架空输电线路均压环缺陷图像智能识别研究

2022-04-13翟瑞聪曾群生王鹏凯

电子设计工程 2022年6期

刘琦，翟瑞聪，曾群生，王鹏凯

（1.广东电网有限责任公司，广东广州 510000；2.广东电网有限责任公司机巡管理中心，广东广州 510000；3.南方电网数字电网研究院有限公司，广东广州 510000）

“机巡+人巡”协同巡航研究现已在国内外展开，无人机的设备管理、数据采集、数据处理、数据分析等是其主要功能和工作重点，可降低巡航作业难度，实现巡航过程的制度化管理[1]。但是其对有缺陷的图像、视频的自动识别和处理还处于发展阶段，随着管理要求的提高，精细检测已经成为一种趋势[2]。在检测过程中会产生大量的图像、视频数据。对架空输电线路的视频图像和图片资料进行日常电力线路巡查，一般由人工进行对比核实，工作量大，费时费力，容易造成遗漏[3]。此外，由于有大量的图像需要验证，图像中涉及的缺陷数据与传输线的安全运行有密切的关系，实现精确识别面临着巨大的考验[4]。以往通信信号处理系统在异构高性能计算集群的基础上，采用基于异构高性能计算集群图像识别方法，并结合异构高性能计算技术进行机群图像识别。当把宽带大容量数据传输到并行计算机网络中时，用聚类计算的方法实现了强、弱通信信号的高增益和低时延均压环。但是这种方法受噪声的影响，难以实现图像数据的有效解译。

为有效地对线路缺陷图像进行识别，提出了架空输电线路均压环缺陷图像智能识别方法。

1 均压环断裂原因分析

均压环在不同方向的风力作用下会产生轻微振动，引起支撑应力的变化，且应力集中于支承软面，则会在应力集中面附近形成裂纹[5-7]。

均压环断裂一般为脆性断裂，表面有明显氧化现象，表明其不是瞬时断裂，而是逐渐发展的，可以排除直接受到悬挂冲击的可能性[8-10]。均压环断口无烧蚀，可排除均压环因雷击而烧毁或破裂的原因[11]。均压环断裂是长时间发育表面微裂纹引起的。均压环断口不平，氧化现象明显。在均压环断裂表面可发现明显的疲劳痕迹，并沿表面中心方向延伸，如图1所示。

图1 均压环裂缝纹痕迹

为了进一步分析和判断故障原因，需要智能地识别架空输电线路均压环缺陷图像。

2 图像智能识别

图像识别技术是利用计算机捕捉和识别图像，使计算机能像人一样识别图像。图像智能识别的流程如图2 所示。

图2 图像智能识别流程

由图2 可知，图像智能识别详细流程如下：

Step1：图像信息采集。通过传感器将声、光等信息转换成电子信号[12-13]，然后把均压环的基本信息转换成计算机能够识别的信息；

Step 2：图像信息预处理。主要是对图像进行去噪、变换、平滑等操作，从而改善图像的重要特征；

Step 3：特征提取与选择。通过对数字处理后的信息进行处理、分类决策、分析和归纳，提取出各种图像特征；

Step 4：识别结果输出。分类器以训练识别为基础，分析判断图像的大小、形状、颜色等特征，输出识别结果。

2.1 输电巡检影像样本标准库构建

基于架空输电线路设备的结构依赖性和缺陷分类，建立了相应的样本标准库。样品标准库来自于传输线上的各种检测数据，包括无人机、在线视频、机器人和可穿戴设备的视频、图片等[14]。不同数据源的数据特征和存储格式不同，需要建立缺陷图像数据库。通过对缺陷样本特征质量评价技术的研究，利用深度学习框架进行训练数据集格式转换，利用数据库存储检索技术，建立转换后的图像样本标准数据库。

文中利用分布式存储技术实现了缺陷样本的高效存储，并为不同缺陷样本提供了可扩展的属性检索[15]。以HDFS 分布式文件系统为基础，采用主节点与子节点分布式存储、任务信息汇总的方式，处理海量线路缺陷检测样本数据[16]。根据业务应用程序进行任务转换和合并，生成标准的训练数据集以及应用程序服务器和业务应用程序层之间的数据交互。

2.2 数据标注与数据集转换

在数据处理过程中，需要先标记样本，再将标记后的样本转换为训练数据集。保留一个数据格式，但是数据接口因框架而异，格式转换相当复杂。针对训练前数据的预处理问题，提供了训练数据格式转换接口，以实现多种转换技术的集成，按照“样本标注/验证-转换-训练”的基本流程，构建出缺陷样本并作出判断，在不满足要求的情况下，对训练集进行反复检验和优化。

2.3 图像预处理与特征提取

在架空输电线路均压环缺陷图像智能识别之前，对输电巡检影像样本图像进行预处理，从而提高图像分辨率，降低拍摄器材本身存在的缺陷影响程度。通过设备采集卡能够直接获取拍摄数据，其受到的噪声干扰直接影响识别精准度，为此，对图像预处理以剔除干扰因素。

使用Laplacian 算子对架空输电线路均压环缺陷图像进行预处理，使用二值化处理方式简化计算过程，其计算公式为：

式（1）中，x、y分别表示二值图像的最小和最大阈值，点(a,b) 表示像素灰度值。如果智能识别的图像与架空输电线路均压环缺陷图像边缘轮廓一致，则可说明该图像中既包含架空输电线路均压环，又包括导致均压环出现裂纹的外界环境。在x、y阈值范围内，能够有效分离出目标与环境，方便图像智能识别。

在预处理图像后，提取关键性特征，包括形状与轮廓。由于图像具有旋转、移动不变属性，因此在二值图像f(a,b) 中，图像区域(n+m)阶矩阵和中心矩阵为：

式（2）、（3）中，(a′,b′) 表示点(a,b) 对应的中心坐标。在图像点离散情况下，需先获取图像智能识别不变矩特征矢量，提高方法对噪声的不敏感程度，有效识别与分析架空输电线路均压环缺陷图像断裂程度。

2.4 裂缝识别

通过对裂纹源及其附近的进一步观察，判断断裂原因是否与夹杂、孔隙等缺陷有关。一般情况下，裂纹初始位置在表面、起裂位置无明显夹杂和气孔。

通过对图像进行智能识别，可以得到以下结论：均压环为典型的铸态组织，有明显的枝晶、夹杂及气孔；裂纹萌生处存在微量的疲劳裂纹，裂纹初始位置位于裂纹表面，但未发现明显的夹杂和气孔；基于工作条件推测，在长时间的工作过程中，由于材料、结构和其他因素，加上风的作用和其他不利因素，例如明显的大风破坏以及前后的疲劳裂纹表面缺陷(如夹杂物、松脱等)，最终导致疲劳裂纹的产生。

3 实验与分析

为验证设计的架空输电线路均压环缺陷图像智能识别方法的可行性，设计如下仿真实验。

3.1 实验背景

2020 年5 月10 日、5 月15 日某地出现两次强对流天气，导致该地区架空输电线路出现1 条110 kV线路、1 条35 kV 线路、4 条220 kV 线路跳闸的情况。其中，2 条220 kV 线路均压环出现断裂脱落，同时，龙卷风导致线路跳闸，为均压环裂纹扩大提供适宜外部环境。具体情况如表1 所示。