自适应特征引流管故障智能识别方法

黄 博，江慎旺，张 增，张 静，张 巍，许廷发*

(1北京理工大学 光电学院 光电成像系统与技术教育部重点实验室，北京 100081；2天津航天中为数据系统科技有限公司，天津 300301；3南方电网科学研究院有限责任公司，广州 510080)

自适应特征引流管故障智能识别方法

黄 博1，江慎旺1，张 增2，张 静2，张 巍3，许廷发1*

(1北京理工大学 光电学院 光电成像系统与技术教育部重点实验室，北京 100081；2天津航天中为数据系统科技有限公司，天津 300301；3南方电网科学研究院有限责任公司，广州 510080)

为了实现对高压输电线存在的故障隐患进行自动检测，本文提出了一种自适应特征引流管故障隐患智能识别算法。首先,分析了故障引流子的红外热图像特征，把故障分为两类：明显发热和微弱发热;其次，针对引流管所引起的明显发热，采用改进的Otsu阈值分割法对红外图像进行分割，运用改进的Sobel算子提取轮廓；第三，用种子填充算法分离连通域，通过Thread特征判断是否为故障引流管；最后，进入引流管所引起的微弱小区域发热识别，运用高压输电线平行特征寻找主干线区域，在主干线区域检测Harris角点，通过STWN特征判断是否为故障引流子。实验结果表明，发热隐患的识别率为94.6%，漏检率为2.2%，误识别率为5.5%。

红外热图像；边界拓展；形态特征；智能识别

1 引 言

随着低空技术的广泛应用，无人机巡检方式检查高压输电线故障，并进行检修成为一个研究热点[1]。研究人员对实时从无人机巡检设备获取的视频图像中有效提取输电线路算法进行了研究，通过Hough变换和FCM聚类等方法能够成功自动识别检测线路[2]，但并未提出识别输电线故障的方法。……