摘要：本文对基于图像处理的输电线路异物识别的研究现状进行了详细的综述。首先对一些典型的算法进行了分析和评价，总结出算法中的不足，对比分析了各种算法的应用场景。最后总结现存的问题，分析并展望了深度学习应用于输电导线异物检测的优势。
关键词：异常检测； 边缘检测； Hough
Abstract: This paper reviews the research status of foreign object recognition based on image processing in transmission lines. Firstly, some typical algorithms are analyzed and evaluated, and the shortcomings of the algorithm are summarized. The application scenarios of various algorithms are compared and analyzed. Finally, the existing problems are summarized, and the advantages of deep learning applied to foreign matter detection of transmission lines are analyzed and forecasted.
1引言
输电线路是电能输送的最主要方式，且我国电力系统结构复杂，南北跨越纬度大，气候条件
复杂，电线需要长期暴露在冰雪天气或者湿热天气，不同环境下的输电线路损坏程度不同。同时我国地理地貌千变万化，输电线路易出现断股，异物附着等危险情况[1]王凯。 输电线路异常情况严重可能导致输电线路断裂，造成电力能源输送中断，严重影响居民的生活和企业的工业生产。输电线路的异常检测算法可以有效的检测出输电线路的异常，如异物附着等，可以节约大量的人力物力。
2主要研究方法综述
基于数字图像处理技术的线路检测技术，如无人机巡检，飞机巡检等，产生大量的图片，单一依靠人工判别的方式会耗费大量人力，并且工作强度大，精度低，人工疲劳时会产生大量误判。同时野外采集的图片边缘模糊，对比度相对较差，空间域上存在随机分布的点和小块噪声，给人工识别带来很大困扰[2]。输电线路在线监测系统、无人值守变电站远程视频监测系统、变电站在线监测系统正在迅速兴起和发展。基于图像处理技术的异物自动识别技术可以省去人工复查巡检图像数据判断异物的过程，实现“巡”“检”一体的完全自动化过程。
输电导线检测方面，应用并取得较好成果的是Canny边缘检测算法和Hough变换直线检测
算法，实验证明在进行Canny边缘检测后再进行直线的检测可以获得较好的效果。文献[3]针对Canny算法依据梯度幅值检测边缘易漏检弱边缘的问题设计了基于边缘对比特征和边缘方向的边缘连接方法。针对Hough变换运算量大、易检测出伪直线的问题，文献[4]首先对像素点进行边缘编组，然后再进行直线的检测。近几年，提出了很多输电线路图像处理的方法，例如采用基于小波变换的浮动阈值算法和基于数学形态学的最佳阈值分割算法对导线和绝缘子进行目标的提取。文献[5]首先改进 Otsu 算法分割航拍图像的背景，通过目标几何特征进一步剔除图像背景信息；再采用梯度法检测高压线路；最终使用 Hough 变换检测区域的极值点，确定输电线路中的异物。针对目前的直线提取方法，主要有两方面问题：（1）在不良的天气条件下获取的输电线路图像一般较暗，目标与背景对比度低，且往往含有大量噪声，从而导致了图像质量的下降；（2）从背景比较复杂的图像中正确地提取识别出输电导线也存在比较大的困难。
对于复杂背景且对比度相对较低的输电导线目标，文献[6]采用基于模拟退火微粒算法的二维最大类间方差法的图形分割方法，结合Freeman链码和最小二乘法进行的输电线路的提取和恢复，和基于Harr特征的快速输电线路识别。针对复杂背景，文献[7]采用Gabor滤波器、Ratio算子和分段Radon变换、RHT-LSM、灰度共生矩阵纹理特征分别进行了导线的
识别与提取。文献[8]中用基于亮度，方向等信息的具有宽度的电力线检测方法减少了传统基于边缘检测带来的背景边缘干扰，提高了鲁棒性。可以较准确的检测出导线断股和异物缺陷，具有很好的抗背景干扰性，但会引入误判。以上处理方法并没有充分考虑到采集图像的外界因素和电线本身的结构因素，导线上的异常宽度变化在检测结果中存在响应，便判断异物的存在。而传统的检测方法Hough变换不能识别共线上宽度的变化。
对输电导线的异物识别过程可以分为图像预处理（去燥），图像分割，边缘检测和导线提取，异物识别等主要步骤。在去除随机噪声中高斯滤波和基于偏微分方程的方法较好。图像分割法有基于模拟退火OTSU阈值分割和小波变换阈值分割方法。导线边缘检测方法有基于Canny算子和sobel算子的边缘检测，梯度法提取边缘也具有较理想的效果。导线的提取和异物识别算法主要有Hough变换，纹理特征识别，Freeman链码提取导线。基于以上方法的导线提取算法在面对复杂背景时导线提取效果不稳定，并没有充分考虑导线模糊等因素的影响。此外,工程实践中外部因素导致采集到的导线具有抖动模糊现象，可以采用基于遗传算法的约束最小二乘方滤波器进行修复，然后采用了基于非线性对比度增强的边缘检测,然后实现理想情况下导线的提取。针对摄像机位置等因素导致的导线交叉等异常状况，可以进行基于像素空间分布统计特征和结构特征的异物识别方法。
3总结与展望
目前,数字图像处理技术已经发展成熟。主要集中图像分割，边缘检测，直线提取和特征提取等方面进行改进。此外结合多特征融合算法改进异物识别的精度和对异物进行定位的算法也是研究的热点。随着采集图像技术的增强，神经网络也应用于输电线路的异物识别中来。构建合适的深度卷积神经网络模型并结合恰当的预处理增强方法可以有效的解决传统异物识别准确率较低、不良光照等复杂环境下的异物识别问题。
参考文献
1.
夏云峰，宋新明，贾志东，王希林. 基于巡线机器人的输电线路状态检修技术研究现状与展望[J]. 高压电器，2018，54（07）：53-63.
2.
杨杰，邵帅，王凯，张庆雷，高翔，黄涛，王文贤. 多旋翼无人机在输电线路巡检中的应用局限及发展前景[J]. 电力与能源，2018，39（02）：173-176.
3.
Hough P. Method and Means for Recognizing Complex Patterns [J]. Computer and Biomedical Research, 1962, 35（4）：187-217.
4.
段红燕，邵豪，张淑珍，等. 一种基于Canny算子的图像边缘检测改进算法[J]. 上海交通大学学报，2016，50（12）：1861-1865.
5.
王万国，张晶晶，韩军，刘俍，朱铭武. 基于无人机图像的输电线断股与异物缺陷检测方法[J]. 计算机应用，2015，35（08）：2404-2408.
6.
李朝阳，阎广建，肖志强. 高分辨率航空影像中高压电力线的自动提取[J]. 中国图像图形学报，2007，12（6）：1041-1047.
7.
胡玮骏，张明. 基于Harr特征的快速输电线识别[J]. 地理空间信息，2015，13（01）：102-104.
8.
赵建坤，王璋奇，刘世钊. 基于灰度共生矩阵纹理特征的输电导线识别[J]. 云南电力技术，2015，43（02）：126-129.
发布评论