基于图像识别无人机输电线路绝缘子故障检测方法研究.docVIP

基于图像识别无人机输电线路绝缘子故障检测方法研究 　　摘 要： 针对绝缘子的自爆缺陷故障，基于图像识别技术，设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作，实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能；采用基于空间序列关系建立的特征检测算法，实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试，自爆缺陷故障检测和定位准确率较高，速度较快，具有一定的应用价值，并能为类似绝缘子故障的检测研究提供参考。 　　关键词： 图像识别； 无人机； 输电线路； 绝缘子故障检测 　　中图分类号： TN911.73?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）22?0179?03 　　Abstract： Aiming at the fault caused by spontaneous explosion defect of the insulator， an insulator fault detection method for transmission line of unmanned aerial vehicle （UVA） was designed and implemented based on the image recognition technology. The operations of image color conversion， image loading and pretreatment， OTSU or segmentation with maximum entropy segmentation method， and insulator contour detection are performed in the method successively to realize the foreground extraction and recognition functions of the images with unobvious overlap and obvious overlap in the intervals of the insulators. The feature detection algorithm established on the basis of the spatial series relation is used to realize the spontaneous explosion defect′s fault detection and location for the insulators without obvious overlap in the image. The test results show that the method has high accuracy and fast speed of the fault detection and location for the spontaneous explosion defect， which has a certain application value， and can provide a reference for the detection and research of the similar insulator faults. 　　Keywords： image recognition； unmanned aerial vehicle； transmission line； insulator fault detection 　　0 引 言 　　?力能源的可靠性、稳定性和供电质量对国家经济发展起着至关重要的作用[1]。我国输电线路覆盖广，所处地貌复杂，为其正常运行、检测和维护提出了更大的挑战。传统的人工巡视检测方式效率低、周期长、要求高、安全性低，无法满足当前国情下的输电线路维护需求[2?3]。而以无人机为核心的无人机巡视检测方式能在高空通过携带的摄像设备近距离观测输电线路和绝缘子，返回图像以供检测。其具有成本低、易操作、安全性高以及机动灵活等优势，故而成为了近年来输电线路检测研究的焦点。值得注意的是，国内对无人机巡视检测方式仍大多停留在人工检查拍摄视频和图像的阶段，对计算机自动识别图像亦或是视频来检测输电线路与绝缘子的研究甚少，与国外研究相比还存在较大的差距[4?5]。 　　因此，本文针对绝缘子故障，基于图像识别技术，设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法利用拍摄图像的S，H分量，结合最大类