输电杆塔上的鸟巢检测作为电力系统巡检的一项重要研究内容,这是因为鸟类在输电杆塔上的筑巢活动所导致的输电线路安全事故频频发生。在我国鸟类数量巨大,鸟类的活动可能给高压输电线路的正常安全运行带来隐患,对国家电网造成严重的经济损失,所以针对输电线路上存在的鸟巢有必要提出一套行之有效的解决方案。本文针对如何识别高压输电杆塔上的鸟巢,通过对国内外鸟巢检测方法的研究,找到了一种融入纹理特征的鸟巢自动检测方法。本文提出的输电杆塔鸟巢检测方法实现主要分两个步骤,第一步先提取输电杆塔框架。因为航拍的输电杆塔图像可能存在拍摄距离较远的情况,导致图像中存在大量的复杂背景而且鸟巢在整个图像中的占比也会随之变小,这些因素都不利于鸟巢的检测,所以对于这类图像先提取出图像中的输电杆塔框架显得尤为重要。本文针对航拍的杆塔图像在不同光照和复杂背景下表现出的差异,结合输电杆塔的特性提出了一种新的输电杆塔框架提取方法。该方法先选择合适的颜色空间对杆塔图像的背景进行粗分割,接着使用Canny边缘检测和Hough变换筛选出可能是杆塔结构区域的连通域,最后把筛选连通域后的图像分成10*10像素大小的盒子并结合杆塔的几何特征提取出输电杆塔框架。第二步在提取出的杆塔框架图像中检测杆塔上存在的鸟巢。由于无人机拍摄角度的随机性,会有不少存在鸟巢被杆塔遮挡的图像,使得鸟巢轮廓的描述和提取难度较大。鸟巢在图像中呈现出的深褐色导致鸟巢区域的灰度值和部分背景灰度值十分接近,因此使用简单的分割方法也不能检测出鸟巢。针对存在的问题,提出了融入纹理特征的鸟巢检测方法,该方法首先将提取出的杆塔框架图像转换到HSV颜色空间,通过分析鸟巢的HSV颜色分量取值范围,初步筛选出杆塔图像中的鸟巢疑似区域,然后结合鸟巢的特征进一步确定鸟巢疑似区域。通过对疑似鸟巢区域中的鸟巢和非鸟巢的图像进行灰度共生矩阵特征值的比较,找出最能够表征鸟巢的特征量,利用该特征量选择SVM分类器分类并输出结果。最后利用收集到的无人机航拍杆塔图像对本项目提出的鸟巢检测方法进行验证,实验表明该方法能够准确检测出杆塔图像中的鸟巢,并且不受不同光照和复杂背景的影响。