基于紅外圖像的絕緣子串自動提取和狀態(tài)識別

姚建剛等

摘要：為解決目前絕緣子低零值檢測方法漏判率高、操作繁瑣的問題，提出了一種新的絕緣子串紅外圖像中絕緣子盤面和鐵帽區(qū)域自動提取方法和狀態(tài)識別模型.首先將現(xiàn)場拍攝的絕緣子紅外圖像進行灰度化處理、去噪、二值化；然后從二值圖像中提取反映絕緣子的特征點集合；通過特征點對二值圖進行角度校正；最后通過區(qū)域提取中的特定算法提取出絕緣子的盤面和鐵帽區(qū)域.通過提取該區(qū)域內(nèi)的絕對溫度、紋理和相對溫差率作為絕緣子狀態(tài)識別的特征集.將用電壓分布法測得的絕緣子狀態(tài)信息作為輸出向量，通過訓(xùn)練得到優(yōu)化的識別模型，用于絕緣子狀態(tài)識別.該方法經(jīng)過了220 kV試驗驗證，證實了模型的有效性和實用性.

關(guān)鍵詞：絕緣子；紅外圖像；二值形態(tài)學(xué)；Hough變換；自動提取；鐵帽；紋理特性

中圖分類號：TP301.6；TM85 文獻標識碼：A

絕緣子被廣泛應(yīng)用于輸電線路中，是輸電網(wǎng)絡(luò)的重要組成部分.因此絕緣子的狀態(tài)檢測將是一個繁重的工作.相較于傳統(tǒng)的人工登桿巡線檢測方式，利用紅外熱像儀進行巡線拍攝[1]，并使用圖像處理技術(shù)自動檢測故障的巡線方式更為高效[2]，是目前智能巡線檢查的主要發(fā)展方向.

同串絕緣子污濕狀態(tài)相似，環(huán)境因素也一致，因此各絕緣子承載電壓基本一致、發(fā)熱情況也基本相同，同串才有可比性.正常絕緣子串以鐵帽為主要發(fā)熱中心，其溫度分布和電壓分布規(guī)律相似，也呈現(xiàn)不對稱的馬鞍型，但相鄰絕緣子溫差很小.低值絕緣子發(fā)熱比正常絕緣子溫度高，零值絕緣子發(fā)熱比正常絕緣子溫度要低，而表面污穢絕緣子其熱像特征以瓷盤面為發(fā)熱區(qū)，表現(xiàn)為瓷盤溫升偏高而鐵帽溫升正常[3].因此，獲取絕緣子盤面和鐵帽區(qū)域的信息至關(guān)重要，而紅外圖像中絕緣子的自動識別提取則是其中的基礎(chǔ)步驟.

目前有基于航拍圖像的絕緣子提取方法，但航拍圖像和紅外熱像圖像有本質(zhì)的不同，航拍圖像保留了絕緣子本來的外貌特性和性質(zhì)，如顏色.而紅外熱像圖像是基于溫度的信息.對于絕緣子的零低值檢測溫度才是最關(guān)鍵的信息.

1模型的構(gòu)建

劣化絕緣子的紅外識別主要由圖像處理、特征集提取以及模式識別這三部分組成.

圖像處理是在兼顧運行速度的前提下，采用合適的算法將絕緣子串有效地分割出來；特征參數(shù)的選取必須能反映出串中正常絕緣子與劣化絕緣子之間的差異；模式識別主要采用人工智能算法，通過挖掘特征參數(shù)所含信息來判斷是否含有劣化絕緣子.圖1為識別模型流程.

2絕緣子自動提取的基本原理

瓷質(zhì)絕緣子的紅外圖像具有以下4個特征[7]：

1）瓷質(zhì)絕緣子為軸對稱結(jié)構(gòu)，由鐵帽、鋼腳和瓷盤面3部分組成；

2）紅外圖像中的單片絕緣子盤面常呈現(xiàn)為橢圓形狀，鐵帽呈等腰梯形；

3）絕緣子一般成串出現(xiàn)，其數(shù)量隨著輸電線路的電壓等級而不同，一般110 kV輸電線路為7片，220 kV輸電線路為14片；

4）同串絕緣子一般由同一型號、物理外形相同的絕緣子組成，在紅外圖像中表現(xiàn)為尺寸基本一致，且等間距排列.

基于絕緣子串的上述特征，本文提出絕緣子紅外圖像目標區(qū)域自動提取的方法，其流程圖如圖1中右半圖所示，實現(xiàn)了自動提取絕緣子盤面和鐵帽區(qū)域的功能，整個提取過程包括紅外圖像預(yù)處理、特征點提取、角度校正和區(qū)域提取4個部分.

2.1灰度化和去噪

在YUV顏色模型中，Y分量表示的是亮度；將RGB顏色轉(zhuǎn)換成YUV顏色，只取其中的Y分量，即可表示為灰度圖像.如下式[8]：

[Y U V]=[R G B]0.299-0.1480.6150.587-0.289-0.5150.1140.437-0.100

f=Y=0.299R+0.587G+0.114B

紅外熱像圖像具有大噪聲、低對比度的特點，普通的濾波方法雖能濾去部分噪聲，但同時也模糊了圖像本身，丟失了圖像的部分邊緣和細節(jié).因此，本文采用自適應(yīng)平滑濾波算法對其濾波去噪[9].

2.2OTSU分割

OTSU算法也稱最大類間差法[10]，是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響.本文將采用該算法確定閾值T，然后對其進行二值化處理：

2.3二值形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)中二值圖像的形態(tài)變換是一種針對集合的處理過程.將二值圖像看成是集合，并用結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀，去除不相干的結(jié)構(gòu)，以達到圖像分析和識別的目的.它的最基本運算有：腐蝕和膨脹[11].

骨架，可以理解為圖像的中軸.集合A的骨架化：反復(fù)移除圖像A的邊界像素，但不允許原本連接的目標圖像斷裂，且操作保持歐拉數(shù)不變.所謂細化，就是從原來的圖中去掉一些邊界點，但仍要保持原來的形狀.

先膨脹后腐蝕的過程稱為閉運算，它具有填充細小空洞、連接鄰近物體和平滑邊界的作用.先腐蝕后膨脹的過程稱為開運算，它具有消除細小物體、在纖細處分離物體和平滑較大物體邊界的作用，如消除導(dǎo)線干擾[12].

在不同的應(yīng)用場合，結(jié)構(gòu)元素的選擇及其相應(yīng)的處理算法是不一樣的，結(jié)構(gòu)元素的大小、形狀選擇合適與否，將直接影響圖像的形態(tài)運算結(jié)果.為了保證圖像處理的最佳效果，本文中不同地方的膨脹或腐蝕所用到的結(jié)構(gòu)元素都有所不同.

2.4絕緣子圖像的傾斜角度校正

當紅外圖像中絕緣子傾斜時，利用絕緣子圖像的幾何特征，對絕緣子傾斜角度進行估計校正.校正的基本思路為：1）對二值化圖像細化，獲取絕緣子骨架；2）從骨架圖中計算出交點，作為Hough變換的特征點集S；3）采用Hough變換對S進行直線擬合，計算出最長的擬合直線L和其傾斜角θ，即用該傾斜角對絕緣子圖像進行傾斜校正[13]，能將傾斜校正誤差控制在1°左右.

最簡單的Hough變換是在圖像中檢測直線.在平面直角坐標系（x-y）中，用方程y=kx+b表示一條直線.該直線上任意一點（x，y）變換到（k-b）參數(shù)空間將只變成一個“點”，即點（k，b）.（k-b）參數(shù)空間中的一個局部峰值點就很有可能對應(yīng)著原圖像空間中的一條直線.對圖像上所有的點進行Hough變換，最終所要檢測的直線對應(yīng)的一定是參數(shù)平面中出現(xiàn)頻率最多的那個點.這樣就在圖像中檢測出了直線.由于直線的斜率可能為無窮小，或者無窮大，則在（k-b）參數(shù)空間不便于對直線進行刻畫和描述.所以，文獻[14-15]提出了采用極坐標參數(shù)空間（ρ-θ）進行直線檢測：

ρ=xcosθ+ysinθ

在Hough變換中，檢測傾斜角的基本思路是由圖像空間中的特征數(shù)據(jù)點去計算參數(shù)空間中的參數(shù)點的可能軌跡，并在一個累加器J（ρ，θ）中統(tǒng)計參考點，檢測Hough域中曲線最頻繁的交點（即J（ρ，θ）的最大值），如圖2（b）所示，該交點對應(yīng)著直角坐標系中最長直線，求得θ=2.04°.

2.5盤面和鐵帽區(qū)域提取算法

2.5.1投影統(tǒng)計法

根據(jù)灰度圖像的投影統(tǒng)計計算過程，對于絕緣子和導(dǎo)線像素點所構(gòu)成的二值圖像f′（x，y），其中m為圖像f′（x，y）的高度，n為f′（x，y）的寬度，則垂直方向的投影信號表示為：

2.5.2區(qū)域定位提取算法

輸入：傾斜校正后的二值圖像f′.輸出：盤面和鐵帽區(qū)域的二值圖像.算法步驟：

1）對圖像f′的起始列進行逐行掃描，像素點間距d定義為一列0，1的數(shù)組中連續(xù)1的最大長度，記錄在二維數(shù)組D中，終點（i，j）的長度記為D（i，j）=d.統(tǒng)計d出現(xiàn)的頻數(shù)并記錄在數(shù)組P中，即進行P（d）++操作；

2）對圖像的下一列，同樣按1）的方法進行操作，直至遍歷整個圖像；

3）濾去導(dǎo)線的干擾，導(dǎo)線的像素間距一般較小，且出現(xiàn)頻數(shù)較高，設(shè)定閾值φ，令P（i≤φ）=0；

4）去除邊緣干擾，規(guī)定在間距值10%以內(nèi)的都認為是等間距，則P1（d）=∑1.1di=0.9dP（i）；

5）求出P1中頻數(shù)最大的兩極大值所對應(yīng)的i，j，有P1（i）=max1，P2（j）=max2，（i

6）根據(jù)i，j分別反向計算求出鐵帽和盤面的二值圖像；

7）形態(tài)學(xué)處理，角度恢復(fù)；

8）結(jié)束.

關(guān)于上述算法的一些說明：對于步驟1），如有二值圖像矩陣：

步驟3）中，對P中的結(jié)果再過濾，以剔除某些符合特征的電線等其他干擾.因為絕緣子的盤面和鐵帽有一定的寬度，而其頻率通常是整幅圖像中最高的，根據(jù)這一特點將絕緣子盤面和鐵帽區(qū)域提取出來.實際間距又不完全是個定值，所以規(guī)定間距值的10%以內(nèi)都認為是等間距的.

在無步驟4）的情況下極值有時不明顯，經(jīng)過該操作處理后極值較容易得到，如圖2（d）所示，求得兩極大值在i=20和j=46處.

形態(tài)學(xué)處理能達到將不相關(guān)的細小區(qū)域濾除，而將相關(guān)的鄰近區(qū)域連接并平滑邊界的作用.

3狀態(tài)識別

絕緣子一旦出現(xiàn)某種內(nèi)部或外部故障，則故障發(fā)熱通過熱傳導(dǎo)或其他形式熱交換，改變絕緣子相應(yīng)表面部位的溫升或溫度分布，從而表現(xiàn)出其紅外圖譜的差異.本文模型主要針對實用性設(shè)計，應(yīng)盡量排除變量因素的干擾，對于某一變電站，某一時間段內(nèi)（一般1～2 h內(nèi)可以測試完），其外界環(huán)境對其絕緣子的影響基本不變（如環(huán)境溫度，濕度，日照等）；本文模型具體到同串的每個絕緣子，對于同串來說，其絕緣子的外界環(huán)境也是基本一致；且不同變電站，不同環(huán)境變量因素太多，可比性不強，反而增大模型識別誤差.為抽取故障特征集，分析異常絕緣子和正常絕緣子在溫度和灰度特征上的差異，取熱像圖中絕緣子鐵帽區(qū)域的平均溫度作為該絕緣子的溫度，并定義以下3個參數(shù)：絕對溫度T、紋理H和相對溫差率δt.

3.1絕對溫度判斷法

絕緣子表面絕對溫度判斷法是根據(jù)檢測得到絕緣子表面絕對溫度值，結(jié)合串中不同位置絕緣子的溫度和溫升極限的有關(guān)規(guī)定，分析判斷絕緣子溫度過熱部位（鐵帽和盤面）狀態(tài)的正常與否[3].

這種方法的優(yōu)點是分析簡單直觀，但由于受環(huán)境、距離和輻射率等方面的影響，絕對溫度值不十分準確，但也能在一定程度上反映絕緣子的狀態(tài)，其結(jié)果可對其他方法起一定的參考作用.

3.2圖像紋理特征判斷法

根據(jù)絕緣子串的紅外熱像圖譜來判斷設(shè)備是否正常.將紅外圖像灰度化處理后，利用其紋理特征來表征絕緣子之間的差異，圖像紋理表現(xiàn)為二維空間的灰度變化模式，是一種區(qū)域特征，反映圖中各像素之間空間分布的特性[16]，如方差H1、熵H2和平均梯度H3.

3.3相對溫差率判斷法

絕緣子在串中的位置不同所承載的電壓也不同，環(huán)境溫度也會影響紅外診斷的結(jié)果，當環(huán)境溫度低，尤其是承載電壓小時，設(shè)備的溫度值雖未超過相關(guān)標準，但在電壓增長或環(huán)境溫度上升后，會引發(fā)設(shè)備故障.可使用相對溫差法解決上述問題.該方法是指同串中的某絕緣子與環(huán)境溫度的溫差（即溫升）與相鄰絕緣子的溫升之比的百分數(shù)，相對溫差率的計算如式：

3.4輔助判別法

盡管紅外診斷是一種先進的診斷方法，上述各種判別方法也可以從不同的角度提高診斷的準確性，但是有些絕緣子的內(nèi)部故障用紅外成像很難診斷，因此需要一種可靠性高的檢測方法（如電壓分布法等）來對上述方法的準確性進行測試.由于該方法需要登桿作業(yè)，費時費力，只能作為一種對上述檢測方法進行實時校正的輔助方法，從而將校驗后的方便、準確模型應(yīng)用于現(xiàn)場絕緣子的檢測中.

4結(jié)果分析

上述分割方法抗干擾性強，為了驗證本文方法的有效性，具體分析了一個試驗算例，提取結(jié)果如

圖2所示.并另外隨機選取了江西省某地區(qū)2個220 kV變電

站（白沙站和珠珊站）的各50張現(xiàn)場拍攝的復(fù)雜背景的紅外絕緣子圖像和試驗圖像50張，利用本文的提取方法批量進行絕緣子盤面和鐵帽區(qū)域的提取，其正確提取率都在90%以上.表1為本文方法從試驗算例中提取出的鐵帽區(qū)域特征集和識別結(jié)果.

根據(jù)隨機選取的30張現(xiàn)場紅外圖像和10張試驗紅外圖像分析可得以下結(jié)論：

1）良好絕緣子串的發(fā)熱溫度分布于其電壓分布規(guī)律基本相同，呈不對稱的馬鞍形.當絕緣子串中含有低值絕緣子時，其絕緣子的承載電壓將降低，且由于自身阻值的大大減小，低值絕緣子的發(fā)熱遠大于良好絕緣子的發(fā)熱.如圖3所示.