★ 云南電網有限責任公司玉溪供電局 朱錢鑫，師濤，宋方俊，楊海杰

關鍵詞：輸電線路；導線損傷；圖像處理；損傷識別

1   引言

隨著我國國民經濟的迅速發展、電力系統的規模不斷擴大以及電力輸送距離的增加，輸電導線（鋼芯鋁絞線）作為電力系統的關鍵組成部分，承擔著將發電站生成的電能高效、穩定地傳輸到用戶終端的重要使命[1,2]。在自然環境變化和不可預測的外部因素（如雨雪、冰雹、雷電、酸雨以及微風振動等）的影響下，輸電線路往往面臨各種損傷和故障，導致輸電導線承載能力降低，不僅威脅電力系統的穩定運行，還嚴重影響人們的生活和生產，甚至可能引發人身安全事故[3-5]。

近年來，隨著計算機信息技術的飛速發展，架空輸電導線的損傷識別技術逐漸成為電力系統的研究熱點之一。有效的損傷識別技術能夠實時監測輸電導線的狀態、及時發現并定位潛在的問題，對提高電力系統的安全性和可靠性具有重要意義。然而，輸電線路經常架設于高空，遠離人員直接觀察的位置，傳統的輸電線路巡檢主要依靠人工，需要工作人員跋山涉水巡檢，不僅耗費大量的人力物力，還容易出現錯判漏判，精確度和準確度難以保障。隨著直升機、無人機逐步應用于輸電線路巡檢作業，基于圖像處理及圖像識別的輸電線路缺陷檢測迎來了新的發展契機。早期航空攝影測量技術難以適用于電纜線檢測，主要是由于航空圖像中導線占比太小，無法體現細節，存在諸多技術瓶頸，同時航空檢測成本較高。現階段，無人機或直升機也尚未實現對整個電力系統巡檢的全覆蓋。目前，針對無人機或直升機搭載的圖像采集裝置得到的導線圖片，國內仍以人工研判為主，不僅效率較低，檢測結果也易受人為主觀因素的影響。

針對現有檢測方式存在的不足，本文提出了一種基于圖像處理的導線損傷識別技術。該技術首先對導線損傷部分圖像進行灰度值、降噪等預處理以及圖像分割提取，然后通過研究導線損傷圖像灰度值特性，結合圖像處理算法，實現導線損傷部分的精確識別。該技術有效提高了巡檢工作效率以及導線損傷識別的精準度，降低了巡檢工作的強度，同時也為電力系統的健康檢測以及維護提供了新的技術手段，有效避免了電力運作過程中因導線損傷而導致的輸電故障以及安全事故，對保障電力線路穩定安全運行以及推進我國智能電網建設具有重要意義。

2   識別導線表面缺陷的分析算法

識別導線表面缺陷的分析算法包括導線圖像提取和導線表面缺陷識別。

2.1   導線圖像預處理

目前， 圖像采集器采集的圖像多為RGB三通道彩色圖。為減少處理對象的數據量，提高處理效率，需在實際應用過程中，根據獲取圖像的特性對其進行顏色模型轉化及灰度化處理，最大化保留圖像有效信息。由于架空輸電導線架設高度大，因此獲得的圖像普遍存在導線部分清楚、背景模糊的特點。針對這一問題，本章提出了基于灰度方差歸一化顏色模型變換的方法。該方法通過改變輸電導線與周圍環境的顏色差異性，不僅可消除導線上光照形成的陰影干擾，還能較好地抑制相同或類似顏色的干擾以及復雜背景的影響。

該方法以像素點灰度值為處理對象進行進一步的圖像處理，具體計算原理如下：首先以圖1所示的模板中心點作為起點，逐一對整個圖片中的所有像素點進行遍歷 ，然后用模板內所有像素點的灰度值均方根替換模板中心像素點的灰度值（即取模板中心位置處為待定灰度），最后再按照上述方法繼續遍歷剩下的所有像素點并更新其對應位置的灰度值。由于待處理的導線圖像大小和分辨率各不相同， 所以需要針對不同的情況選取相應尺寸的遍歷模板來遍歷所有的圖片，以達到更好的處理效果。以5*5的模板為例， 對導線圖像進行灰度方差歸一化的具體過程如下：

首先 計算遍歷模板內每個像素點的平均灰度值和每個遍歷位置的方差以及歸一化，公式如式（1）所示：

其中，Q為模板內所有像素點的平均灰度值；Q_i為遍歷模板內某一點的灰度值。

圖1 5★5模板

其中，q₁₃為一個處理單元模板中的中心像素點灰度值的方差。利用該公式可得到整幅圖像對應的灰度方差圖。

其中，m_i為像素點歸一化后的灰度值；q_max、q_min分別為灰度方差圖中的最大和最小灰度值； q_i為灰度方差圖上像素點的灰度值。

圖像經該方法處理后的結果如圖2所示。

圖2 灰度方差歸一化結果圖

觀察圖像可知，灰度方差歸一化處理之后，有效凸顯了圖像中的導線區域。

2.2   導線提取

在進行輸電線路導線表面損傷檢測之前，首先要對導線區域進行識別、定位與分割。由于在運行現場采集到的輸電導線圖像易受氣候、光照及背景的影響，因此本文在導線灰度方差歸一化預處理圖像的基礎上，對圖像中導線區域進行分割提取，然后將所提取的導線區域作為后續算法的檢測范圍，大大減少了運算的數據量，并提高了檢測的準確度。

為獲得導線區域的分割結果， 本文分別采用Otsu法、迭代全局閾值法及局部閾值法對預處理圖像進行閾值處理，并對其效果進行比對，最終選擇局部閾值法進行導線區域提取。該方法可根據圖像的局部信息進行動態調整。局部閾值分割的目標是在圖像的不同區域使用不同的閾值， 以適應圖像中灰度變化較大的情況， 隨后將其與形態學處理相結合，最終獲得導線區域的分割結果。

2.3   導線表面損傷檢測

將得到的導線區域分割結果作為掩膜（Mask），將其映射到經過灰度方差歸一化的圖像上，可得到導線區域的灰度方差歸一化圖像，如圖3所示。觀察圖像特點可知，導線表面缺陷區域的灰度值顯著高于其他區域。因此，當導線圖像垂直方向存在缺陷時，歸一化圖像的垂直投影曲線會出現波峰；同樣，當水平方向存在缺陷時，其水平投影曲線也會出現波峰。基于該特性，對導線區域圖像分別進行局部垂直、水平方向投影，即可定位其潛在損傷區域。

圖3 導線區域提取圖像

（1）垂直投影

對圖4進行垂直投影 ，具體計算過程如式（4）所示。

其中，F （x，y）為坐標（x，y）處的像素點灰度方差歸一化值；m_y為導線區域第y列像素點灰度方差歸一化值。

為有效抑制圖像表面細小噪聲的干擾，對歸一化值波形 進行中值濾波處理，結果如圖4所示。

圖4 導線區域垂直投影處理結果

為精準顯示導線縱向破損的位置，對投影灰度值進行閾值處理。選取垂直投影中的最大和最小灰度值的平均值作為閾值，表達式為式（5）：

若某一幅圖像水平投影上的某個像素的投影灰度值大于此閾值，則將該值減去閾值作為新的投影值；反之則置零 。處理結果如圖5所示（圖縱坐標為投影后所有像素點的縱向灰度方差歸一化和）。

圖5 閾值處理結果

為進一步確定導線損傷位置，本文采用空域高通濾波對圖5進行圖像細節增強， 該方法區別于頻域傅里葉高通濾波。將濾波滑動窗口邊長設置為單股輸電導線直徑2r（r為單股導線等效半徑），以導線實際物理尺度約束窗口范圍，通過鄰域灰度差分抑制背景低頻信息、強化導線邊緣高頻特征。處理結果如圖6（a）所示， 根據該波形圖標記導線縱向潛在損傷位置， 如圖6 （b）所示。

圖6 導線縱向潛在損傷面積確定

（2）水平投影

水平投影與上述垂直投影類似，其計算過程如式（6）所示：

其中， F（x，y）為坐標（x，y）處的像素點灰度方差歸一化值；m為輸電導線第x行導線區域像素點灰度方差歸一化值的和。對水平投影結果分別進行中值濾波處理、閾值處理和高通濾波處理，結果如圖7所示，并標記橫向潛在損傷區域。通過上述步驟，最終選取縱向與橫向潛在損傷區域的重合部分篩選可疑缺陷，即為導線表面損傷區域，如圖8所示。

圖7 導線橫向潛在損傷區域確定

圖8 導線表面損傷識別結果

2.4   架空輸電導線表面損傷識別算法

本文所提出的圖像分析算法主要包括導線圖像預處理、導線提取和導線表面損傷識別三個模塊。根據輸電導線表面的灰度分布特性以及損傷部分特征，對采集的輸電導線圖像進行損傷缺陷的全面檢測， 首先對導線原始圖像進行灰度方差歸一化處理， 突出導線區域并減少后續要處理的數據量，在此基礎上，對導線灰度方差歸一化圖像采用局部閾值分割方法進行導線區域分割提取得到導線區域圖像， 將其映射到原圖像得到對應的灰度方差歸一化圖像， 隨后對其分別進行垂直和水平投影處理， 并且通過中值濾波、閾值分割和高通濾波對每個投影所得的波形結果進行處理， 最終通過波形處理結果對原始圖像進行標記，得到導線縱向以及橫向潛在損傷區域， 將其重合區域進行標記并且篩選可疑部位， 即可實現導線表面損傷的識別。

3   輸電線路導線表面損傷檢測實驗分析

本研究利用圖像采集設備采集不同圖像背景及不同損傷程度的導線損傷圖像作為原始導線損傷圖像數據，采用本文所述算法對圖像進行處理與分析，驗證其檢測效果。

3.1   導線表面缺陷檢測算法測試

為檢驗本文提出的導線表面損傷檢測算法的性能，本實驗選取多張不同背景的表面損傷圖像進行測試驗證。

3.2   實驗數據集驗證

為進一步驗證算法的有效性，本實驗共采集300張不同背景下的導線損傷圖像進行實驗測試。數據集內共包含412處故障點數，經本文算法檢測后，成功識別375處故障點數，整體檢測準確率達91.01%。實驗結果表明，該算法可有效檢測輸電線路導線的表面損傷故障。

4   結束語

本文提出了一種架空輸電線路導線損傷圖像的識別技術。該技術對獲取的原始圖像數據進行了圖像處理算法檢測，并通過實驗驗證了其可行性及有效性。總體來說，全文主要研究工作如下：

（1）分析了輸電線路導線損傷檢測識別作業的研究現狀，總結了現有巡檢檢測手段的特性，并通過對現有的基于圖像處理的輸電線路故障診斷方法的研究，探討了利用圖像處理技術進行輸電線路故障診斷的可行性及難點；

（2）依據圖像采集設備所采集圖像的特征，對輸電線圖像中各個像素點進行分析，提出了一種根據導線圖像中各個像素點分散性大小的不同而使不同的背景圖像中的導線區域得到凸顯，進而可以準確提取出導線區域的方法。該方法通過改進傳統的形態學運算方法，彌補了現有算法的不足，并在此基礎上實現輸電線路上的損傷檢測；

（3）基于獲得的導線區域圖像，結合受損圖像的灰度特性，采用本文所提的灰度值投影算法，實現了輸電線路損壞故障的識別，便于維護人員能夠及時進行維護，避免了停電；

（4）對本文提出的輸電導線損傷故障識別算法進行實驗測試，驗證了該方法的實用性與有效性。

本研究深入分析了架空輸電線路導線圖像損傷技術，并取得了一系列研究成果。該技術在實際應用中表現出了良好的性能，為輸電線路的維護提供了可靠依據。但輸電線路實際運行環境復雜多樣，受背景、導線顏色特征及其架構特點影響，輸電導線區域的預處理、準確分割提取仍然是該領域的研究重點。在本項目中，受實驗條件和研究水平限制，實際采集到的樣本數量非常有限。因此，在今后的研究中，需要對更多的影像資料進行檢測，并對算法進行持續的優化，從而提高線路損傷的識別精度。此外，單一圖像處理技術存在檢測盲區，未來可將本文方法與其他檢測方式融合，全面提升線路損傷檢測能力。

★基金項目：南網云南電網有限責任公司科技項目（YNKJXM20222213）。

作者簡介：

朱錢鑫（1992-），男，云南玉溪人，工程師，學士，現就職于云南電網有限責任公司玉溪供電局，研究方向為輸電線路運行維護檢修及輸電智能化運維。

參考文獻：

[1] 蔣興良, 夏云峰, 張志勁, 等. 基于優化Gabor濾波器的輸電導線斷股圖像檢測[J]. 電力系統自動化, 2011, 35 (15) : 78 - 83.

[2] 盛戈皞, 江秀臣, 曾奕, 等. 架空輸電線路運行和故障綜合監測評估系統[J]. 高電壓技術, 2007, (08) : 183 - 186.

[3] 翟學明, 李曉, 翟羽佳. 基于深度學習的架空輸電導線缺陷檢測方法研究[J]. 電網技術, 2023, 47(03) : 1022 - 1031.

[4] 馮河清, 鹿可可, 文裕鈞, 等. 基于航拍圖像的輸電線路導線損傷識別技術[J]. 傳感技術學報, 2022, 35 (08) : 1123 - 1130.

[5] 張新春, 曹應平, 韓春雨, 等. 基于圖像處理的輸電線路導線表面損傷特征研究[J]. 圖學學報, 2018, 39 (03) : 440 - 447.

摘自《自動化博覽》2026年6月刊