基于MATLAB的绝缘子自爆缺陷检测系统

2022-03-11 12:17王佳玉刘立群黄明慧刘育胜杨锦烨
电脑知识与技术 2022年1期
关键词:图像采集图像分割图像识别

王佳玉 刘立群 黄明慧 刘育胜 杨锦烨

摘要:針对绝缘子长期裸露在自然环境中致使浮尘等污渍在其表面附着堆积形成通路,导致绝缘子被两端电压击穿,以及在自然环境中由于雷电天气,使绝缘子损坏自爆,对输电线路存在极大隐患的问题,为及时发现输电线路中绝缘子自爆缺陷,采用无人机在输电线路巡检中所采集到的有关绝缘子串的图像,研究基于MATLAB图像处理的绝缘子自爆缺陷检测与判定方法,开发了基于MATLAB的绝缘子自爆检测系统。该系统对高压输电线路中的特殊绝缘体绝缘子串进行目标定位,通过图像处理技术将所采集的绝缘子串图像中的目标与自然环境分离。首先对所采集的图像进行预处理,然后将图像阈值化分割,得到有关图像。将高压输电线路与绝缘子分离。再将所得图像进行降噪,滤除图像中的相关杂质,得到最终的只有绝缘子串的图像。最后通过所得到的图像,判定绝缘子自爆缺陷位置。实验表明,通过MATLAB图像处理技术,可以获得清晰的绝缘子掩模图,并正确判定其自爆位置。

关键词:绝缘子自爆;定位识别;图像采集;图像分割;图像识别

中图分类号:TP751      文献标识码:A

文章编号:1009-3044(2022)01-0006-03

1 引言

针对自然环境恶劣天气致使绝缘子损坏自爆,对输电线路带来极大隐患的问题,本文采用无人机或直升机对输电线路上绝缘子串所采集的高清图像,进行绝缘子智能自爆定位检测研究,开发设计了基于MATLAB的绝缘子自爆检测系统。无人机可以在高压输电线路巡检中拍摄大量的高清绝缘子图像,这些图片中隐含了输电线路杆塔的详细地址信息和每个绝缘子的具体标号信息,如果能将所采集的图片中的自爆绝缘子所在输电杆塔位置进行定位,就能为后期绝缘子自爆缺陷检测和人工维修奠定实践基础[1]。加之经过计算机对所采集图像进行处理,得到只剩绝缘子串的图像,进而对绝缘子串自爆位置进行标注,从而得到清晰明了的高压输电线路中绝缘子串的损坏自爆巡检结果,并且计算机处理速度快,且不易出错,大大提高了检查效率,同时减少了人工巡检的工作量,这对于保障国家输电线路传输电力的安全有着重要意义。

2 系统原理

基于MATLAB的绝缘子自爆检测系统是利用MATLAB进行数字图像处理,其自爆检测步骤可分为三步:图像采集,图像识别,图像分割,如图1所示。

利用无人机或直升机拍摄相关绝缘子串的照片,并由人工检查的方式,对所采集的图片进行筛检,删除不清晰、模糊、绝缘子串被植被或输电线路大面积遮挡、无法清晰地看到绝缘子串的图片。将所筛选的清晰照片上传到计算机相应位置,利用MATLAB图像处理技术,首先将所采集图片进行预处理即图像灰度化,将彩色图像转化为灰色图像,为下一步做好准备。然后利用边缘检测,在这里使用经典的拉普拉斯算法进行图像的边缘检测,处理完成后将所得图像进行阈值分割得到有明显杂质不清晰的图像,为滤除杂质得到清晰的只剩绝缘子的图像,将图像进行二值化,然后通过形态学滤波法滤除杂质,从而得到清晰的绝缘子的图像,以此进行绝缘子自爆缺陷的定位检测。

3 系统的总体设计与实现

系统的总体设计与实现思路如图2 所示。该系统包括图像灰度化、边缘检测、阈值分割、二值化、形态学滤波等功能。

3.1 图像预处理

图像预处理的目的是消除图像中无用的信息,恢复有效的真实信息,增强有关真实有效信息的可检测性、最大限度地使数据简化,从而改进特征提取、图像分割、匹配和识别的可靠性[2]。

彩色图片所包含的信息很多,在进行图像处理时会依据色彩之间的区别进行图像分割,但也因为色彩过多,所以在利用颜色进行图像分割时辨别色彩数值的工作量过大,并且本课题其目的是将绝缘子串从自然环境中分割出来,倘若将图像从彩色转变为灰色,可以大大减低为分离自然环境与绝缘子串的工作量,更加方便。

3.2 边缘检测

边缘顾名思义意为临界的部分,在图像中边缘也就是指物体周围像素灰度急剧变化的像素点的集合,是一个图像最基本的特点。急剧变化的像素点存在于图像目标、图像背景和区域之间,是计算机进行图像分割时所参照的最重要的依据。将图像进行边缘检测时,首先提取图像中不连续部分的特征,根据闭合的边缘确定区域[3]。然后取计算结果中的最大值作为这个像素点的输出值, 得到一幅边缘幅度图像。选择一个恰当的门限值TH, 如果p (x, y) ≥TH, 则 (i, j) 表示这个位置上的像素就是一个边缘点, p (x, y) 表示边缘图像[4]。边缘检测技术是所有基于边缘分割的图像分析方法的第一步, 图像在进行分割后所提取出的目标就可以进一步地进行特征提取和形状分析,其应用范围十分广泛,通常应用于图像语义识别, 图像搜索等领域[5]。本文应用经典的拉普拉斯(Laplace)算子进行边缘检测。

3.3 迭代选择阈值法

阈值分割的原理为采用简单的灰度输入从而产生封闭且连通的边界,然后将图像分割为互不交叠的部分,其基本思想是提取图像的最小灰度min阈值和最大灰度max阈值,并在两者之间确定一个阈值K,然后将所分割图像中的所有像素点按照它的灰度值以阈值K为分界线分为两部分[6]。迭代式阈值选择算法步骤包括:1)根据所需检测分割的图像的灰度选择一个K的估值,作为它的初始值。2)利用所选初始值K将该图像分为两个部分,分别标记为P1,P2。3)计算两个区域,即区域P1和区域P2中的所有像素的平均灰度值,并将其值分别标注为K1和K2。4)根据以上步骤得到新的阈值:[k=1/2(k1+k2)]。重复除步骤1以外的所有步骤, 直到逐次计算所得的T值小于步骤1中所定义的参数T的估计值。

3.4 形态学滤波

数学形态学是建立在格论和拓扑学基础上的图像分析学科[7]。膨胀和腐蚀的基本原理为:1)去除图像中的噪声。2)分离出在图像中独立存在的图像元素并将相邻的元素进行连接。3)找出图像中存在的极大值或极小值部分。4)计算出图像的梯度[7]。

以上介绍了在本课题中关于图像处理、图像分割、图像识别所使用的有关算法和步骤,基于此设计了以下内容的图像处理系统。

4 系统的主界面

主界面是系统的整体布局,它显示了系统的总体框架,通过主界面可以看到系统总共分为五大模块,分别是边缘检测、二值化处理、图像滤波、图像去噪,图像形态学处理等如图3所示。利用MATLAB中的GUI界面,使用其所包含的工具箱,通过为按钮赋予函数的方式,利用代码:

close(gcf)

run('srtp1')

将各个子界面与主界面相互连接如图3所示。

4.1 边缘检测

边缘检测流程图如图4所示,边缘检测结果图如图5所示。

4.2 二值化

二值化流程图如图6所示,二值化结果图如图7所示。

4.3 图像滤波

图像滤波流程图如图8所示,图像滤波结果图如图9所示。

4.4 图像去噪

图像去噪流程图如图10所示,图像去噪结果图如图11所示。

4.5 图像形态学处理

图像形态学处理流程图如图12所示,图像形态学处理结果图如图13所示。

5 结束语

当前采取的图像拍摄方式采集到的图片全靠人工进行绝缘子自爆的识别处理,工作量大并且容易出现识别处理不到位的错误。本文通过系统对图像的预处理着手,对图像进行平滑、形态学滤波,阈值分割等一系列的处理,使人们的工作压力大大减轻并有效降低人工错误率。本文虽采用各种方法来提高绝缘子自爆类型识别的可靠性和快速性,可是出于时间紧急和本文程度有限,依然存在许多必要改良和值得进一步钻研的地方,详细有以下几点:

1)在进行完整的图像识别的整个过程中,图像分割是十分重要的一个环节。将灰度化后的图像,通过拉普拉斯(Laplace)算子进行边缘检测,然后再进行阈值分割,但由于阈值选取过程工作量大,并且最后所选取的阈值不是很合适,导致并没有将输电线路的高架塔与绝缘子串相互分离。

2)在经过大量的资料查阅后,最终找到的绝缘子自爆检测步骤为:通过图像基础处理,如图像切分、图像变换等方式提高模型数据量,然后利用图像语义分割,得到只剩绝缘子串的图片,利用连通区域目标检测和目标检测,确定绝缘子所在位置以及确定绝缘子自爆位置。

3)出于绝缘子轴心的歪斜、绝缘子模块构件的不一致性及绝缘子概况的污染,会造成破坏检测误判,针对如何在绝缘子构件不同的情况下以及如何在图像处理过程中将绝缘子轴心调整到平行或垂直位置以便后期检测,进一步提高检测的准确性,仍需进一步探讨钻研。

参考文献:

[1] 刘逸凡,王淑青,庆毅辉,等.基于EfficientDet和双目摄像头的绝缘子缺陷检测[J].中国电力,2021,54(2):156-163,196.

[2] CSDN 图像处理之预处理方法[EB/OL].(2018-08-28)[2020-06-24].https://blog.csdn.net//joaming/article/details/82146604.

[3] 曹洋.基于MATLAB实现数字图像邊缘检测[J].信息技术与信息化,2020(2):140-142.

[4] 李杨静,刘艺航,王梓,等.基于Matlab的图像分割[J].无线互联科技,2018,15(15):53-54.

[5] 仲晓庆,蔡朝晖.基于MATLAB的几个图像处理实例[J].信息系统工程,2018(12):96-98.

[6] 阳树洪.灰度图像阈值分割的自适应和快速算法研究[D].重庆:重庆大学,2014.

[7] CSDN 形态滤波学(1)[EB/OL].(2018-08-07)[2020-06-25].https://blog.csdn.net/huayunhualuo/article/details/81486884.

【通联编辑:谢媛媛】

收稿日期:2021-09-16

基金项目:甘肃农业大学省级大学生创新创业训练计划项目(项目编号:202010733047);甘肃农业大学学生科研训练计划项目(项目编号:202016032);国家大学生创新创业训练计划项目(项目编号:02);甘肃农业大学青年导师基金资助项目(项目编号:GAU-QDFC-2020-08);甘肃省高等学校科研项目资助(项目编号:2019B-086);甘肃省科技计划资助(项目编号:20JR5RA032)

作者简介:王佳玉(2000—),女,甘肃张掖人,本科在读,研究方向为电子信息工程;刘立群(1982—),女,通信作者,副教授,主要从事智能计算研究;黄明慧(2000—),女,甘肃天水人,本科在读,研究方向为电子信息工程;刘育胜(1997—),男,甘肃天水人,本科在读,研究方向为电子信息工程;杨锦烨(2000—),女,甘肃天水人,本科在读,研究方向为电子信息工程。

猜你喜欢
图像采集图像分割图像识别
基于Resnet-50的猫狗图像识别
高速公路图像识别技术应用探讨
图像识别在物联网上的应用
图像识别在水质检测中的应用
一种改进的分水岭图像分割算法研究
一种图像超像素的快速生成算法
基于鲁棒性的广义FCM图像分割算法
视觉导航系统中图像采集及处理技术综述