一种输电线杆塔横担处螺栓缺陷检测方法技术

目前，大部分基于无人机输电线路巡检技术的研究都是关于导线的断股和异物悬挂、绝缘子缺失等缺陷检测。而对于输电线杆塔横担处螺栓缺陷检测技术的研究却少之又少，甚至是空白的。同时，由于图片背景较为复杂，难以获得令人较为满意的检测效果。螺栓是输电线路中的重要部件，一旦出现故障隐患，将直接威胁高压电网安全，甚至造成难以估量的损失。针对这一不足，本发明专利技术公开了一种基于航拍图像的杆塔横担处螺栓缺陷检测方法，主要内容包括航拍图像预处理、螺栓区域定位、螺栓的缺陷检测。

Method for detecting bolt defect at transverse arm of transmission line tower

At present, most of the research based on unmanned aerial vehicle transmission line inspection technology is about the detection of broken strands and foreign bodies hanging, insulators missing and other defects. However, there are few researches on the bolt defect detection technology of the transmission line pole, and even blank. At the same time, because the background of the picture is more complex, it is difficult to obtain satisfactory detection results. Bolt is an important component of the transmission line. Once a hidden trouble occurs, it will directly threaten the safety of the high-voltage power grid, and even cause incalculable losses. In order to solve the problem, the invention discloses a method for detecting bolt defects at the transverse arm of a tower tower based on aerial images, which mainly comprises the pretreatment of aerial images, the positioning of a bolt region, and the defect detection of bolts.

【技术实现步骤摘要】
一种输电线杆塔横担处螺栓缺陷检测方法
本专利技术涉及一种缺陷检测方法，具体涉及一种输电线杆塔横担处螺栓缺陷检测方法。
技术介绍
经济发展不仅使城乡电网负荷快速增长，也对供电可靠性和供电质量提出了更高的要求。我国的电力线路走廊，经常需要穿越各种复杂的地理环境，频繁经过湖泊水库以及崇山峻岭等，输电线路这种覆盖范围大、分布区域广、传输距离长、地理条件复杂多变及受环境气候影响显著等特点，给线路的日常运行、维护和检修带来极大挑战。输电线路的巡视一般采用人工巡视方式，这种方法虽简单，但效率较低，周期较长，且需要配备大量光学设备和素质高、经验丰富的巡线人员，对人力、财力的要求较高。随着我国基于无人机的输电线路巡检技术的发展和应用，对于如何在复杂的自然背景下，利用图像处理技术，从航空影像中自动精确地提取线路设备(如导线、绝缘子等)，准确识别检测其缺陷，成为一项关键技术问题。目前，大部分基于无人机输电线路巡检技术的研究都是关于导线的断股和异物悬挂、绝缘子缺失等缺陷检测。而对于输电线杆塔横担处螺栓缺陷检测技术的研究却少之又少，甚至是空白的。同时，由于图片背景较为复杂，难以获得令人较为满意的检测效果。螺栓是输电线路中的重要部件，一旦出现故障隐患，将直接威胁高压电网安全，甚至造成难以估量的损失。本文针对这一不足，重点研究了航拍图像中的杆塔横担处螺栓缺陷的检测。
技术实现思路
本专利技术首先是填补了杆塔横担处螺栓缺陷检测这一空白；其次提出一种新的适用于螺栓检测的研究方案；最后是提高电网巡检效率。本专利技术公开了一种基于航拍图像的杆塔横担处螺栓缺陷检测方法，主要内容包括航拍图像预处理、螺栓区域定位、螺栓的缺陷检测。本专利技术分两步提取感兴趣区域，第一步利用灰度投影算法完成杆塔横担区域定位，第二步利用改进的霍夫变换为核心提取精确的感兴趣区域。改进的霍夫变换可更准确的标出图像中的直线，并且寻找出最长直线。完成目标区域提取后，利用面积阈值法去除横担背景，提取待检测的螺栓信息。最后根据螺栓的特征检测螺栓是否平帽或者松动。图1是系统总体流程图。附图说明图1主程序流程图；图2-1加椒盐噪声图与自适应滤波后对比截图；图2-2LOG边缘检测效果图；图3-1螺栓区域定位算法流程图；图3-2灰度投影图；图3-3螺栓区域粗提取；图3-4拉普拉斯锐化后的二值化效果图；图3-5霍夫变换直线检测结果；图3-6图像旋转后的二值图图3-7旋转后的霍夫变换直线检测结果；图3-8螺栓区域精确提取；图4-1螺栓的缺陷检测算法流程图；图4-2螺栓区域二值图；图4-3面积阈值法效果图；图4-4目标螺栓二值图；图4-5螺栓平帽检测结果；图4-6角点检测结果；图4-7螺栓螺母松动检测结果图。具体实施方式下面结合附图对本专利技术做进一步的描述，但本专利技术的实施方式并不限于此。图像预处理：由于不存在完美状态，在获取图像过程中不可避免总会引入各种噪声，不仅妨碍感官，更会妨碍后续图源信息的理解和分析，给处理结果造成误差，因此，在对图像处理之前一般会所得目标图像进行去噪处理。滤波是信号处理中的概念，目的是将信号中特定波段的频率滤除，为去噪中很经典的处理方法。自适应中值滤波：中值滤波效果依赖于滤波窗口的大小，太大使边缘模糊，太小了则去噪效果不佳。因为噪声点和边缘点同样是灰度变化较为剧烈的像素，普通中值滤波改变噪声点灰度时，也将一定程度改变边缘像素的灰度值。而噪声点像素值几乎都是邻域内的极值，但边缘通常不会是，则能利用这一特征来限制中值滤波。具体的改进方法可为：逐行扫描图像，当处理每一个像素时，判断该像素是否是滤波窗口覆盖下邻域像素的极大值或者极小值。如果是，则采用正常的中值滤波处理该像素；如果不是，则不予处理。这种方法能够非常有效地去除突发噪声点，尤其是椒盐噪声，并且几乎不影响边缘。因其相邻各点有很强的相关性，边缘特征又要保证不被模糊，所以中值滤波法最合适。边缘检测：LOG算子可以在不同分辨率下检测线特征，当空间常数σ＜1时，可以获得与边缘较一致的零交叉，检测到影像中的聚焦良好的物体的精细边缘特征；并且一定程度上抑制了反差较小的噪声，当空间数增大时，可以检测到影像中的模糊边缘。LOG算子计算简单，便于实现，而且不涉及阈值问题，在一定程度上，可满足应用要求。螺栓区域定位：由于无人机系统传回来的图片分辨率比较高,并且如果对整张图片进行处理，其要求的计算量就太大，而通过对故障的精确定位，只对感兴趣的故障部位，即螺栓区域，进行处理不但可以大大减少计算量和降低对系统资源的要求，也会提高整个系统的效率，所以故障的定位就显得尤为必要。螺栓区域的定位先是利用灰度投影初步确定该区域的大致边界，然后采用改进的霍夫变换逐步将其位置精确化。螺栓区域粗提取：图像的信息可用二维函数f(x,y)表示，x、y表示二维平面坐标，f表示在图像像素点(x,y)处的灰度值。灰度投影理论描述的是将灰度图像分别进行向下求和、向左求和的操作，分别称之为列灰度投影和行灰度投影，其目的是将行、列两个方向上的图像二维信息用两组一维信息表示，并能反映出图像灰度分布特征。投影图如下：分析以上对航拍图像行投影和列投影的结果，可以看出，杆塔横担位于列灰度投影曲线和行灰度投影曲线均值较大的区域。基于以上特征对杆塔横担做一个大致的提取，步骤如下：1)把列投影结果划分为7块，再分别求和，结果放在Sj容器中；2)找出Sj数组中的最大值的索引号jindex，根据索引号选取一个合适的y坐标；3)把行投影结果划分为12块，再分别求和，结果放在Si容器中；4)先找出Si数组中的最小值Simin，再把每个子块的和与之做差，存放于R数组；5)设定阈值500，筛选出R大于500的子块，并把其索引号存放于xzuobiao；6)从数组xzuobiao中选出最大值，在乘以每个子块的长度就是x坐标；7)根据所得点(x,y)，划分一个高＝100，宽＝210的矩形为螺栓粗提取区域，其结果如图2-4所示。进一步精确螺栓区域：虽然前面对螺栓区域做了粗提取，但由于杆塔上安装有大量螺栓及螺母，螺栓区域粗提取包含了无关螺栓，会对检测结果造成影响。因此需要对螺栓区域进一步精确提取，把范围缩小在杆塔横担处。结合杆塔横担的特征，本小节利用改进的霍夫变换对杆塔做直线检测。图像旋转：由于预处理过程会使图像变得模糊，所以先对粗提取图像做图像锐化，使图像变得更加清晰。本节使用拉普拉斯算子对图像做锐化处理，输出图像中的双边缘。如果直接对粗提取图像做二值化处理，霍夫变换直线检测方法将检测不出杆塔横担处的边缘线。故先对粗提取图像做拉普拉斯锐化，然后再二值化，可以很好的检测出杆塔横担处的边缘线。通过二值图可以看出，杆塔横担处的边缘线较为明显且比较长。为了进一步做螺栓区域的精确提取，先把图像旋转一定角度。此处利用改进的霍夫变换方法对图像进行直线检测，具体图像旋转步骤如下：1)利用改进的hough()函数执行霍夫变换，得到霍夫矩阵；2)利用houghpeaks()函数在霍夫矩阵中寻找峰值点；3)利用houghlines()函数在之前2步结果的基础上得到原二值图像中的直线信息；4)标出各条符合条件要求的直线段，并寻找出最长直线段，如图3-4所示，红色标注为最长直线段；5)计算最长直线段的倾斜角度，并旋转该角度，得到旋转后的图像本文档来自技高网...

【技术保护点】
一种输电线杆塔横担处螺栓缺陷检测方法，包括如下步骤：输入原始图像；对原始图像采用自适应中值滤波；进入LOG边缘检测；对杆塔横担区域定位；螺栓区域精确提取；然后对螺栓平帽缺陷和螺栓螺母松动缺陷检测，显示检测结果。

【技术特征摘要】
1.一种输电线杆塔横担处螺栓缺陷检测方法，包括如下步骤：输入原始图像；对原始图像采用自适应中值滤波；进入LOG边缘检测；对杆塔横担区域定位；螺栓区域精确提取；然后对螺栓平帽缺陷和螺栓螺母松动缺陷检测，显示检测结果。2.如权利要求1所述的检测方法，其特征在于：所述的对原始图像采用自适应中值滤波，具体步骤为：逐行扫描图像，当处理每一个像素时，判断该像素是否是滤波窗口覆盖下邻域像素的极大值或者极小值。如果是，则采用正常的中值滤波处理该像素；如果不是，则不予处理。3.如权利要求1所述的检测方法，其特征在于：所述的杆塔横担区域定位，具体步骤为：先是利用灰度投影初步确定该区域的大致边界，然后采用改进的霍夫变换逐步将其位置精确化。4.如权利要求3所述的检测方法，其特征在于：所述的利用灰度投影初步确定该区域的大致边界，具体步骤是：图像的信息可用二维函数f(x,y)表示，x、y表示二维平面坐标，f表示在图像像素点(x,y)处的灰度值。灰度投影理论描述的是将灰度图像分别进行向下求和、向左求和的操作，分别称之为列灰度投影和行灰度投影，将行、列两个方向上的图像二维信息用两组一维信息表示，并能反映出图像灰度分布特征。5.如权利要求3所述的检测方法，其特征在于：所述的采用改进的霍夫变换逐步将其位置精确化，具体步骤是：首先旋转图像，具体图像旋转步骤如下：1)利用改进的hough()函数执行霍夫变换，得到霍夫矩阵；2)利用houghpeaks()函数在霍夫矩阵中寻找峰值点；3)利用houghlines()函数在之前2步结果的基础上得到原二值图像中的直线信息；4)标出各条符合条件要求的直线段，并寻找出最长直线段...

【专利技术属性】
技术研发人员：黄志文，张学习，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44