基于图像处理的在线监测输电线断股垂落高度研究

杨炼，熊典

（武汉科技大学 湖北 武汉 430081）

输电线是电力系统的重要组成部分，具有输送和分配电能的重要作用，由于其长期暴露在自然环境中，输电线不仅承受正常机械载荷和电力负荷的作用，还经受雷击、舞动、风振、覆冰及电气闪络等侵害。这些自然因素将会促使输电线疲劳、氧化和腐蚀，导致导线、地线出现断股，成为输电线路非计划停运的主要原因之一[1-2]。导线断股后下垂，使导线与树木的垂直距离减小，同时，多回路和紧凑型杆塔大量投入输电线路中，导地线断股后的垂落使相间距离和相地距离减小，存在着严重的安全隐患，如果不及时发现和消除，可能会导致严重的线路事故。

随着输电线路在线监测与诊断技术的快速发展，图像处理技术也越来越多的用于线路故障检测与诊断中[3-5]，并且在该领域内取得了一定的研究成果。目前国内外通过可见光图像对输电线断股故障的研究侧重在输电线的识别上[6-7]，而针对断股缺陷的定量分析并未涉及，故笔者针对对在线监测采集的输电线断股图像特性，提出一种测量断股线垂落高度的方法，首先对输电线断股图像进行预处理，采用Otsu法结合Canny算子提取输电线边缘，最后通过一定数学模型计算出实际的断股线垂落高度。

1 图像法检测断股线垂落高度原理

本文提出的基于图像法的输电线断股垂落高度方法是以输电线路在线监测系统作为数据平台，采用工业级摄像机实时采集现场图像数据，并通过GPRS或CDMA网络将图像数据传输至控制中心的服务器中，控制中心的计算机系统对采集的图像进行去噪，阈值分割，并通过边缘检测记录输电线边界轮廓点在图像中的坐标，最后通过输电线的下边界与断股线的上边界点坐标，再通过输电线实际直径进行转换即可得到当时的断股处垂落高度。由于拍摄角度并非是完全平视的，因此需要进行角度校正，以减小误差，计算原理如图1所示，图1（a）表示角度校正前的计算模型，图1（b）为校正后的计算原理图。

图1（a）中，p1（x）表示输电线上下边缘的径向距离所对应的像素点数；p2（x）表示断股线上边缘到输电线下边缘所对应的像素点数，α为输电线的倾斜角。另设输电线的直径D（mm）已知，则有

图1 图像法检测断股线垂落高度计算原理图Fig.1 Calculation principle of sagged height of damaged cableswith image processing method

角度校正后输电线直径对应的像素点数为p′1（x）=p1（x）·cosα；

角度校正后断股线上边缘到输电线下边缘所对应的像素点数p′2（x）=p2（x）·cosα；断股线距离输电线的最大垂直距离为垂落高度，即

2 图像法检测垂落高度的算法步骤

现场拍摄的绝缘子画面往往带有很大的背景噪声，而且长期监测必然会拍摄到不同气候条件下的照片，其颜色深浅度也必然不同。这些差异，在正式处理前，必须想办法摒弃掉，这就需要对图像进行预处理，为了更好的说明，以下将以在线监测系统采集到的断股地线为例（图2）对算法进行详细阐述。

图2 断股输电线原始图像及其灰度直方图Fig.2 The original image and gray histogram of damaged cables

2.1 图像平滑去噪

由于现实中输电线路中导地线和绝缘子处在自然环境下.其背景是不可能非常理的。再加上摄像机的因素以及图像在由输电线路现场传回控制中心的过程中不可避免的会引人一些噪声，如图3（a）所示。这些噪声会对图像边缘的提取产生影响，有时可能会产生伪边缘，直接致使边缘检测精度的下降，甚至导致无法找到准确的边缘。

通常在线监测系统采集的图像中容易引入椒盐噪声，同时考虑到中值滤波既能够有效地滤除这类噪声，又能很好地保留诸如轮廓等图像的细节部分，因此，本文采用中值滤波抑制图像中的噪声，从图3可以看出，中值滤波对断股导线图像处理后的结果。

图3 中值滤波处理结果图Fig.3 The processing result of median filter

2.2 阈值化处理

图像阈值化的目的主要是为了将图像目标和背景进行分割，主要过程是将彩色图像转化为灰度图，并以灰度值标定图像中的每个像素，灰度值的范围在0~255的整数，当灰度值低于设定的阈值时将其置为0，当灰度值高于设定的阈值时将其置为255，从而实现目标与背景的分离。常用的阈值法主要有双峰法、迭代法、最优阈值法等，这些方法对于在线监测图像的处理结果并不理想，本文采用一种自适应确定阈值的最大类间方差法（Otsu法），其计算方法如下：

对于像素为数N，灰度范围为[0，L－1]的图像，将图像f（x，y）中的像素按灰度级用阈值T分为目标区域A和背景区域B两部分，设Ni为灰度值为i的像素数，则各灰度级出现的概率为P（i）＝Ni/N。

图像f（x，y）的均值为u＝wAuA+wBuB则目标和背景的类间方差为：

当σ2（T）取最大值时的即为最佳分割阈值，对图3（b）采用Otsu法计算出的最佳阈值为138，这里为了方便说明，对图像进行了取反，分割效果如图4所示。

图4 Otsu法分割效果图Fig.4 The segmentation result of Otsu method

2.3 边缘轮廓提取

为了进一步获取图像中的边缘，本文采用具有优良性能的Canny算子进行边缘检测，其具有好的信噪比、高的定位性能、虚假边缘最大化抑制的优点，检测步骤包括：

1）用高斯滤波器平滑图像；

2）用一阶微分算子计算梯度的幅值和方向；

3）对梯度幅值进行非极大值抑制；

4）用双阈值算法检测和连接边缘。

本文对步骤4）中的高阈值取Otsu法计算得到的分割阈值138，低阈值T2取为高阈值的一半，即T1＝69。

从图5中可以看出，采用上述的Canny算子做到了抑制噪声与提取效果的统一，较好的获取了输电线的边缘轮廓。

图5 Canny边缘检测结果Fig.5 The result of Canny edge detector

3 断股线垂落高度仿真计算

已知所测试的图像中地线直径为21.6 mm，利用所提出的方法进行计算，得出断股线垂落高度为443.43 mm，实际测量得到的垂落高度为460.77 mm，从上述数据可见，所提出的方法在检测断股垂落高度时精度较高，误差率为4%；如果增加图像的分辨率，则可以大大地减小误差的绝对值。

需要指出的是，本文所提出的方法在实际应用时，还有一些问题需要深入的研究，由于实际线路在不同的环境下都存在不同程度的舞动，这样会使拍摄到输电线的边界产生一定的几何偏移，此时可采用连续拍摄多幅图像作为一个周期的方法，对图像中断股线垂落高度所对应像素数求平均值，并计算出实际的垂落高度值，通过短时间的多次测量取平均可以使结果更为精确。

4 结 论

为了能够准确快速的获取输电线断股故障信息，本文采用图像法提取输电线和断股处边缘来计算断股实际的垂落高度。笔者首先采用中值滤波对原始图像进行去除噪声，有效的保留了图像的边缘部分，并通过Otsu计算出对Canny算子性能具有决定意义的高阈值，更加完整有效的提取了图像中输电线的边缘轮廓，并计算出输电线的断股垂落高度，计算结果表明，本方法测量精度高，满足工程需要，并为输电线路线路带电作业检修提供了数据参考，具有一定的实际应用价值。

[1]蒋兴良.输电线路覆冰及防护[M].北京：中国电力出版社，2002.

[2]胡毅.输电线路运行分析与防治[M].北京：中国电力出版社，2007.

[3]王小朋，胡建林，孙才新，等.应用图像边缘检测方法在线监测输电线路覆冰厚度研究[J].高压电器，2009，45（6）：69－73.WANG Xiao-peng，HU Jian-lin，SUN Cai-xin，et al.On-line monitoring of icing-thickness on transmission line with image edge detecting method[J].High Voltage Apparatus，2009，45（6）：69－73.

[4]陆佳政，张红先，方针，等.自适应分割阈值在覆冰厚度识别中的应用[J].高电压技术，2009，35（3）：563－567.LU Jia-zheng，ZHANG Hong-xian，FANG Zhen，et al.Application of self-adaptive segmental threshold to ice thickness identification[J].High Voltage Engineering，2009，35（3）：563－567.

[5]黄新波，张晓霞，李立涅，等.采用图像处理技术的输电线路导线弧垂测量[J].高电压技术，2011，37（8）：1961－1966.HUANG Xin-bo，ZHANG Xiao-xia，LI Li-cheng，et al.Measurement of transmission lines conductor sag using image processing[J].High Voltage Engineering，2011，37（8）：1961－1966.

[6]刘鲲鹏，王滨海，陈西广，等.基于Freeman改进准则的输电线断股识别[J].机电工程，2012，29（2）：211－214.LIU Kun-peng，WANG Bin-hai，CHEN Xi-guang，et al.Damaged cables recognition based on improved freeman rule[J].Mechanical&Electrical Engineering Magazine，2012，29（2）：211－214.

[7]蒋兴良，夏云峰，张志劲，等.基于优化Gabor滤波器的输电导线断股图像检测[J].电力系统自动化，2011，35（15）：78－83.JIANG Xin-liang，XIA Yun-feng，ZHANG Zhi-jin，et al.Image detection for broken strand faults of transmission conductor based on optimized gabor filter[J].Automation of Electric Power Systems，2011，35（15）：78－83.