基于改進(jìn)GA-KSW熵法的無人機(jī)拍攝絕緣子故障識別

呂澤卿，付興建，張世卓

(1.北京信息科技大學(xué)自動化學(xué)院，北京 100192；2.北京信息科技大學(xué)機(jī)電工程學(xué)院，北京 100192)

0 前言

絕緣子在輸電線路中是非常重要的器件，可以起到絕緣和支撐的作用，因此定期檢查絕緣子狀態(tài)對整個電網(wǎng)安全穩(wěn)定高效運(yùn)行有重要的意義。由于絕緣子長時間暴露在大自然中，再加上制作時工藝水平不高以及人為破壞等因素，難免會發(fā)生一些故障，其中自爆問題是最常見且尤為嚴(yán)重的一種，會對整個電網(wǎng)正常運(yùn)行造成很大的影響。傳統(tǒng)的人工檢測勞動強(qiáng)度大、效率低、周期長、危險性高，無人機(jī)的應(yīng)用在一定程度上可以避免傳統(tǒng)人工檢測的缺點(diǎn)，與圖像處理、計(jì)算機(jī)視覺技術(shù)結(jié)合，一定會成為未來巡檢技術(shù)的重點(diǎn)和熱點(diǎn)。

韓正新等基于無人機(jī)拍攝實(shí)現(xiàn)了輸電線路絕緣子的自爆故障檢測和定位。劉正庭等提出基于分水嶺算法對絕緣子串紅外圖像進(jìn)行分割，對500、220、110 kV絕緣子串都有效，但計(jì)算量大。遺傳算法廣泛應(yīng)用在圖像分割領(lǐng)域。張建立等利用遺傳算法對礦石圖像進(jìn)行分割，與人工識別結(jié)果相當(dāng)，促進(jìn)了整個過程的智能化。王艷和祁萌設(shè)計(jì)了一種基于遺傳算法和閾值分割的對夜間蘋果的識別方法，一定程度上提高了識別精確率和速度。唐長明等將自適應(yīng)遺傳算法和二維最佳熵閾值確定法(KSW熵法)相結(jié)合，對超聲紅外熱像缺陷進(jìn)行識別。

遺傳算法也被應(yīng)用在絕緣子方面。DOUFENE等將遺傳算法與電場有限元法和泄漏電流密度計(jì)算相結(jié)合，優(yōu)化了絕緣子形狀，當(dāng)污染物沉積在帽針式絕緣子的高壓端附近時，優(yōu)化后的形狀比現(xiàn)有等效單元有更好的性能。林胤戎和龍?jiān)撇ɡ梦⒎诌z傳算法對支柱絕緣子進(jìn)行優(yōu)化，新絕緣子在電氣性方面得到改善。但基于遺傳算法的絕緣子圖像分割應(yīng)用甚少。

文獻(xiàn)[11-12]通過計(jì)算絕緣子的中心坐標(biāo)和區(qū)域坐標(biāo)定位自爆故障，這是基于拍攝的絕緣子是正視等間距的，但在實(shí)際拍攝過程中可能會有斜視不等距情況，這就使得以上算法有了局限性。

針對以上問題，本文作者先設(shè)計(jì)無人機(jī)整體構(gòu)架，然后將遺傳算法結(jié)合KSW熵法用于絕緣子分割，用形態(tài)學(xué)處理后得到純凈絕緣子串，用所設(shè)計(jì)的擬合算法進(jìn)行絕緣子應(yīng)有位置推測，從正視圖和斜視圖對絕緣子自爆故障進(jìn)行識別。結(jié)果表明，該算法分割精度高、速度快，為絕緣子故障識別提供了新思路。

1 無人機(jī)構(gòu)架設(shè)計(jì)

無人機(jī)使用了超聲波測距傳感器、激光雷達(dá)傳感器、交流電場感應(yīng)器、加速度傳感器、陀螺儀。其中，超聲波測距傳感器與激光雷達(dá)傳感器均用于檢測無人機(jī)與障礙物之間的距離。交流電場感應(yīng)器用于檢測高壓線周圍電場強(qiáng)度，決定無人機(jī)與高壓線間安全距離。加速度傳感器和陀螺儀用于輔助無人機(jī)矯正空中飛行姿態(tài)?？刂破髋c電調(diào)等動力系統(tǒng)采用獨(dú)立供電電池，以保證控制系統(tǒng)的穩(wěn)定性。由于無人機(jī)在空中飛行，其信號射頻功率比手機(jī)的射頻功率略大，使用多組射頻天線與波束干涉矯正技術(shù)提高互聯(lián)網(wǎng)連接的可靠性。

主系統(tǒng)控制飛行時會獲取全球定位系統(tǒng)(Global Position System，GPS)模塊和攝像頭的信號以便自主導(dǎo)航至服務(wù)器命令中的位置。由于GPS定位存在精確性問題，當(dāng)接近目標(biāo)位置時，將攝像頭的影像通過websocket傳遞給服務(wù)器，服務(wù)器中的機(jī)器視覺服務(wù)器精確地控制無人機(jī)的飛行方向，使無人機(jī)逐漸接近線纜。當(dāng)無人機(jī)的距離與電纜達(dá)到預(yù)設(shè)距離時，無人機(jī)懸停，服務(wù)器指揮無人機(jī)擺正姿態(tài)拍攝視頻，服務(wù)器截取視頻流中的圖像并使用所提的絕緣子自爆故障識別算法進(jìn)行分析，然后服務(wù)器指揮無人機(jī)返航。

另外，由于無人機(jī)工作在高壓線附近，引入看門狗(WatchDog)機(jī)制，以免無人機(jī)主系統(tǒng)和子系統(tǒng)因電磁干擾而宕機(jī)。為減少電機(jī)啟動引起的電流脈沖對控制系統(tǒng)的干擾，無人機(jī)的控制系統(tǒng)(主系統(tǒng)、子系統(tǒng)以及WatchDog)與動力系統(tǒng)使用獨(dú)立電源供電。

2 改進(jìn)遺傳算法與KSW熵法結(jié)合及形態(tài)學(xué)處理

2.1 改進(jìn)遺傳算法

(1)改進(jìn)選擇法。傳統(tǒng)遺傳算法利用輪盤賭的方法進(jìn)行選擇操作，個體適應(yīng)度越大，被選中的概率也越大，這樣會因適應(yīng)度大的個體競爭力突出而控制選擇過程，使算法的全局優(yōu)化性能降低。采用精英選擇法代替輪盤賭法,即當(dāng)種群進(jìn)化到前1/3代時，用上一代中適應(yīng)度大于當(dāng)前代的個體隨機(jī)代替當(dāng)前代中的個體；當(dāng)種群進(jìn)化到中間段時，用上一代中適應(yīng)度大于當(dāng)前代的個體代替當(dāng)前代中的最差個體；當(dāng)種群進(jìn)化到最后1/3代時，用上一代中1/2優(yōu)秀的個體代替當(dāng)前代中的最差的1/2個體，加快尋優(yōu)過程。

(2)改進(jìn)交叉和變異算子。交叉和變異是生成新種群最主要的方法，同時會使遺傳算法的搜索能力大大提高，在傳統(tǒng)遺傳算法中，交叉概率和變異概率是固定不變的，取值范圍為0.4～0.99，取值范圍為0.000 1～0.1,這樣會使所有個體經(jīng)過相同概率的交叉和變異操作，不利于圖像閾值的最優(yōu)解搜索, 效率和效果都會有所降低。

為避免出現(xiàn)上述問題，對交叉概率和變異概率進(jìn)行優(yōu)化，改進(jìn)后的自適應(yīng)遺傳算子、設(shè)置如下:

(1)

(2)

其中：取0.9，為最大交叉率；取0.1，為最大變異率；為當(dāng)代群體平均適應(yīng)度值；為當(dāng)代群體最大適應(yīng)度值；為當(dāng)代待交叉染色體對中的較大適應(yīng)度；為待變異個體的適應(yīng)度。通過這樣設(shè)置可以使交叉概率和變異概率自適應(yīng)地進(jìn)行調(diào)整，在前期獲得更多新的個體，提高搜索效率，后期可以保留優(yōu)秀個體，加快收斂，避免陷入局部最優(yōu)。

2.2 改進(jìn)GA與KSW熵法結(jié)合

KSW熵為前景熵與背景熵之和，可用于圖像分割，最大的灰度即為最佳閾值。對于灰度范圍為{0,1,…,-1}的直方圖,其計(jì)算式為

(3)

式中：為第個灰度級出現(xiàn)的概率。設(shè)閾值(0≤≤-1)將圖像分為目標(biāo)和背景兩部分,則令：

(4)

(5)

分為目標(biāo)0和背景1兩部分后,這兩部分概率分布為

(6)

(7)

目標(biāo)熵()和背景熵()分別為

(8)

(9)

圖像總熵()為()與()之和，即:

(10)

設(shè)為最佳閾值，表示為

(11)

KSW熵法產(chǎn)生的最佳閾值，可以使圖像中的分割目標(biāo)與背景分布的信息量最大，從而較好地區(qū)分目標(biāo)和背景，因此用式(11)作為遺傳算法適應(yīng)度函數(shù)，來判斷每一代經(jīng)過選擇、交叉、變異后的個體的優(yōu)劣程度。改進(jìn)GA-KSW熵法可以在縮短尋找最佳閾值時間的同時使分割效果更好。

2.3 數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)有4種基本運(yùn)算，包括腐蝕運(yùn)算、膨脹運(yùn)算、開運(yùn)算和閉運(yùn)算。腐蝕處理后噪聲和孤立像素點(diǎn)或像素塊被消除，膨脹處理后正好和腐蝕相反。將集合和集合定義在空間上，為待處理絕緣子圖像，為結(jié)構(gòu)元素。

使用對進(jìn)行腐蝕，記為Θ，定義為

Θ={|()?}

(12)

使用對進(jìn)行膨脹，記為⊕，定義為

(13)

開運(yùn)算是先對目標(biāo)圖像進(jìn)行腐蝕后進(jìn)行膨脹的運(yùn)算，目的是消除一些比結(jié)構(gòu)元素小的孤立圖像點(diǎn)。閉運(yùn)算是對目標(biāo)圖像進(jìn)行膨脹后進(jìn)行腐蝕的運(yùn)算，目的是填補(bǔ)圖像中出現(xiàn)的漏洞，加強(qiáng)圖像的完整性和連通性。開運(yùn)算定義為(⊕)Θ，閉運(yùn)算定義為(Θ)⊕。

3 絕緣子自爆故障識別

得到純凈的絕緣子串后，即可使用文中的檢測算法進(jìn)行絕緣子的自爆故障判斷。由于無人機(jī)可以多角度拍攝絕緣子，當(dāng)拍攝的絕緣子不是正視圖時，每兩個絕緣子之間的距離可能不等距，針對這個問題，設(shè)計(jì)線性方程去擬合每個絕緣子的間距，從而實(shí)現(xiàn)對任意角度拍攝絕緣子的自爆故障識別。線性方程如下：

=-1+(-1)+

(14)

其中：初始值為0；初始值為1。步驟如下：

步驟1，將第一個絕緣子的坐標(biāo)代入擬合的線性方程中，得到～等個假想的絕緣子坐標(biāo);

步驟2，計(jì)算～每一個假想絕緣子坐標(biāo)與真實(shí)對應(yīng)絕緣子中心坐標(biāo)之差的平方，然后相加求和作為損失函數(shù)Loss；

步驟3，計(jì)算Loss對、的偏導(dǎo)數(shù)，即可算出梯度grad；

步驟4，使用負(fù)梯度乘學(xué)習(xí)率后與、相加可實(shí)現(xiàn)梯度下降的優(yōu)化，學(xué)習(xí)率為0.001；

步驟5，通過循環(huán)迭代即可完成訓(xùn)練。

4 實(shí)驗(yàn)結(jié)果與分析

灰度化可以提高圖像識別處理速度，減少圖像矩陣占用內(nèi)存。根據(jù)重要性以及其他指標(biāo)，將3個分量以不同權(quán)值進(jìn)行加權(quán)平均。由于人眼對綠色最敏感，而對藍(lán)色最不敏感，因此根據(jù)式(14)，對RGB三分量進(jìn)行加權(quán)平均，得到較合理的灰度圖像:

(,)=0.299(,)+0.587(,)+0.114(,)

(15)

將絕緣子彩色圖像轉(zhuǎn)換為灰度圖像，如圖1所示。

圖1 圖像灰度化

為比較傳統(tǒng)遺傳算法、傳統(tǒng)GA-KSW熵法、改進(jìn)GA-KSW熵法對正視等距和斜視不等距絕緣子圖像的分割效果，在Windows10操作系統(tǒng)、MATLAB 2018a開發(fā)環(huán)境下進(jìn)行仿真實(shí)驗(yàn)。遺傳算法的初始參數(shù)設(shè)置為:染色體長度為10，種群大小為10，交叉概率、變異概率分別為0.8、0.1，最大代數(shù)為100。分割結(jié)果分別如圖2、圖3所示?？芍瑐鹘y(tǒng)遺傳算法明顯存在著欠分割，傳統(tǒng)GA-KSW熵法分割的結(jié)果噪聲較多，改進(jìn)GA-KSW熵法在保證絕緣子分割盡可能完整的情況下噪聲最小，分割效果明顯優(yōu)于前兩種。

圖2 正視等距絕緣子圖像分割效果

圖3 斜視不等距絕緣子圖像分割效果

為進(jìn)一步驗(yàn)證改進(jìn)GA-KSW熵法的有效性，統(tǒng)計(jì)3種算法最佳閾值搜索時間。由于遺傳算法分割具有隨機(jī)性，每次分割結(jié)果和時間都會不同。因此，文中分別用它進(jìn)行20次分割，正視、斜視時尋找最佳閾值的時間結(jié)果分別如表1、表2所示。

表1 正視時尋找最佳閾值時間對比結(jié)果

表2 斜視時尋找最佳閾值時間對比結(jié)果

從表1、表2可以看出:改進(jìn)GA-KSW熵法分割速度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)遺傳算法，平均用時提升約75%；相比傳統(tǒng)GA-KSW熵法，雖然犧牲一些時間，但在允許范圍內(nèi)，而且分割效果最好。

依次對圖2(d)、圖3(d)進(jìn)行開、閉運(yùn)算，消除圖中小塊干擾和其他干擾，結(jié)果分別如圖4、圖5所示。

圖4 對圖2(d)進(jìn)行形態(tài)學(xué)處理

圖5 對圖3(d)進(jìn)行形態(tài)學(xué)處理

在OpenCV、VS2019環(huán)境下對不同拍攝角度絕緣子進(jìn)行自爆缺陷識別，表3—表6給出了絕緣子中心點(diǎn)具體數(shù)值變化。其中，表3、表5所示真實(shí)絕緣子數(shù)值發(fā)生了突變，證明發(fā)生了絕緣子缺陷。

表3 正視等距有缺陷絕緣子擬合值、真實(shí)值對比

表4 正視等距無缺陷絕緣子擬合值、真實(shí)值對比

表5 斜視不等距有缺陷絕緣子擬合值、真實(shí)值對比

表6 斜視不等距無缺陷絕緣子擬合值、真實(shí)值對比

圖6、圖7所示為絕緣子的自爆故障定位，采用紅色框標(biāo)記絕緣子自爆位置。實(shí)驗(yàn)發(fā)現(xiàn)，文中算法對任意拍攝角度的絕緣子自爆故障識別效果都很好。

圖6 不重疊絕緣子自爆故障定位

圖7 重疊絕緣子自爆故障定位

5 結(jié)束語

絕緣子的故障嚴(yán)重影響整個電網(wǎng)的正常運(yùn)行，為此提出了一種絕緣子自爆故障識別算法，為及時搶修絕緣子故障提供了保障。利用改進(jìn)遺傳算法和KSW熵法結(jié)合對絕緣子進(jìn)行分割，然后用形態(tài)學(xué)處理，改善分割效果，具有較好的分割精度和分割速度。考慮到拍攝絕緣子角度的不同，相鄰無缺陷絕緣子之間的距離可能也不相等，因此設(shè)計(jì)線性方程擬合每個絕緣子的間距，使得絕緣子的自爆故障識別更有普遍性。文中方法能有效地從無人機(jī)拍攝的圖像中提取出絕緣子，并能識別出絕緣子自爆故障的位置，在無人機(jī)巡檢和智能故障識別方面有較好的應(yīng)用前景。