CN108734709B - 一种绝缘子凸缘形状参数识别与破坏检测方法 - Google Patents

Abstract

本发明公开了一种绝缘子凸缘形状参数识别与破坏检测方法具体如下：步骤1：根据绝缘子串的位置调整摄像机的安装位置和拍摄角度；对采集到的现场绝缘子图像进行直方图均衡化、分割、滤波、连通域标记处理，最终得到绝缘子凸缘区域；步骤2：通过分析绝缘子完好凸缘和缺损凸缘在图像中的特征，提取凸缘区域的周长C、面积A、相对圆心距离d、圆形度e四个形状特征作为凸缘缺陷检测的特征参数，进一步确定绝缘子是否存在破损；步骤3：构建绝缘子凸缘破坏检测模型，将步骤2中得到的四个特征参数作为输入，凸缘完好/存在缺陷作为输出，训练并测试模型，最终实现绝缘子凸缘破坏的检测与识别。本方法能够实现绝缘子凸缘破坏的非接触、在线监测。

Description

一种绝缘子凸缘形状参数识别与破坏检测方法

技术领域

本发明属于输电线路图像处理技术领域，具体涉及一种绝缘子凸缘形状参数识别与破坏检测方法。

背景技术

随着经济的迅猛发展，电力需求也逐渐增大，高压和超高压架空电力线成为长距离输配电的主要方式，其安全稳定运行是我国经济建设的重要保障。绝缘子在高压输电线路中占有重要的地位：一是为传输电流的导线提供机械支撑，二是防止电流对地形成通道接地，其工作状态直接关系到整个电力***的正常运行。绝缘子在运行过程中不仅承受着工作电压和各种过电压的作用，还承受着绝缘子自重、导线重量、风力、机械力以及气候变化和化学物质的腐蚀，工作条件恶劣，极易发生龟裂、裙边缺损、凸缘缺损、球头锈蚀等各种故障。局部的凸缘缺损虽然不一定会引起事故，但由于会扩展成龟裂，所以应及时发现更换为好。但目前的凸缘破坏主要依靠人工检测，存在安全性差、耗时耗力等问题，因此亟需提出一种智能化的绝缘子凸缘缺陷检测技术。

发明内容

本发明的目的是提供一种绝缘子凸缘形状参数识别与破坏检测方法，能够建立绝缘子凸缘破坏检测模型，并将通过图像处理技术提取得到的绝缘子凸缘的周长、面积、相对圆心距离、圆形度等特征参数作为输入，最终输出绝缘子凸缘的完损情况，实现凸缘破坏的非接触、在线监测。

本发明所采用的技术方案是，一种绝缘子凸缘形状参数识别与破坏检测方法，具体按照以下步骤实施：

步骤1：根据绝缘子串的位置调整摄像机的安装位置和拍摄角度；对采集到的现场绝缘子图像进行直方图均衡化、分割、滤波、连通域标记处理，最终得到绝缘子凸缘区域；

步骤2：通过分析绝缘子完好凸缘和缺损凸缘在图像中的特征，提取凸缘区域的周长C、面积A、相对圆心距离d、圆形度e四个形状特征作为凸缘缺陷检测的特征参数，进一步确定绝缘子是否存在破损；

步骤3：构建绝缘子凸缘破坏检测模型，将步骤2中得到的四个特征参数作为输入，凸缘完好/存在缺陷作为输出，训练并测试模型，最终实现绝缘子凸缘破坏的检测与识别。

本发明的特点还在于，

步骤1按照以下步骤实施：

步骤1.1：限制对比度自适应直方图均衡化算法增强图像；

步骤1.2：最大类间方差法提取绝缘子区域；

步骤1.3：采用形态学、高斯滤波去除噪声并通过连通域标记法筛选出绝缘子的凸缘区域。

步骤1.1按照以下步骤实施：

步骤1.1.1，将绝缘子图像划分为若干子块，计算每个子块的直方图并用预先定义的阈值裁剪直方图；假设直方图中灰度级个数为F，裁剪值为limit，求直方图中高于该值的部分excess并假设将其均分给所有灰度级，求出直方图整体上升的高度excess/F；以upper＝limit-excess/F为界限，若幅值高于limit直接置为limit，幅值处于upper和limit之间将其填补至limit，幅值低于upper直接补excess/F个像素点；

步骤1.1.2，假定子块大小为N×N，第j个子块的局部累积分布函数为CDF(j)，CDF(j)的导数为局部直方图，则局部映射函数为：

利用插值运算，即每个像素点处的值由它周围四个子块的映射函数值进行双线性插值得到，边界点除外。

步骤2中，所述周长C、面积A、相对圆心距离d、圆形度e的具体计算方法如下：

(1)周长C：连通区域边界上所有像素点的像素之和即为周长；

(2)面积A：矩不变量是指当图像中目标物体的位置发生了平移、旋转或比例变换后，仍然保持不变的特征量。连通域中像素(x,y)的p+q阶矩表示为：

零阶矩

表示连通域中像素的总和，即连通域的面积A；

(3)相对圆心距离d：根据公式(2-1)可得一阶矩

和

分别除以零阶矩M₀₀后所得的

和

即为连通域的质心坐标，采用Hough椭圆变换可以得到凸缘区域的圆心位置(a,b)，则相对圆心距离d可表示为：

(4)圆形度e：指基于区域面积和周长而计算得到的有关区域形状的特征量，用来描述目标区域与圆形的接近程度；基于(1)和(2)中计算得到的周长C和面积A，可得到圆形度e的计算公式：

e的取值范围在0-1之间，圆形的圆形度为1，其余形状的圆形度都小于1，连通域形状越接近圆e值就越大。

步骤3中，构建的绝缘子凸缘破坏检测模型为卷积神经网络，其输入层包含4个神经元，输入分别为周长、面积、相对圆心距离和圆形度，输出为0或1，凸缘完好输出0，存在缺陷输出1。

本发明的有益效果是：通过图像增强、分割等步骤提取绝缘子凸缘区域的周长、面积、相对圆心距离、圆形度等形状特征，建立绝缘子凸缘破坏检测模型并将这些特征参数作为输入，最终输出绝缘子凸缘的完损情况，实现凸缘破坏的非接触、在线监测。

附图说明

图1是本发明一种绝缘子凸缘形状参数识别与破坏检测方法的流程图；

图2是本发明直方图均衡化分块示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供了一种绝缘子凸缘形状参数识别与破坏检测方法，如图1所示，具体按照以下步骤实施：

步骤1：绝缘子凸缘分布在绝缘子的下表面，因此需要根据绝缘子串的位置调整摄像机的安装位置和拍摄角度。对采集到的现场绝缘子图像进行直方图均衡化、分割、滤波、连通域标记等处理，最终得到绝缘子凸缘区域。

步骤1.1：本发明采用限制对比度自适应直方图均衡化(CLAHE，Contrast LimitedAdaptive Histogram Equalization)算法增强图像中目标像素与背景像素的对比度，具体步骤为：

步骤1.1.1，将绝缘子图像划分为若干子块，计算每个子块的直方图并用预先定义的阈值裁剪直方图。假设直方图中灰度级个数为F，裁剪值为limit，求直方图中高于该值的部分excess并假设将其均分给所有灰度级，求出直方图整体上升的高度excess/F。以upper＝limit-excess/F为界限，若幅值高于limit直接置为limit，幅值处于upper和limit之间将其填补至limit，幅值低于upper直接补excess/F个像素点；

步骤1.1.2，假定子块大小为N×N，第j个子块的局部累积分布函数为CDF(j)(CDF(j)的导数为局部直方图)，则局部映射函数为：

若每个子块中的像素点仅通过该块的局部映射函数进行变换，则会导致块状效应，因此我们利用插值运算，即每个像素点处的值由它周围四个子块的映射函数值进行双线性插值得到(边界点除外)。图2以4×4子块为例，图像左上角、左下角、右上角和右下角的四个子块中心像素点围成一个虚线四边形，边界像素点是指落在四边形之外的像素点。对虚线四边形内的像素点以它周围四个子块做映射变换并双线性插值，对于虚线四边形外的像素点，阴影像素点直接以一个子块做映射变换，其余像素点以两个子块做映射变换并线性插值，分别计算得到图像中每个子块的映射函数。

步骤1.2：图像区域可以大致分为绝缘子区域和非绝缘子区域(背景区域)，本发明采用最大类间方差分割法分割图像。假设图像中有L个灰度级，通过一个灰度级门限s将像素点分为C₀和C₁两类，C₀表示灰度级为1到s的像素点，C₁表示灰度级为s到L的像素点，两类出现的概率分别为：

式中P_i表示灰度级为i的像素点出现的概率。两类的平均灰度级为：

其中

是整幅图像的平均灰度级，则类间方差为：

最佳门限s^*：

将图像中所有灰度值与s^*进行比较，将小于s^*的像素置为0(黑色)，剩余像素置为255(白色)即可得到绝缘子的二值图像。

步骤1.3：采用形态学闭运算消除图像内部的局部空穴，并采用高斯滤波进一步去除图像中的无关信息，保证后续算法的准确性。得到目标区域由若干个相互连通的像素结合构成。本发明采用8连通域标记法进行标记，8连通包括指与中心点像素存在公共顶角的上、下、左、右和对角线像素，标记完成后筛选得到绝缘子的凸缘区域。

步骤2：通过分析绝缘子完好凸缘和缺损凸缘在图像中的特征，提取凸缘区域的周长C、面积A、相对圆心距离d、圆形度e四个形状特征作为凸缘缺陷检测的特征参数，进一步确定绝缘子是否存在破损；

绝缘子凸缘实际呈同心圆状分布在绝缘子下表面，但由于绝缘子现场安装位置、拍摄角度等因素的影响，摄像机不可能刚好拍摄到绝缘子正下方的图像，因此凸缘区域在图像中一般呈同心椭圆状分布。通过分析绝缘子图像可以发现，完好的绝缘子凸缘为一个连续的椭圆，周长和面积最大且只存在一个周长值和一个面积值，椭圆的质心和圆心位置重合(相对圆心距离为0)，圆形度小于1；但当凸缘存在缺损时，就会打破原本持续的椭圆，一个连通域就会被分为两个甚至更多，周长和面积会相应减小且个数随之增多，质心位置发生偏离，破损部分的圆形度要大于凸缘其他区域的圆形度。因此通过分析与实验，最终选取周长、面积、相对圆心距离、圆形度四个形状特征作为缺陷检测的特征参数，具体计算方法如下：

(1)周长C：连通区域边界上所有像素点的像素之和即为周长。

(2)面积A：矩不变量是指当图像中目标物体的位置发生了平移、旋转或比例变换后，仍然保持不变的特征量。连通域中像素(x,y)的p+q阶矩表示为：

零阶矩

表示连通域中像素的总和，即连通域的面积A。

(3)相对圆心距离d：根据公式(2-1)可得一阶矩

和

分别除以零阶矩M₀₀后所得的

和

即为连通域的质心坐标。采用Hough椭圆变换可以得到凸缘区域的圆心位置(a,b)，则相对圆心距离d可表示为：

(4)圆形度e：指基于区域面积和周长而计算得到的有关区域形状的特征量，通常用来描述目标区域与圆形的接近程度。基于(1)和(2)中计算得到的周长C和面积A，可得到圆形度e的计算公式：

e的取值范围在0-1之间，圆形的圆形度为1，其余形状的圆形度都小于1，连通域形状越接近圆e值就越大。

步骤3：构建绝缘子凸缘破坏检测模型，将步骤2中得到的四个特征参数作为输入，凸缘完好/存在缺陷作为输出，训练并测试模型，最终实现绝缘子凸缘破坏的检测与识别。

在相对简单的情况下，使用步骤2中得到的四个特征参数之一或利用线性方法就可以判断出绝缘子凸缘是否存在破损。但在实际应用中，凸缘破损情况多样，仅仅通过一个特征判断绝缘子的完损情况具有一定的局限性，要想精准地判别出绝缘子凸缘是否存在破损，就要将这四种特征组合起来进行综合判断，即建立一个识别模型。卷积神经网络是一种前馈神经网络，由于其局部权值共享的特殊结构，使其在语音识别和图像处理等方面有着独特的优越性。基本结构包括两层：特征提取层，每个神经元的输入与前一层的局部接受域相连并提取该局部特征；特征映射层，每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等且共享，因而减少了网络自由参数的个数。因此本发明采用卷积神经网络作为绝缘子凸缘破坏的检测模型，其输入层包含4个神经元，输入分别为周长、面积、相对圆心距离和圆形度，输出为0或1，凸缘完好输出0，存在缺陷输出1。选取多幅绝缘子图像通过步骤1和2提取得到所需的四个特征参数，将所得数据以2:1的比例进行网络训练与测试，输出相应的识别结果并与实际情况进行对比，判断模型的准确性。

Claims (1)

1.一种绝缘子凸缘形状参数识别与破坏检测方法，其特征在于，具体按照以下步骤实施：

步骤1：根据绝缘子串的位置调整摄像机的安装位置和拍摄角度；对采集到的现场绝缘子图像进行直方图均衡化、分割、滤波、连通域标记处理，最终得到绝缘子凸缘区域；

步骤2：通过分析绝缘子完好凸缘和缺损凸缘在图像中的特征，提取凸缘区域的周长C、面积A、相对圆心距离d、圆形度e四个形状特征作为凸缘缺陷检测的特征参数，进一步确定绝缘子是否存在破损；

步骤3：构建绝缘子凸缘破坏检测模型，将步骤2中得到的四个特征参数作为输入，将凸缘完好或存在缺陷作为输出，训练并测试模型，最终实现绝缘子凸缘破坏的检测与识别；

所述步骤1按照以下步骤实施：

步骤1.1：限制对比度自适应直方图均衡化算法增强图像；

步骤1.2：最大类间方差法提取绝缘子区域；

步骤1.3：采用形态学、高斯滤波去除噪声并通过连通域标记法筛选出绝缘子的凸缘区域；

步骤1.1按照以下步骤实施：

步骤1.1.1，将绝缘子图像划分为若干子块，计算每个子块的直方图并用预先定义的阈值裁剪直方图；假设直方图中灰度级个数为F，裁剪值为limit，求直方图中高于该值的部分excess并假设将其均分给所有灰度级，求出直方图整体上升的高度excess/F；以upper＝limit-excess/F为界限，若幅值高于limit直接置为limit，幅值处于upper和limit之间将其填补至limit，幅值低于upper直接补excess/F个像素点；

步骤1.1.2，假定子块大小为N×N，第j个子块的局部累积分布函数为CDF(j)，CDF(j)的导数为局部直方图，则局部映射函数为：

利用插值运算，即每个像素点处的值由它周围四个子块的映射函数值进行双线性插值得到，边界点除外；

步骤2中，所述周长C、面积A、相对圆心距离d、圆形度e的具体计算方法如下：

(1)周长C：连通区域边界上所有像素点的像素之和即为周长；

(2)面积A：矩不变量是指当图像中目标物体的位置发生了平移、旋转或比例变换后，仍然保持不变的特征量；连通域中像素(x,y)的p+q阶矩表示为：

零阶矩

表示连通域中像素的总和，即连通域的面积A；

(3)相对圆心距离d：根据公式(2-1)可得一阶矩

和

分别除以零阶矩M₀₀后所得的

和

即为连通域的质心坐标，采用Hough椭圆变换可以得到凸缘区域的圆心位置(a,b)，则相对圆心距离d可表示为：

(4)圆形度e：指基于区域面积和周长而计算得到的有关区域形状的特征量，用来描述目标区域与圆形的接近程度；基于(1)和(2)中计算得到的周长C和面积A，可得到圆形度e的计算公式：

e的取值范围在0-1之间，圆形的圆形度为1，其余形状的圆形度都小于1，连通域形状越接近圆e值就越大；

步骤3中，构建的绝缘子凸缘破坏检测模型为卷积神经网络，其输入层包含4个神经元，输入分别为周长、面积、相对圆心距离和圆形度，输出为0或1，凸缘完好输出0，存在缺陷输出1。

Images