（1江苏省送变电公司 江苏 南京 210000；2南京银行 江苏 南京 210000）
摘要：无人机巡检以准确和安全等特点逐渐成为特高压输电线路巡检的重要方式。本文采用先让无人机按照一定的路线采集线路、杆塔全程图像，事后分析处理图像、寻找输电线路的故障和缺陷的新型巡检方式,使用图像处理技术处理采集到的图像, 提高线路巡检的自动化水平和无人机巡检的质量,并基于BP神经网络,使用用Matlab对其进行实验验证。
关键词：图像处理技术；特高压输电线路；无人机巡检；Matlab； BP神经网络
1、无人机的图像处理技术
巡检图像处理流程如图1 所示。CCD(charge coupled device)包括：可见光数码相机、数码摄像机摄像机以及红外照相机；差分全球定位系统(difference global positioning system，DGPS)设备安装在无人机内部，提供无人机的方位信息，并应用差分动态定位技术进行定位。
目前，图像处理技术在电力巡检中的应用历史还很短，国内外研究成果还不多，国外研究成果主要集中在图像采集的稳定性和图像质量的改善上主要应用于摄像机的智能控制方面，输电线路故障的识别与定位方面却很少涉及。无人机激光三维空间扫描技术可应用于输电走廊的三维信息采集，但成本高不适用于日常电力巡检。
2、无人机巡检的图像采集
文献2中基于无人机的输电线路典型设备图像信息采集方法研究，无人机巡检主要拍照部位包含：塔号牌、基础、塔身、绝缘子串、导线、地线、附属装置等，结合大量现场实践经验、标准化作业流程，在模拟输电线路的三维场景下完善标准巡检流程动态路径，形成无人机巡检图像各部位的“最佳拍摄”关键路径点，并可根据杆塔周边实际环境进行适宜调整。
文中应用图像处理和模式识别技术，提出了一 种识别绝缘子、防震器和导线的方法。 利用中值滤波、膨胀和腐蚀等方法对灰度图像进行预处理，然后提取预处理后图像的特征值， 最后采用 BP 神经网络的方法对目标图像进行分类与识别。通过在实际拍摄照片中的测试，该方法具有较好的鲁棒性、准确性 和有效性。
5 结论
无人机巡检已成为我国输电线路巡检的重要方式，输电线路的自动巡检以及无人机输电线巡检已成为输电线路巡检的发展方向。因此图像处理技术必然会越来越多地应用到巡检工作中，巡检图像的自动处理技术在无人机巡线工作中也必然会发挥越来重要的作用。图像处理技术在无人机巡检中的应用涉及现代数字图像技术、模式识别、人工智能技术、统计方法等前沿技术，国内外在该领域的研究仅处于起步阶段且差距很小，相信将来该领域会成为极富挑战性和实用价值的研究热点。
参考文献：
[1]何思远,刘刚,王玲,唐延东.基于无人机的输电线路设备识别方法研究[J].红外与激光工程,2013,07:1940-1944.
[2]冯智慧,王乐希,梁文勇,涂洁,万家伟.基于无人机的输电线路典型设备图像信息采集方法研究[J]. 电瓷避雷器,2016,04:22-26.
[3]王淼,杜毅,张忠瑞.无人机辅助巡视及绝缘子缺陷图像识别研究[J]. 电子测量与仪器学报,2015,12:1862-1869
论文作者:严垚1,刘毅2
论文发表刊物:《电力设备》2017年第29期
论文发表时间:2018/3/12
标签：无人机论文; 图像论文; 线路论文; 图像处理论文; 技术论文; 方法论文; 绝缘子论文; 《电力设备》2017年第29期论文;