[发明专利]一种绝缘子缺陷红外检测方法

说明书

本发明公开了一种绝缘子缺陷红外检测方法，涉及绝缘子缺陷红外识别技术领域；其包括S1图像预处理、S2绝缘子分割和S3绝缘子故障检测的步骤，所述步骤S1图像预处理，将采集到的绝缘子航拍图像进行灰度化处理并得到灰度化图像，根据灰度化图像的灰度规律对灰度化图像进行分段线性拉伸并得到灰度化拉伸图像，对灰度化拉伸图像进行滤波处理并得到预处理图像；其通过S1图像预处理、S2绝缘子分割和S3绝缘子故障检测的步骤等，实现了识别绝缘子缺陷。

技术领域

本发明涉及绝缘子缺陷红外识别技术领域，尤其涉及一种绝缘子缺陷红外检测方法。

背景技术

随着智能电网建设的日益推进，对输电线路巡检智能化的要求越来越高，使用基于图像识别技术的巡检机器人和无人机逐步替代烦琐的人工巡检和昂贵的直升机巡检已成为必然的趋势。绝缘子是输电线路中最常见的部件，一旦发生故障，就会导致输电线与输电线之间或输电线与塔台之间发生接触，导致供电中断，严重时甚至会发生大范围停电的事故。由于长时间暴露在野外，常受到暴风、雨、雪等恶劣环境的侵蚀，绝缘子不可避免的会出现各种故障: 自爆、闪络放电、异物、掉串等问题。其中绝缘子片自爆问题是最常见且急需解决的一种缺陷，主要出现在玻璃绝缘子上。正确识别定位玻璃绝缘子，找到自爆缺陷并及时采取补救措施，从而利于输电线路的有效利用及其寿命的延长。传统的绝缘子自爆缺陷的检测方法需要大量的工作人员人工判读，耗时耗力，效率低下，成本高昂。

传统的绝缘子自爆缺陷的检测方法需要大量的工作人员人工判读，耗时耗力，效率低下，成本高昂；在此背景下，无人机在电力巡检中得到了广泛的应用。目前，国内外关于绝缘子缺陷检测的相关研究有深度学习技术、计算机视觉技术、图像识别技术等方面；但是，这些绝缘子缺陷检测技术仍存在着许多问题，难以满足当前绝缘子缺陷的故障识别要求，一种合适的绝缘子缺陷红外识别方法是非常有必要的。

现有技术问题及思考：

如何解决识别绝缘子缺陷的技术问题。

发明内容

本发明所要解决的技术问题是提供一种绝缘子缺陷红外检测方法，其通过S1图像预处理、S2绝缘子分割和S3绝缘子故障检测的步骤等，实现了识别绝缘子缺陷。

为解决上述技术问题，本发明所采取的技术方案是：一种绝缘子缺陷红外检测方法包括S1图像预处理、S2绝缘子分割和S3绝缘子故障检测的步骤，所述步骤S1图像预处理，将采集到的绝缘子航拍图像进行灰度化处理并得到灰度化图像，根据灰度化图像的灰度规律对灰度化图像进行分段线性拉伸并得到灰度化拉伸图像，对灰度化拉伸图像进行滤波处理并得到预处理图像。

进一步的技术方案在于：所述步骤S2绝缘子分割，对预处理图像进行绝缘子串区域定位，从候选区域中提取绝缘子图像。

进一步的技术方案在于：所述步骤S2绝缘子分割包括S201绝缘子识别与定位和S202绝缘子图像分割的步骤，在所述步骤S201绝缘子识别与定位中，根据预处理图像的灰度方差进行图像分类并得到分类图像，分类图像包括简单背景图像和复杂背景图像，当灰度方差＞50为简单背景图像，当灰度方差≤50为复杂背景图像，采用像素点稀疏算法对简单背景图像进行处理或者将复杂背景图像转换至HSI颜色空间，然后进行图像滤波和图像腐蚀，利用图像运算得到骨架化图像。

进一步的技术方案在于：在所述步骤S201绝缘子识别与定位中，得到骨架化图像之后，采用模糊计票的Hough变换算法检测并获得骨架化图像中的直线，根据设定的绝缘子串的直线长度筛选所有直线并获得绝缘子中轴线的候选直线，通过限定检测长度排除干扰并确定绝缘子主轴待选区域。

进一步的技术方案在于：在所述步骤S201绝缘子识别与定位中，在确定绝缘子主轴待选区域之后，在候选直线斜率垂直方向，采用广义Hough变换算法检测并获得圆盘状的曲线即圆盘型分布的点，对每一待选区域邻域内检测并获得圆盘状的曲线的数量即圆盘数量，当邻域内的圆盘数量超过设定阈值，则判定该处为绝缘子串并实现绝缘子串的精细定位。