摘要：绝缘子片碎裂会导致设备绝缘性能降低，容易引发停电事故。针对绝缘子片的碎裂缺陷，提出一套基于OpenCV的绝缘子片碎裂缺陷检测定位方法。该方法可通过对绝缘子片的日常巡视图像，利用块边缘模式进行图像模板定位的方法对巡视图像中绝缘子片的准确定位与分析识别，实现对图像中有无绝缘子片碎裂缺陷的检测和定位。经测试，该方法准确率较高，速度较快，具有一定的应用价值。
关键词：绝缘子片；碎裂缺陷检测；OpenCV
引言
绝缘子是一种特殊的绝缘控件，安装在不同电位的导体或导体与接地构件之间，实现电气绝缘和机械固定[1]。绝缘子片碎裂，其绝缘性能降低，会造成绝缘击穿，进而会损坏整条线路的使用，在下雨天气，雨水沿裂纹浸入绝缘子内部，可能会引起闪络放电，导致绝缘子炸裂，造成停电事故。因此，绝缘子片的碎裂会影响电网的安全稳定运行。
目前，针对绝缘子片碎裂缺陷的巡视，输电线路主要是运用无人机进行，而变电站是主要运用智能巡检机器人进行。但这两种巡视方法都是在拍摄照片后，人工对照片进行判定是否存在绝缘子片碎裂缺陷。其中变电站智能巡检机器人系统巡视基本能实现拍照、数据读取和红外测温三大功能，暂未具有识别绝缘子片碎裂的功能[2]。
因此，本文将基于OpenCV，提出专门针对绝缘子片的日常巡视图像进行的图像识别方法。该方法通过对巡视图像进行预处理，使用平方差匹配法的方法，对图像中绝缘子串上的所有绝缘子片进行模板定位，设定图像分析处理区域，从而对所有绝缘子片进行碎裂缺陷的检测和定位。经实际运行测试发现，该方法能够对存在碎裂缺陷的绝缘子片进行准确定位。
（1）图像预处理
如图1所示，由于绝缘子片多数是处于室外高压场，并且位于高处的构架上，巡视图像易受太阳光线的强弱及天空中的云等影响，使绝缘子片出现反光等现象，导致在巡视图像中部分绝缘子片失去该有的形状特征，因此需对巡视图像进行预处理，平衡图像中的光照强度，突出图像中的绝缘子片，有利于接下来的图像分析处理。
图1 绝缘子片的巡视图像
（2）图像模板定位
由于绝缘子片形状具有一定的纹理性特征，在巡视图像中，每一块含有绝缘子片的图像块中都具有独特的块边缘模式[3]，因此可通过对含有绝缘子片的适当大小图像块进行模板匹配定位，可以实现对绝缘子串的所有绝缘子片的准确定位。
2.1选取绝缘子片块模板
通过对正常绝缘子片的巡视图像中进行截取，截取的模板图像如图2所示，截取模板图像块的大小根据巡视图像中绝缘子片之间的距离确定。
图2 截取的绝缘子片模板图像
2.2 进行绝缘子片定位
运用OpenCV中的平方差匹配法（method=TM_SQDIFF）对巡视图像进行循环的模板定位，公式如下：
式中：x，y分别为图像中的像素坐标，R（x，y）代表图像之间每个像素对应的匹配值。若匹配越差，匹配值则越大。因此可通过匹配值来设定相似度，对巡视图像中所有与模板图像块相似的图像块进行定位，获得每个绝缘子片的准确位置。对匹配到的相似图像块，取图像块的Xmin，Xmax，Ymin，Ymax进行“画框”操作，如图3所示。图4、图5分别为正常和存在碎裂缺陷的绝缘子片巡视图像的处理完成图。
图3 图像画框操作
图4 正常的绝缘子片巡视图像的定位图
图5 存在碎裂缺陷的绝缘子片巡视图像的定位图
（3）缺陷分析判定
在对绝缘子串巡视图像中的绝缘子片进行准确定位后，可将巡视图像进行固定阈值化操作（Threshold()函数），公式如下：
式中：thresh为固定的阈值，将图像中像素点的灰度值与阈值进行比较，高于阈值则将该像素点的灰度值设定为“0”（黑色），其他像素点的灰度值设定为“255”（白色）。将存在碎裂缺陷的绝缘子片巡视图像进行阈值化，如图5所示。
图5 阈值值化操作后的图像
图6 绝缘子片碎裂检测算法
可以看出，阈值化操作完成后的巡视图像中，碎裂绝缘子片的图像块在阈值化后，相比正常绝缘子片图像块缺少了较多的黑像素点，因此可通过图6的算法流程，设定黑像素点范围值K，通过比较，就可以准确判定出存在碎裂绝缘子片的图像块。实现的效果图如图7所示，绝缘子片碎裂位置用矩形框标出。
图7 最终效果图
3 测试结果分析
本文将广东湛江某500kV变电站的智能巡检机器人拍摄采集到的40幅绝缘子片碎裂缺陷巡视图像作为样本进行算法测试。但其中有12幅图像因拍摄角度原因，对绝缘子片碎裂处有大部分的重叠和阻挡，算法没有成功识别出绝缘子片碎裂缺陷；剩下的巡视图像满足绝缘子碎裂缺陷识别算法，能够对图像中的绝缘子片进行精准定位。故本方法对巡视图像中绝缘子碎裂缺陷的检测成功率是 70%，单张图像算法平均处理时间为502 ms。
4 结语
针对绝缘子片碎裂缺陷隐患，本文设计了基于OpenCV的绝缘子片碎裂缺陷检测定位方法。该方法运用OpenCV中的图像处理函数，对绝缘子片的巡视图像进行图像预处理，图像模板定位以及图像阈值化操作，从而准确分析并定位出巡检图像中绝缘子片的碎裂缺陷。通过测试，这一研究，有效取代了人工对巡视图像的肉眼识别，解决了人工分析巡视图像工作量大且受人为因素影响较大的问题，提高了巡视图像分析效率，有效提升绝缘子片巡视工作质量。
参考文献
[1]中国电力出版社《中国电力百科全书》编辑部 编.中国电力百科全书•输电与配电卷.北京：中国电力出版社.2001.第358-359页
[2]胡冬良,丁敬,黄继荣,等.智能巡检机器人在变电运维工作中的改进及应用[J].浙 江 电 力,2017,36(8):26-34.
[3]石丽.输电线路绝缘子缺陷围像检测方法[D].北京:华北电力大学,2013.
论文作者:翁书文,李祥麟,许艳婷,李专,廖颖欢,蒋平
论文发表刊物:《电力设备》2019年第8期
论文发表时间:2019/9/19
标签：绝缘子论文; 图像论文; 缺陷论文; 阈值论文; 方法论文; 模板论文; 像素论文; 《电力设备》2019年第8期论文;