一種玻璃絕緣子掉串故障檢測方法
【專利摘要】本發明公開了一種玻璃絕緣子掉串故障檢測方法，其中方法包括：建立絕緣子的顏色模型，依據此模型來進行絕緣子的初步分割，并對得到的絕緣子二值圖像進行形態學閉運算和連通域標記操作，以進行絕緣子方向的校正和位置的確定，然后再通過面積占比來選擇結構元素大小，進行形態學閉運算完成最終的分割，在分割的基礎上尋找絕緣子區域的缺口，進行最終的掉串標記。本發明所述的玻璃絕緣子掉串檢測方法，提高了玻璃絕緣子掉串檢測精度，為智能監控系統的成功應用提供了技術保障，大大降低了人工檢測帶來的人力物力的損耗，具有很強的實用價值和現實意義。
【專利說明】
-種玻璃絕緣子掉串故障檢測方法
技術領域
[0001 ]本發明設及目標識別和故障診斷領域，更具體地，設及一種玻璃絕緣子掉串故障 檢測方法。
【背景技術】
[0002] 絕緣子作為一種防止輸電線路帶電部件形成接地通道的重要絕緣控件，其狀態的 實時監測對電力系統的安全穩定運行來說顯得尤為重要。由于絕緣子長期處于惡劣的自然 環境中，所W經常會出現掉串的現象，此故障會使電網解裂，導致大面積的停電，對電力系 統的安全穩定造成極大的危害。近年來，隨著計算機視覺技術的迅猛發展，遠程監控成為當 今社會安全防衛領域的熱口，基于計算機視覺技術的絕緣子故障診斷也隨之應運而生，其 主要是借助于計算機處理技術，對拍攝畫面中的數據進行分析，自動檢測畫面中絕緣子的 掉串情況，并及時顯示故障位置，W便維修人員及時的維修，避免更大事故的發生。
[0003] 目前玻璃絕緣子的識別定位的方法主要可W分為兩種:基于區域的圖像分割方法 和基于邊緣的分割方法。基于區域的圖像分割有灰度圖像分割和彩色圖像分割，而基于邊 緣的分割方法主要是采用邊緣形狀特征來進行絕緣子的提取。單獨的顏色特征或形狀特征 由于信息量的有限性將影響識別的精度，因此顏色信息結合形狀、紋理等特征量能夠比較 全面地描述玻璃絕緣子特征W確定感興趣區域，但由于紋理等計算的復雜性，因此其在實 時系統中很少應用。
[0004] 目前絕緣子掉串缺陷檢測的方法主要是依據絕緣子片顏色、形狀和紋理的變化W 及絕緣子片之間距離異常等特征。其中顏色和紋理特征主要基于區域內部的像素值，可W 方便地統計分析;而形狀特征量需要提取連貫的邊界，因此在故障診斷時有較大的局限性。 目前絕緣子掉串缺陷的檢測主要依賴于提取絕緣子完整的邊緣，檢測每一個絕緣子片并根 據絕緣子片間距離來判斷是否發生掉串故障，運種方法對于絕緣子片間相互獨立、無遮擋、 無連接、背景簡單的情況下能夠取得很好的檢測效果。但巡檢圖像的拍攝距離與拍攝角度 均不固定，使得航拍圖像中的絕緣子片相互連接、相互遮擋的的情況較多，而目前的掉串故 障檢測方法并不適用于絕緣子片間相互遮擋、背景復雜的情況。
【發明內容】
[0005] 本發明的目的在于提供一種玻璃絕緣子掉串故障檢測方法，該方法可W提高玻璃 絕緣子掉串檢測的精度，降低誤檢率。
[0006] 為達到上述目的，本發明采用下述技術方案：
[0007] -種玻璃絕緣子掉串故障檢測方法，該方法包括如下步驟：
[000引（1)獲取玻璃絕緣子串的圖像，對所述圖像進行顏色分割，得到所述圖像的二值圖 像；
[0009] (2)對所述二值圖像進行圖像處理，獲得所述玻璃絕緣子串的連通域；
[0010] (3)基于對所述玻璃絕緣子串的連通域的圖像處理，確定所述玻璃絕緣子串的掉 串位置并對該位置進行標定。
[0011] 2、根據權利要求1所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟（1)具 體包括如下步驟：
[0012] 基于顏色模型對獲取的玻璃絕緣子串的圖像進行顏色分割，獲得所述圖像的二值 圖像；
[0013]
[0014] 其中，R、G、B是玻璃絕緣子的紅、綠、藍顏色分量。
[0015] 進一步的，步驟(2)具體包括如下步驟：
[0016] 1)對所述二值圖像進行第一次形態學閉運算，獲得完整的和去除噪聲的玻璃絕緣 子串的第一連通域；
[0017] 2)求取所述第一連通域的最小外接矩形，并得到該外接矩形的面積W及長邊和水 平方向的夾角；
[0018] 3)依據步驟2)中獲得的夾角值對所述二值圖像進行傾斜校正；
[0019] 4)計算傾斜校正后的二值圖像中白色像素的面積占比；
[0020] 5)基于計算得到的所述面積占比，選擇對傾斜校正后的二值圖像進行第二次形態 學閉運算的結構元素大小；
[0021] 6)基于選擇的所述結構元素大小對傾斜校正后的二值圖像進行第二次形態學閉 運算，獲得完整的和去除噪聲的玻璃絕緣子串的第二連通域。
[0022] 進一步的，所述面積占比m如式（1)所示，
[0023]
(〇，
[0024] 式（1)中，m為面積占比，n為所述二值圖像中白色像素的個數，N為所述第一連通域 的最小外接矩形的面積。
[0025] 進一步的，所述結構元素大小包括如下情況：
[0026]
[0027] m為所述面積占比；size括號內表示結構元素的大小。
[0028] 進一步的，步驟(3)進一步包括：
[0029] 1)確定所述第二連通域的最小外接矩形，對該最小外接矩形范圍內的像素進行取 反操作；
[0030] 2)對取反W后的圖像進行連通域標記，計算標記的連通域St的面積值S(St)和該連 通域最小外接矩形的長寬比值；
[0031] 3)根據步驟2)中標記的連通域的面積值和該連通域最小外接矩形的長寬比值確 定掉串位置，并進行標定。
[0032] 進一步的，步驟1)所述取反操作如式(2)所示，
[0033] (2>
[0034] 其中，img2是取反W后的圖像，（i，j)為當前被操作像素點的坐標，imgl是原圖像。
[0035] 進一步的，步驟3)所述的根據步驟2)中標記的連通域的面積值和該連通域最小外 接矩形的長寬比值確定掉串位置的判定條件如式(3)所示：
[003引
0)
[0037] 其中S(St)是所述標記的連通域St的面積；1和h分別是該連通域的最小外接矩形的 長和寬；
[0038] 當所述標記的連通域St的面積值和該連通域最小外接矩形的長寬比值同時符合 式(3)的判定條件時，即認定所述標記的連通域St為玻璃絕緣子串的掉串位置，對該位置進 行標定。本發明的有益效果如下：
[0039] 本發明方法有效地提升了玻璃絕緣子掉串的檢測精度，降低了誤檢率，為智能監 控檢測系統的成功應用提供了技術保障，具有很強的實用價值和現實意義。
【附圖說明】
[0040] 下面結合附圖對本發明的【具體實施方式】作進一步詳細的說明。
[0041 ]圖1是整體方法流程圖；
[0042] 圖2是玻璃絕緣子原圖像；
[0043] 圖3是依據顏色模型進行顏色分割W后的二值圖像；
[0044] 圖4是第一次形態學處理后的圖像；
[0045] 圖5是對第一次形態學處理后的圖像進行傾斜校正的圖像；
[0046] 圖6是W同樣的角度對顏色分割W后的二值圖像進行傾斜校正的圖像；
[0047] 圖7是第二次形態學處理后的圖像；
[004引圖8是第二連通域最小外接矩形的圖像；
[0049]圖9是對第二連通域最小外接矩形內的像素進行取反W后的圖像；
[00加]圖10是最終的掉串標記圖像。
【具體實施方式】
[0051] 為了更清楚地說明本發明，下面結合優選實施例和附圖對本發明做進一步的說 明。
[0052] 本發明方法為基于顏色模型和多重形態學處理的一種玻璃絕緣子掉串檢測方法， 該方法為建立玻璃絕緣子顏色模型并結合形態學運算方法進行絕緣子串的識別，并對初識 別的絕緣子串進行方向的校正和位置的確定，對分割后的絕緣子串進行取反圖像連通域標 記，最終確定是否存在故障并標記故障位置。
[0053] 如圖1所示，該方法包括如下步驟：
[0054] 步驟1、拍攝一串玻璃絕緣子串，建立基于RGB顏色空間的顏色模型，模型表示如 下：
[0化5]
[0056] 其中，R、G、B是玻璃絕緣子的紅、綠、藍顏色分量；
[0057] 步驟2、如圖2所示，應用步驟1建立的顏色模型對拍攝獲得的玻璃絕緣子串的圖像 進行顏色檢測，將滿足顏色模型的像素點賦255值(變成白色像素），否則，賦0值(變成黑色 像素），完成對玻璃絕緣子串圖像的顏色分割，得到如圖3所示的二值圖像；
[005引步驟3、如圖4所示，選擇矩形結構元素對步驟2獲得的二值圖像進行第一次形態學 閉運算，去除二值圖像中的非絕緣子連通域，保證玻璃絕緣子串屬于一個連通域，該連通域 稱為第一連通域化；
[0059] 步驟4、如圖5所示，求取步驟3中的第一連通域化的最小外接矩形，并得到此外接 矩形的面積W及長邊和水平方向的夾角0 ;
[0060] 步驟5、如圖6所示，根據步驟4獲得夾角0，對步驟2中獲得的二值圖像進行旋轉；
[0061] 擊驢fi、計算旋轉后二值圖像中白色像素的的面積占比m，
[0062]
(1)
[0063] 其中m為面積占比，n為二值圖像中白色像素的個數，N為第一連通域的最小外接矩 形的面積；
[0064] 步驟7、根據面積占比m選擇進行第二次形態學閉運算的結構元素大小；
[0065] 結構元素大小共設了6檔，如下：
[0066]
[0067] 其中m為面積占比；size后面括號內為結構元素的大小；
[0068] 步驟8、如圖7和8所示，W步驟7中的結構元素大小對步驟5中的旋轉后的二值圖像 進行第二次形態學閉運算處理，得到玻璃絕緣子串的第二連通域；
[0069] 對干圖像X巧結娩元素 S，用符號X ? S表示結構元素 S對圖像X作閉運算：
[0070]
[0071] 即先對圖像進行膨脹再進行腐蝕運算；
[0072] 步驟9、如圖9所示，如式(2)所示，對第二連通域所確定的最小外接矩形區域內的 像素點進行取反操作；
[0073]
記）
[0074] 其中img2是取反W后的圖像，（i，j)為當前被操作像素點的坐標，imgl是原圖像；
[0075] 步驟10、如圖9所示，對取反W后的圖像進行連通域標記，并計算標記的連通域St 的面積值S(St)和該連通域的最小外接矩形的長寬比值，當標記的連通域的面積值S(St)和 該連通域的最小外接矩形的長寬比值同時符合式(3)的判定條件時，說明該位置發生玻璃 絕緣子掉串，對該位置進行標定；
[0076]
(3)
[0077] 其中S(St)是連通域St的面積；1和h分別是連通域St最小外接矩形的長和寬；t表示 圖像中連通域的序號；
[0078] 步驟11、如圖10所示，通過連通域標記進行掉串位置的標定。
[0079] 使用本發明方法，掉片故障的檢測率是92.4%，平均耗時是0.525秒。
[0080] 顯然，本發明的上述實施例僅僅是為清楚地說明本發明所作的舉例，而并非是對 本發明的實施方式的限定，對于所屬領域的普通技術人員來說，在上述說明的基礎上還可 W做出其它不同形式的變化或變動，運里無法對所有的實施方式予W窮舉，凡是屬于本發 明的技術方案所引伸出的顯而易見的變化或變動仍處于本發明的保護范圍之列。
【主權項】
1. 一種玻璃絕緣子掉串故障檢測方法，其特征在于，該方法包括如下步驟： (1) 獲取玻璃絕緣子串的圖像，對所述圖像進行顏色分割，得到所述圖像的二值圖像； (2) 對所述二值圖像進行圖像處理，獲得所述玻璃絕緣子串的連通域； (3) 基于對所述玻璃絕緣子串的連通域的圖像處理，確定所述玻璃絕緣子串的掉串位 置并對該位置進行標定。2. 根據權利要求1所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟（1)具體包 括如下步驟： 基于顏色模型對獲取的玻璃絕緣子串的圖像進行顏色分割，獲得所述圖像的二值圖 像； 所述顏色模型為：其中，R、G、B是玻璃絕緣子的紅、綠、藍顏色分量。3. 根據權利要求1所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟(2)具體包 括如下步驟： 1) 對所述二值圖像進行第一次形態學閉運算，獲得完整的和去除噪聲的玻璃絕緣子串 的第一連通域； 2) 求取所述第一連通域的最小外接矩形，并得到該外接矩形的面積以及長邊和水平方 向的夾角； 3) 依據步驟2)中獲得的夾角值對所述二值圖像進行傾斜校正； 4) 計算傾斜校正后的二值圖像中白色像素的面積占比； 5) 基于計算得到的所述面積占比，選擇對傾斜校正后的二值圖像進行第二次形態學閉 運算的結構元素大小； 6) 基于選擇的所述結構元素大小對傾斜校正后的二值圖像進行第二次形態學閉運算， 獲得完整的和去除噪聲的玻璃絕緣子串的第二連通域。4. 根據權利要求3所述的玻璃絕緣子掉串故障檢測方法，其特征在于，所述面積占比m 如式(1)所示， 式（1)中，m為面積占比，η為所還>俚?像ψΗ 聚系的T數，N為所述第一連通域的最 小外接矩形的面積。5. 根據權利要求3所述的玻璃絕緣子掉串故障檢測方法，其特征在于， 所述結構元素大小包括如下情況：m為所述面積占比；size括號內表示結構元素的大小。6. 根據權利要求3所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟(3)進一步 包括： 1) 確定所述第二連通域的最小外接矩形，對該最小外接矩形范圍內的像素進行取反操 作； 2) 對取反以后的圖像進行連通域標記，計算標記的連通域3*的面積值S(St)和該連通域 最小外接矩形的長寬比值； 3) 根據步驟2)中標記的連通域的面積值和該連通域最小外接矩形的長寬比值確定掉 串位置，并進行標定； 步驟2中t表示標記的連通域的序號。7. 根據權利要求6所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟1)所述取反 操作如式(2)所示，其中，img2是取反以后的圖像，（i，j)為當前被操作像素點的坐標，imgl是原圖像。8. 根據權利要求6所述的玻璃絕緣子掉串故障檢測方法，其特征在于，步驟3)所述的根 據步驟2)中標記的連通域的面積值和該連通域最小外接矩形的長寬比值確定掉串位置的 判定條件如式(3)所示：其中S(St)是所述標記的連通域3*的面積；1和h分別是該連通域的最小外接矩形的長和 寬； 當所述標記的連通域心的面積值和該連通域最小外接矩形的長寬比值同時符合式(3) 的判定條件時，即認定所述標記的連通域為玻璃絕緣子串的掉串位置，對該位置進行標 定。
【文檔編號】G06T7/00GK105957081SQ201610278200
【公開日】2016年9月21日
【申請日】2016年4月28日
【發明人】王迪, 張木柳, 翟永杰, 程海燕
【申請人】華北電力大學（保定）