[发明专利]一种输电线路绝缘子缺陷图像识别方法

说明书

本发明涉及一种输电线路绝缘子缺陷图像识别方法，包括：S1：建立绝缘子图像的样本库；S2：对待识别绝缘子图片的灰度化，将数字图像通过最基本的矩阵形式进行分析，采用不同的像素的灰亮值来分析图像不同的状态；S3：通过图像最大熵分割法将待识别绝缘子图片划分成环境背景区域和绝缘子区域；S4：将划分好区域的图像数据通过局部细节特征算法确定图像数据中的绝缘子轮廓和其灰度值；S5：将已处理的绝缘子图像与样本库进行比对，确定绝缘子是否存在缺陷。所述方法能更快的给出存在问题的图像数据，再通过人工判断，很大程度上减少电力巡检人员后期数据处理的工作量，同时也排除一些冗余的数据量。

技术领域

本发明涉及图像识别领域，更具体地，涉及一种输电线路绝缘子缺陷图像识别方法。

背景技术

随着无人机智能巡检系统逐渐应用于各行各业，输电线路运行维护也开始通过无人机搭载影像设备来采集图像数据。机载影像采集设备采用带有防抖云台的高清影像采集设备，其结构坚固轻巧，与机身结构配合科学合理，拍摄影像稳定清晰。由于无人机受到的地理、地形和气候的影响与限制相对较小，输电线路运维逐步的由以前的人工巡视逐渐演变为智能、方便的人机结合模式。输电线路运维人员通过在现场操纵无人机对特定位置进行拍摄，并对采集回来的照片进行查看，确认输电线路的组成部分是否存在缺陷。但是由于绝缘子数量多，且航拍图像的数据量非常庞大，要从海量的图像数据中甄别受损的绝缘子图片，用人工筛选显然费时耗力。

随着信息与人工制智能技术的发展，人工智能算法和图像识别技术已经在人脸识别中得到应用发展，识别中常用的一种方法是通过人脸的几何特征。人脸识别主要是通过眼、鼻、嘴等的形状和它们之间的几何关系(如相互之间的距离)。然而相对应，输电线路绝缘子的缺陷主要有雷击污闪、复合绝缘子破损、玻璃绝缘子炸裂等等，这些缺陷的表现形式往往会出现在绝缘子的几何特征和颜色上，因此绝缘子图像可以通过智能图像识别技术来进行筛选分类，找出存在缺陷的绝缘子图片。

发明内容

本发明为克服上述现有技术所述的用人工从海量的绝缘子图像数据中甄别受损的绝缘子图片，费时耗力缺陷，提供一种输电线路绝缘子缺陷图像识别方法。

所述方法包括以下步骤：

S1：收集输电线路巡维部门日常工作拍摄到的完好绝缘子图片，建立绝缘子图像的样本库；

S2：对待识别绝缘子图片的灰度化；

S3：通过图像最大熵分割法将灰度化后的待识别绝缘子图片划分成环境背景区域和绝缘子区域；

S4：将划分好区域的图像数据通过局部细节特征算法确定图像数据中的绝缘子轮廓和其灰度值；

S5：将已处理的绝缘子图像与样本库进行图像匹配，确定绝缘子是否存在缺陷。

优选地，S2具体为：将待识别绝缘子图片的图像数据中三个分量以不同的权值进行加权平均，获取待识别绝缘子图片的图像数据中每个像素点的灰度值；得到合理的灰度图像，通过灰度化后的图像计算分析图像数据的梯度。

优选地，加权平均公式为：

I(m,n)＝0.30R(m,n)+0.59G(m,n)+0.11B(m,n)(mHeight；nWidth)

其中，I(m,n)为灰度值，m为图像数据矩阵的行数，n为图像数据矩阵的列数。

优选地，S3具体为：在获取待识别绝缘子图片的图像数据中每个像素点的灰度值后，确定一个灰度初始值，规定图像数据中大于这个灰度值为前景，小于这个灰度值为背景；并统计图像数据中背景出现的概率P_T，则前景出现的概率为1-P_T，再计算每个灰度值在前景和背景中的信息熵，循环遍历灰度值，使得两者信息熵和最大；比较两者信息熵和与当前最大信息熵的大小，确定新的最大信息熵后，循环遍历查找到对应的灰度值，图像中灰度大于此分割值的像素作为前景，否则作为背景，分割物体与背景。