论文部分内容阅读
电力线作为电力线路中的重要组成部分,承担着电力传输的重要职责。由于其长期暴露在自然环境下,电力线上会出现断股和异物悬挂等故障。若不及时发现处理,会对电力线路产生不良影响。目前主要电力线巡检方式有人工巡检和直升机巡检,这两种方式工作强度大、易受天气影响,且后期人力筛选故障图像效率低。因此,本文针对无人机航拍的电力线图像,围绕如何识别出电力线路中导线断股和异物悬挂的问题展开研究。针对电力线图像的背景复杂,噪声多样等特点,对图像预处理进行研究。利用图像灰度化、直方图均衡化、基于小波变换去噪等技术,从而提高航拍图像的质量。为了保证电力线提取更精确,先对电力线进行边缘检测。研究了常用的几种边缘检测算法,对传统Canny边缘检测算法在计算梯度幅值和阈值确定两方面进行改进,改进后的算法准确性和精度都有提高。依据电力线的直线特性,对直线检测算法进行研究。采用基于Hough一维变换的直线检测算法进行电力线提取,该算法能有效解决传统直线检测算法中易产生虚假直线的问题。针对电力线上存在的导线断股和异物悬挂,设计了一个故障识别算法模型。该模型针对两种故障类型对应两种故障识别算法,能依次实现断股和异物悬挂的精确识别。对断股的识别,提出基于局部轮廓特征的交叉点识别算法。该算法先对断股处交叉点形状对象的整体模板轮廓进行分解,统计形状对象所有可能的2AS或3AS的局部轮廓特征,然后使用本文重新定义语义模型的2AS描述子对模板进行特征描述,通过k均值聚类建立样本库,最后通过Chi-square法将待匹配图像与样本库中模板进行特征匹配,实现断股识别。对电力线上宽度像素进行分析,提出基于电力线宽度像素的异物识别算法,通过设置电力线宽度变化率阈值达到识别异物悬挂的目的。实验结果证实本文设计的算法模型能准确高效的识别出电力线上断股和异物悬挂。