一种绝缘子自爆检测方法与流程

本发明涉及一种绝缘子自爆检测方法，属于算机视觉与输电线路巡检领域。

背景技术：

近年来，随着科技社会的快速发展，各行各业对电网的需求日益增加，电网的安全运行也成为了国民经济稳定发展的重中之重，而输电线路作为电网稳定运行的重要组成部分，承担着功不可没的作用。绝缘子作为输电线路中的重要部件，长期暴露在荒山野岭人烟稀少的地区，承受着各种恶劣天气的侵蚀，加快了绝缘子的老化过程，也很容易导致绝缘子出现“自爆”缺陷，破坏电网的稳定运行，造成极大的安全损失和隐患。因此，及时确定自爆绝缘子的缺陷位置，保障电网的安全运行，具有非常重要的实用价值和社会效益。

传统的人工巡检方式效率低、困难大、危险系数高且实时性较差，在环境恶劣的天气里或者跨山跨江的高空区域，巡检人员根本无法现场实地观测，很容易造成漏检误检，无法满足电力巡检的全面性和实时性。

技术实现要素：

本发明是提供一种绝缘子自爆检测方法，可安全及时地确定自爆绝缘子的缺陷位置。

为达到上述目的，本发明所采用的技术方案是：一种绝缘子自爆检测方法，其特征在于，包括以下步骤：采集绝缘子串图像并对所述图像进行预处理；图像经过预处理后，提取绝缘子的主轴像素和伞裙像素，以提取到的主轴像素形成主轴l，以主轴l为界，将位于主轴l同一侧的伞裙像素设为一组；取其中一组伞裙像素，计算相邻两个伞裙像素点之间的距离差值disi；依据所述距离差值disi生成柱状图，判断绝缘子串是否有自爆缺陷。

进一步地，所述获取绝缘子串图像并对所述图像进行预处理包括以下步骤：通过无人机采集绝缘子串图像；将采集到的图像通过yolov3网络进行训练测试，标出绝缘子串检测框；通过绝缘子串检测框与grabcut分割算法对采集到的图像进行分割。

进一步地，所述提取绝缘子的主轴像素和伞裙像素包括以下步骤：预处理后，选取绝缘子骨架区域内的像素点，判断像素点的八邻域内与该像素点灰度值相同的像素点的数量，若只有一个，则该像素点为绝缘子的主轴像素或伞裙像素，使用霍夫直线检测方法提取出绝缘子的主轴。

进一步地，计算相邻两个像素点之间的距离差值包括以下步骤：使用冒泡排序算法将伞裙像素点按照横坐标依次排序；根据排序后的伞裙像素点，计算相邻两个伞裙像素点之间的距离差值。

进一步地，所述判断绝缘子串是否有自爆缺陷包括以下步骤：计算距离差值disi的平均值根据距离差值disi和平均值的大小关系，判断绝缘子串是否有自爆缺陷：若则绝缘子存在自爆缺陷。

进一步地，所述方法还包括对有自爆缺陷的绝缘子进行定位。

进一步地，所述对有自爆缺陷的绝缘子进行定位包括以下步骤：记录有自爆缺陷的距离差值，提取所述距离差值对应的两个相邻像素点坐标；根据所述两个相邻像素点坐标计算缺陷检测框信息，由所述缺陷检测框信息对有自爆缺陷的绝缘子进行定位。

进一步地，所述缺陷检测框信息包括缺陷检测框的宽度w、高度h、延伸方向以及缺陷检测框的起点坐标。

进一步地，所述缺陷检测框的延伸方向和起点坐标由以下步骤确定：

若主轴l的斜率k＞0，缺陷检测框由起点坐标开始向x坐标轴正方向延伸，缺陷检测框的起点坐标可以表示为：

若主轴l的斜率k＜0，缺陷检测框由起点坐标开始向y坐标轴正方向延伸，缺陷检测框起点位于(xt,yt)左下角，检测框的起点坐标可以表示为：

其中，(x，y)为缺陷检测框的起始坐标，(x't,y't)与(xt,yt)关于主轴l对称，distt为像素点(xt,yt)距离主轴l的距离，dist为像素点(xt,yt)与(xt+1,yt+1)的距离。

本发明利用无人机，实现电力线区域多角度多场景的远近距离巡检拍摄，能够获取全面的绝缘子信息，降低了昏暗天气，强弱光照对绝缘子区域检测的影响，实时性强，稳定性高；

本发明可对不同颜色、不同种类、不同距离拍摄的绝缘子的进行分割与定位，覆盖面广，巡检效率高，具有极高的应用价值；

本发明提出的基于骨架提取的相邻伞裙间距判定方法，降低了因绝缘子拍摄远近问题引起的缺陷位置定位误差，可以精确地判断出缺陷所在的位置区域，实现绝缘子自爆缺陷的精准定位，为巡检工作人员提供便利。

附图说明

图1为本发明实施例提供的一种绝缘子自爆检测方法的流程示意图；

图2为本发明实施例中提取出的绝缘子的主轴像素和伞裙像素示意图；

图3为本发明实施例中距离差值柱状图；

图4为本发明实施例中缺陷检测框位置示意图。

具体实施方式

为了更好的理解本发明的实质，下面结合具体实施例和附图对本发明作进一步的阐述。

本发明基于骨架提取的相邻伞裙间距判定方法，可以精确地判断出缺陷所在的位置区域，并实现绝缘子自爆缺陷的精准定位，为巡检工作人员提供便利，具体步骤如图1所示：

步骤1，采集绝缘子串图像并对所述图像进行预处理。

1.无人机搭载的相机获取现场绝缘子串图像。

2.yolov3网络训练：首先将原始绝缘子自爆的图像像素统一归一化处理成416×416规格大小；采用labelimg标注工具标注具有自爆缺陷的绝缘子图像，形成自爆绝缘子数据集；设置相应的模型训练迭代次数来初始化模型，设置好分布学习率来搭建yolov3模型进行训练。

3.将无人机在现场实时拍摄的绝缘子串图像导入已经训练好的yolov3网络进行训练测试，标出绝缘子串检测框，实现绝缘子串的精确定位。

4.结合绝缘子串检测框使用grabcut分割算法对采集到的绝缘子串图像进行细分割，获得绝缘子区域分割结果图。

1)获取绝缘子检测框的信息，框出绝缘子目标区域trimap，框内像素视为“疑似目标”像素tin，框外的所有像素视为背景像素tout，初始化tin、tout内部的每一个像素，标记tin为前景类，初始化标签为in＝1，tout为背景类，初始化标签为in＝0；

2)将“疑似目标”像素tin和背景像素tout分为m个聚类，初始化每个聚类中的颜色高斯分量，形成具有m个高斯分量的混合高斯模型(gmm)；

3)分别为tin和tout中的每一个像素分配相应gmm的高斯分量，tin中的像素分配tin的gmm中可能性最大的高斯分量，tout中的像素分配tout的gmm中可能性最大的高斯分量；

4)根据步骤3)分配的聚类重新计算gmm的参数再更新迭代gmm；

5)计算权值t-links和n-links,形成一个结果图，即疑似目标与背景的分割结果。其中，t-links表示图像中的像素隶属于前景或者背景的概率大小，n-links表示相邻像素之间的惩罚系数，t-links与n-links随着迭代次数的变化而变化；

6)重复迭代3)-5)，直至分割效果达到预期效果，即可完成绝缘子的精细分割。

步骤2，从绝缘子区域分割结果图中，提取绝缘子的主轴像素点和伞裙像素点。

图像经分割后，选取绝缘子骨架区域内的像素点，判断像素点的八邻域内与该像素点灰度值相同的像素点有几个，若只有一个，则该像素点即为绝缘子骨架的端点。绝缘子骨架的端点包括伞裙像素点和主轴像素点。使用霍夫直线检测方法检测出绝缘子骨架的主轴。

1.将绝缘子区域分割结果图进行腐蚀细化，不断迭代直至当前的腐蚀过程不需要腐蚀新的像素点，即完成绝缘子的骨架细化提取；

2.在骨架提取的过程中，判断像素点的八邻域内与该像素点灰度值相同的像素点有几个，若只有一个，该像素点即为绝缘子骨架的端点，记为(x1,y1),(x2,y2),...,(xn,yn)，将这些端点像素点存入向量vec＝{(x1,y1),(x2,y2),...,(xn,yn)}中，vec中的点即是绝缘子骨架的端点；

3.利用霍夫直线检测算法检测出绝缘子主轴的所有直线l1,l2,...,ls，计算出每条直线的斜率k1,k2,...,ks和截距b1,b2,...,bs，分别计算两两直线之间的夹角大小保留相邻夹角tanθi,i-1与tanθi,i+1都最小的直线li，li即是绝缘子的主轴l，l的斜率为k截距为b。

步骤3，以主轴l为界，将位于主轴l同一侧的伞裙像素设为一组，取其中一组伞裙像素，计算相邻两个伞裙像素点之间的距离差值disi。

1.如图2所示，把检测出的所有伞裙端点像素按照主轴l分为上侧一组，下侧一组，使用冒泡排序算法分别将上下两组的像素点按照横坐标从小到大的顺序依次排序，舍去上下两侧像素点中与主轴距离较近的主轴像素，保留剩余像素点，即是伞裙像素。

1)依次将绝缘子端点组合向量vec中所有像素点的横坐标xi(1≤i≤n)代入主轴l中进行计算，判断像素点纵坐标yi(1≤i≤n)与主轴l的纵坐标y的大小，其中，yi和y通过公式(1)计算得到：

2)如果yi＞y，则像素点(xi,yi)位于主轴l的下方，将该像素点(xi,yi)存入向量retdown中；如果yi＜y，则像素点(xi,yi)位于主轴l的上方，将该像素点(xi,yi)存入向量retup中；

3)根据retup与retdown中像素点的横坐标大小xi用冒泡排序法按从小到大的顺序依次排序，排序后两两相邻的像素点即是绝缘子相邻伞裙的端点，且retup与retdown中的像素点依次对应，表示主轴两侧同一伞裙的左右端点；

4)计算重新排序后的retup中所有像素点与主轴l的距离dist，求出所有距离的均值若其中有像素点到主轴的距离则该像素点(xj,yj)就是主轴的端点，舍去该像素点，剩下其他的像素依旧保留在原向量组retup中。

2.计算单侧两两相邻像素点之间的距离差值

选择retup中两两相邻像素点的坐标值(xi,yi)与(xi+1,yi+1)分别投射到二维坐标系中的横坐标中，再计算相邻像素点(xi,yi)与(xi+1,yi+1)之间的距离差值

步骤4，将该距离差值投射到二维坐标系中构成柱状图，如图3所示，判断是否存在绝缘子自爆缺陷：

1)将disi的数值投射到对应的纵坐标位置，计算机自动生成绝缘子相邻伞裙距离差值柱状图；

2)计算所有距离差值disi的平均值根据判断每个区域的高度值dist与距离均值之间的大小来判断绝缘子串是否有自爆缺陷：

若则绝缘子存在自爆缺陷。

步骤5，对有自爆缺陷的区域进行标记定位，实现绝缘子的自爆缺陷检测与定位：

绝缘子存在自爆缺陷，则此处即是绝缘子自爆的区域dist，记录该区域dist对应的两个相邻像素点，将其记录成(xt,yt)和(xt+1,yt+1)，保留(xt,yt)。根据两个相邻像素点坐标计算缺陷检测框信息(x,y,w,h)，由缺陷检测框信息对有自爆缺陷的绝缘子进行定位。缺陷检测框信息包括缺陷检测框的宽度w、高度h、延伸方向以及缺陷检测框的起点坐标。

1)自爆缺陷的位置处在(xt,yt)与(xt+1,yt+1)之间，该区域的距离差值为dist；

2)判断主轴l方向：若主轴l的斜率k＞0，则缺陷检测框的方向由起点坐标开始向x坐标轴正方向延伸；若主轴l的斜率k＜0，则缺陷检测框的方向由起点坐标开始向y坐标轴正方向延伸如图4所示；

3)像素点(xt,yt)距离主轴l的距离为distt，像素点(xt,yt)与(xt+1,yt+1)的距离为dist，标注绝缘子自爆区域检测框的宽度为w＝2.4distt，高度为h＝0.6dist，缺陷检测框的起点坐标与主轴l的方向有关。

4)缺陷检测框的起点坐标的判断方法：

若主轴l的斜率k＞0，缺陷检测框由起点坐标开始向x坐标轴正方向延伸，缺陷检测框的起点坐标可以表示为：：

若主轴l的斜率k＜0，缺陷检测框由起点坐标开始向y坐标轴正方向延伸，缺陷检测框起点位于(xt,yt)左下角，检测框的起点坐标可以表示为：

其中，(x，y)为缺陷检测框的起始坐标，(x't,y't)为retdown里的像素点，与retup中的像素点(xt,yt)构成第t个绝缘子伞裙的左右两侧，(x't,y't)与(xt,yt)关于主轴l对称。

4)得出绝缘子自爆检测框的信息为(x,y,w,h)，标注在原始绝缘子图像中，即可实现绝缘子的自爆位置的精准定位。

应当指出，虽然通过上述实施方式对本发明进行了描述，然而本发明还可有其它多种实施方式。在不脱离本发明精神和范围的前提下，熟悉本领域的技术人员显然可以对本发明做出各种相应的改变和变形，但这些改变和变形都应当属于本发明所附权利要求及其等效物所保护的范围内。