摘要
我国是用电大国，电网安全稳定的运行与国民经济的发展息息相关。电力线作为电网的主要组成部分，是电力系统和电网稳定安全运行的基础。我国长距离电力输送和短距离电力配送的电力线基本采用钢芯铝绞线，而钢芯铝绞线会在极端天气等影响下产生不同形式的故障，其中以异物附着和电力线断股最为常见。因此，定期对电力线进行巡检是保证电能稳定安全供给和保障国民经济的关键。现有的人工巡检方式很难满足我国庞大且复杂的输电网络维护需求，亟需探索和应用新的巡检方式，无人机巡检方式成为当前电力系统发展的迫切需求。 随着电力系统自动化和智能电网的发展，图像处理技术和计算机视觉技术越来越多地应用在电网的智能巡检中。本文将以无人机巡检过程中拍摄的电力线图像为基础，使用图像处理的方法实现电力线的识别和故障检测，具体工作如下： 首先，针对电力线图像背景复杂和随机噪声多的特点，本文对电力线图像进行预处理，利用图像灰度化、直方图均衡以及中值滤波等方式提高电力线图像的质量。并使用一种改进的Canny算子对图像进行边缘检测，对传统边缘检测算子在梯度幅值计算和双阈值确定两个方向进行改进，提高了传统Canny算子的抗噪声能力，同时增强了Canny算子的自适应能力。 其次，在预处理图像的基础上，根据电力线的直线特性对电力线进行识别和提取。本文分析了Radon变换、LSD算法、Hough变换三种常用的直线检测算法，采用了一种改进的Hough算法用于电力线的识别，该方法融合概率Hough变换和标准Hough变换的结果，有效避免了电力线重复识别等问题，且能准确标注图像中电力线的端点。进而通过区域分割的算法，将电力线整体作为一个连通区域从图像中分割出来，为故障检测奠定了基础。 最后，本文针对两种常见故障分别给出有效的检测算法。对于电力线异物，本文采用一种基于轮廓检测的异物检测算法，首先对图像进行二值化，并使用投影法对疑似异物区域进行估计；然后基于多组形态学运算，给出了一种基于轮廓识别与筛选的电力线异物检测算法，实现对电力线异物的检测，并对异物实现裁剪与提取；对于电力线断股，本文将断股检测转化成分叉点的检测。通过对电力线进行骨架化处理，定义了电力线端点、直线点、交叉点、孤立点的识别准则，进而实现了对电力线断股的检测。另外，本文还设计了一种基于Harris角点检测和角点筛选的算法，有效排除了电力线虚拟交叉对电力线断股检测的干扰。
NETL