在可疑区域，若存在，则在该可疑区域中使用故障检测方法对输电导线的故障及其类型进行检测，最终确定该输电导线是否存在故障，并识别出相应的故障类型。

1 输电导线断股和异物悬挂故障检测方法

为了实现输电导线可疑区域的定位，需从输电导线故障的特点入手。 输电导线断股和输电导线异物悬挂是可见光图像下输电导线最具有代表性的两种故障，为了提高输电导线可疑区域定位方法的适应性，本节将对这两种故障的特征和检测方法进行深入分析，寻找输电导线故障在可见光图像下的特点和共性。

1.1 输电导线断股

观察输电导线断股图像发现，断裂部分由于重力的作用会自然下垂，在位置上会与输电导线形成一种相交关系，并且每根因为断股而分裂出来的金属芯只出现在输电导线的一侧［4，5］。目前的断股检测算法均是基于这一特点进行设计的，具体包括3个步骤。

第1步，寻找与输电导线相交的线段。 与输电导线具有相交关系的线段是可能出现断股故障的位置，因此，需要将与输电导线相交的线段寻找出来。 首先，通过判断线段AB与输电导线CD的斜率k是否相等来排除两者平行的情况（图1），并记录它们的交点（xn，yn）：

图1 线段的非平行位置关系

第2步， 通过每条相交线段上的点与输电导线的位置关系判断是否检测到断股故障［6，7］。 第1步中检测出的每一根与输电导线相交的线段都由一系列的点（xi，yi）组成，如果这些点的坐标都能够满足：

第4步，水平和垂直投影累加计算。 通过计算每行像素累计标记值，得到所有行的像素累计标记值H（x）及其坐标x，从而得到水平投影；垂直投影与水平投影的计算方法类似，通过对每列像素累计标记值的计算，得到所有列的像素累计标记值H（y）及其坐标y，从而得到垂直投影。 H（x）、H（y）的计算式为：

其中δ为误差值。 则认为该线段为输电导线断股部分，该线段所在区域即为输电导线断股故障所在区域。

第3步，记录断股故障位置信息，并输出断股故障检测结果。

1.2 输电导线异物悬挂

观察输电导线异物悬挂图像的边缘检测效果图可以发现，异物所在位置的区域内输电导线边缘会突然变宽，与正常的输电导线相比异物所在区域内图像边缘信息会增加，那么该处的图像无论在纵向还是横向上的像素灰度总值都会高于正常输电导线区域。 图像检索中的投影法正是基于此原理［8］，具体包括5个步骤。

第1步，检测输电导线，确定输电导线位置及其所有边缘信息。

第2步，在图像中建立坐标系。 设图像左下角为坐标原点， 图像下边缘为x轴， 图像左边缘为y轴，以图像列数col为x轴坐标上限，图像行数row为y轴坐标上限。

第3步，设置不同像素灰度对应的标记值。 边缘检测图像为二值图，白色点的灰度值为255，黑色点的亮度为0， 利用标记值进行简单累加来实现边缘信息的统计。

第5步， 判断是否出现异物悬挂并定位异物所在区域。 利用投影图可以反映故障区域的特征，垂直投影图中的剧烈突变表明故障点的水平位置和数量，水平投影图中的剧烈突变表明故障点的垂直位置和数量。 通过两个方向的投影图就可以确定出图像中异物所在的区域位置。

徐进步恰与孙曼玲面对面,赶紧用湿裤衩捂住下身,红着脸嘟囔:“哎哟妈呀,直勾勾地看着我,是我不要脸还是她不要脸啊!”

1.3 两种故障的共性分析

断股故障的检测主要是通过输电导线本体附近的直线段像素条与输电导线的位置关系，来判断是否存在断股故障，且由于断股部分本身的特性，断裂的金属芯与输电导线会在连接处形成类似于汉字“卜”的形状，而不是“十”字形或者“乂”字形，这也是判断是否发生断股故障的重要依据。 由此可知，检测断股故障的关键信息来源于靠近断股部分与导线连接处的边缘信息，正是由于这一部分边缘信息的存在，使得输电导线图像在该处的边缘信息数量异于其他区域。

输电导线异物悬挂故障检测方法是通过对输电导线图像边缘信息在水平和垂直两个方向上的投影图进行分析， 最终确定故障发生的位置。 其核心原理是依据异物悬挂故障区域处输电导线宽度突然增加、边缘信息数量异于正常区域的特性来实现故障的检测和定位。

2 基于图像区域分割的输电导线可疑区域定位

输电导线故障区域的共同特性为，故障所在区域边缘信息数量相对于正常输电导线具有明显的突变。 基于这一特点，笔者设计了一种基于图像区域分割的输电导线可疑区域定位方法。

2.1 输电导线水平校正

由于拍摄角度的不同，输电导线在图像中通常都是带有一定倾斜角度的，输电导线的斜率会对单根输电导线区域的分割造成较大的困难，为了解决这一问题，需要先对输电导线进行水平校正， 将输电导线按照一定的规则旋转至水平方向。

1.1节中已经对输电导线进行了检测，并用相应直线段表示出来，因此可以直接利用斜率计算公式获得输电导线的斜率，进而得到输电导线和水平方向的夹角θ=arctan｜k｜。 而旋转中心O（xo，yo）则可以利用输电导线区域的上、下边界点（xup，yup）、（xdown，ydown）来进行计算：

得到校正前后的输电导线图像如图2所示。

图2 输电导线图像

2.2 基于图像区域分割的可疑区域定位

输电导线故障是发生在导线上的故障，那么只要在每根导线上进行故障区域筛查，便可有效定位可疑区域。 由于输电导线往往都是贯穿整个输电导线图像的， 因此， 在x方向上的跨度非常大，如果仍采用类似于输电导线异物悬挂故障检测中使用的投影法，将输电导线边缘信息点数量按照每一个像素宽度来进行计算，那么当输电导线图像分辨率较高时，计算量将非常大。 为了解决这一问题，笔者采用区域分割的方式，将输电导线待检测区域按照一定的宽度分割成若干个矩形区域，然后以每个矩形区域的运算结果作为可疑区域的定位依据，实现可疑区域的定位。 具体包括9个步骤。

第2步，设置每根导线检测区域的范围，如图3所示。 断股故障中断股部分在最终的故障类型识别时需要进行直线检测，如果最终的定位区域过小，则会导致在最终的故障类型识别时，断股部分无法被识别出来，因此，需要将输电导线的检测区域设置得尽可能大。 理想状态下，可以将检测区域设置为以导线为轴心，检测区域最大可以取到导线上下0.5倍的最小输电导线间距，但是考虑到导线弧度的影响，为了避免检测区域中出现其他导线，可适当调整为0.3倍的最小输电导线间距。

图3 单根输电导线检测区域

第3步， 对每根输电导线的检测区域进行图像区域分割。 将每根输电导线检测区域进行等分，得到大小一致的n个矩形区域（图4）。 通过对输电导线故障图像的分析可以发现，对于同一输电导线故障点的图像，无论输电导线图像分辨率和导线所在位置如何变化，故障区域的宽度与输电导线的宽度比例始终不变。 同理，在类似的输电导线图像中，故障区域像素宽度与导线宽度都有一定的固定比例关系，因此，检测区域分割数量n可由具有普遍意义的输电导线宽度和故障区域比例K决定，即：

其中，WL为输电导线宽度。

图4 分割后的输电导线检测区域

第4步， 计算每一个矩形区域的边缘信息点数量Ei：

其中，w为待检测输电导线区域的整体宽度，h为区域高度，fi（x，y）为第i个区域图像像素点的标记值。

第5步， 计算所有矩形区域边缘点数量的均值Ea和误差系数di：

第6步，设置阈值T1，将d大于T1的矩形区域标记为可疑区域。

第7步， 根据均值计算每条导线检测区域内各分割区域边缘点数量的方差Sj以及每根线路方差的误差系数σj：

其中，Eij为第j根导线上第i个区域中边缘信息点的数量，Eaj为第j根导线上各区域边缘信息点数量的平均值。

第8步，设置筛选阈值T2，如果当前输电导线方差误差系数σj大于阈值T2， 则将当前输电导线标记为可疑线路。

第9步， 根据第6步中的可疑区域和第8步中的可疑线路，标记确定故障区域的位置，如果一条线路既被标记为可疑线路， 又包含可疑区域，则表示检测到可疑区域，将其位置记录下来。

3 实验验证

为了验证输电导线可疑区域定位方法的有效性， 采用Python3.7和OpenCV4.1.0作为实验平台，对输电导线断股和异物悬挂两种故障的可疑区域定位效果进行验证。

设置参数为：k=0.026，阈值T1=0.15、T2=0.23。观察图5a和图6a， 可以看出经过笔者提出的算法的检测识别，输电导线被很好地检测出来，并且进行了标注，为图5b和图6b的输电导线可疑区域定位打下了良好的基础，使之可以直接在每一根输电导线上进行可疑区域检测。 图5c和图6c为可疑区域检测结果，可以看出，由于异物较大和拍摄角度的原因，一根导线的悬挂物在另一根输电导线的检测区域中也可以被侦测到，笔者提出的方法将故障区域检测出来的同时还将另一个可能为故障的区域标记了出来，排除了正常输电导线区域，在进行故障类型识别时只需对可疑区域进行运算，即可确定是否发生故障，以及判断输电导线故障的类型，这极大地减小了输电导线故障识别算法的运算区域，有效提高了输电导线故障检测识别效率。

图5 输电导线断股故障检测结果

图6 输电导线异物悬挂故障检测结果

4 结束语

为了降低输电导线故障检测中的冗余计算量、提高检测效率，笔者提出了一种基于图像区域分割的输电导线可疑区域定位方法。 经实验验证，笔者所提算法在定位输电导线故障区域上性能良好，无论是在带有弧度的输电导线上，还是在近似直线的输电导线上，对于发生的断股故障和异物悬挂故障，该算法都能有效将故障区域和疑似发生故障的区域准确定位出来。