[發(fā)明專利]一種輸電線路絕緣子缺陷圖像識別方法

有效

• 申請?zhí)枺?/td>: 202010175936.3
• 申請日: 2020-03-13
• 公開（公告）號: CN111292321B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計）人: 彭子豪;彭顯剛
• 申請（專利權(quán)）人: 廣東工業(yè)大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V20/13;G06V10/26;G06V10/46;G06V10/74;G06Q10/00;G06Q50/06;G06T7/136
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發(fā)明涉及一種輸電線路絕緣子缺陷圖像識別方法，包括：S1：建立絕緣子圖像的樣本庫；S2：對待識別絕緣子圖片的灰度化，將數(shù)字圖像通過最基本的矩陣形式進行分析，采用不同的像素的灰亮值來分析圖像不同的狀態(tài)；S3：通過圖像最大熵分割法將待識別絕緣子圖片劃分成環(huán)境背景區(qū)域和絕緣子區(qū)域；S4：將劃分好區(qū)域的圖像數(shù)據(jù)通過局部細節(jié)特征算法確定圖像數(shù)據(jù)中的絕緣子輪廓和其灰度值；S5：將已處理的絕緣子圖像與樣本庫進行比對，確定絕緣子是否存在缺陷。所述方法能更快的給出存在問題的圖像數(shù)據(jù)，再通過人工判斷，很大程度上減少電力巡檢人員后期數(shù)據(jù)處理的工作量，同時也排除一些冗余的數(shù)據(jù)量。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別領(lǐng)域，更具體地，涉及一種輸電線路絕緣子缺陷圖像識別方法。

背景技術(shù)

隨著無人機智能巡檢系統(tǒng)逐漸應(yīng)用于各行各業(yè)，輸電線路運行維護也開始通過無人機搭載影像設(shè)備來采集圖像數(shù)據(jù)。機載影像采集設(shè)備采用帶有防抖云臺的高清影像采集設(shè)備，其結(jié)構(gòu)堅固輕巧，與機身結(jié)構(gòu)配合科學合理，拍攝影像穩(wěn)定清晰。由于無人機受到的地理、地形和氣候的影響與限制相對較小，輸電線路運維逐步的由以前的人工巡視逐漸演變?yōu)橹悄堋⒎奖愕娜藱C結(jié)合模式。輸電線路運維人員通過在現(xiàn)場操縱無人機對特定位置進行拍攝，并對采集回來的照片進行查看，確認輸電線路的組成部分是否存在缺陷。但是由于絕緣子數(shù)量多，且航拍圖像的數(shù)據(jù)量非常龐大，要從海量的圖像數(shù)據(jù)中甄別受損的絕緣子圖片，用人工篩選顯然費時耗力。

隨著信息與人工制智能技術(shù)的發(fā)展，人工智能算法和圖像識別技術(shù)已經(jīng)在人臉識別中得到應(yīng)用發(fā)展，識別中常用的一種方法是通過人臉的幾何特征。人臉識別主要是通過眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系(如相互之間的距離)。然而相對應(yīng)，輸電線路絕緣子的缺陷主要有雷擊污閃、復合絕緣子破損、玻璃絕緣子炸裂等等，這些缺陷的表現(xiàn)形式往往會出現(xiàn)在絕緣子的幾何特征和顏色上，因此絕緣子圖像可以通過智能圖像識別技術(shù)來進行篩選分類，找出存在缺陷的絕緣子圖片。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術(shù)所述的用人工從海量的絕緣子圖像數(shù)據(jù)中甄別受損的絕緣子圖片，費時耗力缺陷，提供一種輸電線路絕緣子缺陷圖像識別方法。

所述方法包括以下步驟：

S1：收集輸電線路巡維部門日常工作拍攝到的完好絕緣子圖片，建立絕緣子圖像的樣本庫；

S2：對待識別絕緣子圖片的灰度化；

S3：通過圖像最大熵分割法將灰度化后的待識別絕緣子圖片劃分成環(huán)境背景區(qū)域和絕緣子區(qū)域；

S4：將劃分好區(qū)域的圖像數(shù)據(jù)通過局部細節(jié)特征算法確定圖像數(shù)據(jù)中的絕緣子輪廓和其灰度值；

S5：將已處理的絕緣子圖像與樣本庫進行圖像匹配，確定絕緣子是否存在缺陷。

優(yōu)選地，S2具體為：將待識別絕緣子圖片的圖像數(shù)據(jù)中三個分量以不同的權(quán)值進行加權(quán)平均，獲取待識別絕緣子圖片的圖像數(shù)據(jù)中每個像素點的灰度值；得到合理的灰度圖像，通過灰度化后的圖像計算分析圖像數(shù)據(jù)的梯度。

優(yōu)選地，加權(quán)平均公式為：

I(m,n)＝0.30R(m,n)+0.59G(m,n)+0.11B(m,n)(mHeight；nWidth)

其中，I(m,n)為灰度值，m為圖像數(shù)據(jù)矩陣的行數(shù)，n為圖像數(shù)據(jù)矩陣的列數(shù)。

優(yōu)選地，S3具體為：在獲取待識別絕緣子圖片的圖像數(shù)據(jù)中每個像素點的灰度值后，確定一個灰度初始值，規(guī)定圖像數(shù)據(jù)中大于這個灰度值為前景，小于這個灰度值為背景；并統(tǒng)計圖像數(shù)據(jù)中背景出現(xiàn)的概率P_T，則前景出現(xiàn)的概率為1-P_T，再計算每個灰度值在前景和背景中的信息熵，循環(huán)遍歷灰度值，使得兩者信息熵和最大；比較兩者信息熵和與當前最大信息熵的大小，確定新的最大信息熵后，循環(huán)遍歷查找到對應(yīng)的灰度值，圖像中灰度大于此分割值的像素作為前景，否則作為背景，分割物體與背景。