基于衛星遙感影像的輸電線路異物故障特征分析

聶鼎，黃然，周仿榮，趙現平，沈志，方明，馬儀

（1.云南電網有限責任公司電力科學研究院，昆明 650217；2.云南電網有限責任公司帶電作業分公司，昆明 650000；3.云南電網有限責任公司，昆明 650051）

0 前言

遙感監測是綜合多種學科的一種探測技術，通過攝像和其他方式獲取被測目標的影像和數據，這種技術在上個世紀70 年代初就已經被美國成功使用了?，F如今，該技術在多個領域被廣泛的應用，是人們認識世界的重要手段。

高壓線是國民正常生活和安全生產的重要保證，但由于受到復雜地理環境的危害無法安全運行，給民眾和企業帶來了重大的損失。氣候變換和外來異物是影響高壓線正常運行的主要原因，如果異物一直懸掛在輸電線路上，可能會導致輸電線路斷裂，造成電力能源輸送中斷，給企業和居民帶來損失。以往采用的人工巡檢方式需要耗費大量的人力和物力，在受到地理環境和氣候影響時，無法精確檢測輸電線路異物故障的情況。新型的航拍技術是以機器人視覺技術為學科背景，將目標技術應用于輸電線路安全運行的檢測中。應用圖像處理和模式識別等多種理論，提取異物區域懸掛的信息，有效提高輸電線路巡檢的自動水平，具有穩定性好和提取率高的特點[1]。

1 輸電線路異物故障特征分析算法

1.1 輸電特征節點的關鍵幀篩選

現代遙感航拍等技術是依據人腦的工作原理分析影像并提取相關信息，關鍵幀提取對分析輸電線路異物故障的原因非常重要。其中包含著輸電特征節點的主要信息，本次基于航拍影像對輸電線路異物故障進行特征分析[2-3]。

傳統的電力線及異物提取方法有Ratio 算法提取，Freeman 鏈碼算法提取輸電線路，并通過SIFT、SURF、FAST 方法提取特征異物點，但傳統算法所得結果與其他地物相比，輸電線路及檢測成果并不突出，常會存在很多噪聲，掩蓋了提取目標及特征，而通過Mean-Shift 方法來預測當前幀中的異物區域，并提取特征點的計算速度較快，并且特征點提取的準確度高，基于此，研究基于Mean-Shift 算法對異物故障特征指標進行計算。

首先，對輸電特征節點的關鍵幀進行篩選，分析數據中數據結構的特征，采用預估漂移區域篩選法，提取關鍵幀信息。預估漂移區域篩選法是在時間和空間的基礎上，對圖像的信息進行描述，圖像中包含輸電線路和各種懸掛物等目標信息，測量人員可以有針對性的對輸電線路安全性做一個具體的判定，判定公式如下。

公式（1）中，f表示相鄰時刻v 的像素點數目，ti表示(a,j) 共有的等級個數[4]。當(a,j) 與數值1 的差值越小時，說明兩幀具有極高的相似度?？紤]到輸電線路相鄰幀之間幀差較小的情況，運用該方法解決幀差波動的情況，準確提取關鍵幀并減少信息冗余量。

1.2 計算異物故障特征指標

篩選后的關鍵幀圖像分辨率較高，但是會受外界變換的影響，無法快速地檢測輸電線路異物，達到跟蹤異物的效果。進而使用Mean-Shift 算法對異物故障特征指標進行計算，這種方法具有較好的抗噪特性，適應于圖像信息復雜的情況。在一段影像序列中，關鍵幀的更新速度會直接影響計算的準確度，若當前幀和參考幀相隔較大，說明兩者間的重疊區域較大。若兩幅圖像的區域逐漸減少，說明相機有可能出現平移的可能性。為了可以準確分析出異物故障的特征，基于Mean-Shift 算法設計異物故障特征指標，對異物的具體情況進行準確的分析[5]。幀差法求取公式如下所示。

公式（2）中[Yti,Yt2...Ytn]代表相鄰幀間差，|Xti－Xt2...Xtn| 代表當前幀和參考幀之間的差。結合公式（1）在輸電線路航拍視頻的關鍵幀集合中，任意選擇異物出現的五幀圖像。并將它們標記起來，依據判定公式，保留大于閾值的像素點，篩選完整的異物區域，并標注出目標位置的變化情況。該算法是在初始幀中尋找目標的前提下使用的，通過圖像處理手段，分析異物故障的特征?；谔卣鼽c的方法考慮目標區域的特征點，有效降低算法的運算量[6]。

在構建指標的過程中，要依據Mean-Shift算法公式進行卷積計算，在進行二次抽樣，但該算法只允許在尺度空間的范圍內使用，可以有效解決反復抽樣的問題。在Fenix 特征點檢測方面，要注意每層圖像只包含5 個特征點，每個像素點與相鄰像素點都有共同特征，就需要對輸電線路特征節點進行篩選。若節點閾值大于預期值，說明圖像層數不夠緊密，存在誤差[7]。這時需要重新選擇尺度空間的節點數量，從而保證特征點提取的準確性。至此，實現輸電線路異物故障特征分析算法的設計。

2 實驗論證

通過上述論證，說明輸電線路異物故障特征算法可以有效解決異物故障的問題。為了保證算法具備較高的精準度和可靠性，選擇了一段輸電線路影像數據進行仿真實驗。首先，結合公式（1）和公式（2）計算相鄰幀差；其次，在120 幀的備選關鍵幀中選取較大的背景區域，經過預估漂移區域法篩選后，選擇10 幀關鍵幀；最后，在關鍵幀中提取關鍵信息。為了增強實驗結果的說明性，采用傳統輸電線路異物故障算法與本文設計的輸電線路異物故障算法作為對比，選擇10 幀關鍵幀，對兩種算法的檢測效果進行統計和分析。實驗檢測數據如表1 所示。

表1 實驗檢測數據

表1 是本次實驗檢測的10 幀關鍵幀；對比實驗結果如圖1 所示。

從圖1 實驗結果中可以看出，輸電線路異物故障特征分析算法在分析這10 個關鍵幀的特征點時相比傳統算法更精準，從波動速度上來看，前五組關鍵幀的內容變化較小，后五組關鍵幀受傾斜程度和光照強度的影響，波動較為明顯，該算法是通過目標區域面積比計算的，在保證關鍵幀信息的前提下進行特征分析。

圖1 實驗結果

3 試驗場實際異物提取

為驗證影像對電網高壓線異物提取算法有效性，在云南電網呈貢區試驗場布置了不同種類高壓線異物附著場景。包括塑料袋，鳥窩，斷股散股等。試驗場地理坐標為：24°56‘53.00“北，102°50’46.03”東。

從試驗場現場圖可以看到現場布置的“塑料袋”以及高壓輸電線存在的“斷線”、“斷股”。

為了驗證通過該算法提取輸電線路異物的效果，本次實驗采用了Worldview3 遙感影像數據進行輸電線路異物提取。

通過拍攝的衛星數據進行觀測，遙感影像可以清晰的分辨出實驗場地的輸電塔桿，基于Worldview3 的衛星影像可以提取出試驗場地高壓線上的疑似異物，目前可提取出疑似鳥窩、疑似塑料袋等。

經過處理之后的裁剪出的試驗場鐵塔圖可以清晰分辨出其中的鐵塔，并且隱約可以看到電線的脈絡；可以更為清晰的辨識圖像，對圖像進行增強算法處理后，可以更好識別電線鐵塔和異物分布，效果較為清晰。

4 結束語

實驗論證，本次基于遙感影像的輸電線路異物故障特征分析算法具有極高的有效性，比傳統算法提取的特征點準確度更高。在輸電線路航拍的關鍵幀集合中，任意選擇異物出現的圖像，并進行標記，保留大于閾值的像素點，篩選完整的異物區域，并標出目標位置的變化情況，研究算法在云南電網呈貢區試驗場加以試用，結果與實際大體相符，采用本文的提取算法后可以識別出輸電線路上的疑似異物，如疑似鳥窩、疑似塑料袋等異物，實現了對輸電線路微小形變的檢測提取工作，并取得了較為理想的效果，可以為有效解決異物故障的問題提供參考依據。