一种输电线路导线覆冰厚度侦测系统及方法
技术领域
本发明属于输电线路检测技术领域，具体涉及一种输电线路导线覆冰厚度侦测系统及方法。
背景技术
山地或高海拔地区的输电线路在冬季常发生覆冰现象，这种现象主取决于环境的湿度、温度、风速、风向等条件。在冬季寒冷环境下，环境温湿度达到一定程度，输电线路就会出现覆冰现象。若未及时采取除冰措施，导线冰层厚度逐渐累加，当厚度超过设计的抗冰能力时，就可能出现线路跳闸、断线事故，严重时甚至导致铁塔倒塔，引发大范围停电事故，造成巨大经济损失；导线发生覆冰时，会导致导线与导线之间或导线与大地之间绝缘距离减小，而发生短路现象，危害电力系统的安全稳定运行。冰灾往往发生在气候条件恶劣的情况下，且以高海拔和山地地区居多，通过人工现场观测有很大难度和风险。设立观冰站可以在一定程度上减小观测难度和风险，但该法存在一定误差且需要观测人员深入冰雪覆盖地带，有较大的安全隐患。
传统基于力学模型的导线覆冰厚度侦测方法需要建立复杂的模型，获取的数据需严格满足时序要求，且易受环境变化影响；基于单一机器视觉算法的覆冰侦测方法精度不足，提取的导线边缘不平滑，不能有效反映导线状态；分类导线边缘线段归属时，采用简单的分类或聚类算法精度不足，复杂算法又存在时效性差的缺陷，没有一种专为导线边缘分类设计的算法；在导线真实厚度计算方面，目前常用方法为线性映射方法，将导线像素宽度按正比例转为实际距离，由于图像中近端导线与远端导线宽度一致，但在视觉上由于“近大远小”的效果，导致近端、远端导线的宽度不同，这与实际情况不符，存在较大误差。
由此可见，输电线路覆冰侦测问题仍然亟需解决，且具有很高的实用价值。
发明内容
本发明的目的在于提供一种输电线路导线覆冰厚度侦测系统及方法，该系统及方法有利于准确、便捷地检测出输电线路导线的覆冰情况。
为实现上述目的，本发明采用的技术方案是：一种输电线路导线覆冰厚度侦测系统，包括图像采集终端和覆冰侦测预警系统，所述图像采集终端包括摄像单元、图像处理单元、通信单元和供电单元，所述摄像单元安装于现场杆塔上且拍摄方向正对于输电线路上架设的导线，以对输电线路导线进行实时拍照、录像监测，所述摄像单元连接图像处理单元，以将采集到的图像及视频数据传输至图像处理单元进行处理，所述图像处理单元连接通信单元，以将处理后的图像及视频数据通过无线通信方式发送给覆冰侦测预警系统；所述供电单元为各单元供电；
所述覆冰侦测预警系统包括通信及解析单元、数据库单元、历史数据查询单元、参数设置单元、厚度计算单元、显示单元和预警单元，所述通信及解析单元与图像采集终端进行通信，接收终端上传的图像及视频数据，所述数据库单元包括实时数据库和历史数据库，用于存储采集到的数据，所述历史数据查询单元根据需要提供线路历史覆冰厚度信息，所述参数设置单元设置导线参数及环境参数，以进行导线覆冰厚度计算，所述厚度计算单元基于采集到的图像及视频数据计算当前导线的厚度值，通过与未覆冰导线厚度值对比，计算出导线覆冰厚度值，所述显示单元用于显示采集到的数据及导线覆冰厚度的计算结果，所述预警单元用于将计算出的输电线路导线覆冰厚度与线路设计承载能力阈值进行比较，若超过阈值，则向运行维护人员发出告警信息。
进一步地，所述供电单元采用太阳能蓄电方式进行供电，主要包括太阳能电池板、充放电控制器、蓄电池组和POE供电模组，白天利用太阳能进行供电，并将多余的电能储存在蓄电池组中，夜间使用蓄电池组进行供电。
本发明还提供了一种输电线路导线覆冰厚度侦测方法，通过图像采集终端采集并上传现场输电线路导线的图像及视频数据，覆冰侦测预警系统根据接收到的图像数据，按如下步骤进行导线覆冰厚度侦测：
1)对图像进行预处理；
2)采用Canny边缘检测算法提取图像中的边缘，提取到的边缘包括导线的边缘和大量干扰线段；
3)采用Hough直线检测算法检测图像中的直线段，得到导线边缘子线段；
4)采用改进的K-means算法聚类导线边缘子线段，确定各子线段所属边缘；
5)采用最小二乘法拟合获得的导线边缘，得到完整连续的导线边缘；
6)基于单目视觉的距离映射模型，将导线像素宽度映射为实际宽度，即为当前导线的实际厚度值；
7)将计算得到的当前导线实际厚度值与未覆冰导线厚度值进行对比，计算出导线覆冰厚度值，如果导线覆冰厚度值超过覆冰厚度阈值，则进行预警。
进一步地，所述步骤1中，首先，按式(1)对图像进行高斯滤波：
然后，按式(2)对图像进行灰度化处理，将三通道彩色图像降为单通道灰度图像：
Gray＝0.114B+0.587G+0.299R (2)。
进一步地，所述步骤2具体包括以下步骤：
201)计算梯度幅值和方向，得到梯度边缘：
采用如式(3)和式(4)的梯度计算公式计算梯度幅值和梯度角：
θ＝tanh-1(Gx，Gy) (4)
采用Sobel算子计算梯度，以得到效果优良的边缘；
202)得到的梯度边缘为多个像素宽，采用非最大值抑制法保留局部最大梯度而抑制所有其他梯度值，使多个像素宽的边缘细化为单个像素宽；
203)采用高低阈值筛选法对细化后的边缘进行筛选，得到图像中所有真实边缘。
进一步地，所述步骤3中，Hough变换依赖于投票机制，在参数空间下的一点对应与原空间的一条直线，统计参数空间下过某一点的曲线数量，当过该点曲线数量高于阈值时，即为所要的检测目标；对于直线，在二维平面X-Y中，直线方程描述为点斜式：
y＝kx+b (6)
已知直线的(k,b)，则确定了平面上满足该条件的唯一直线；把(k,b)按式(7)移项转到参数空间(K，B)下：
B＝-Kx+y (7)
过X-Y平面上一点(x0,y0)的无数条直线，即在参数空间有无数个满足(k,b)的点，为避免出现斜率无限大的直线，将式(7)改写为式(8)的三角函数形式：
ρ＝xcosθ+ysinθ (8)
设置一个阈值作为点集能够构成直线所需点的数量，统计图像中各边缘点在θ-ρ坐标系下交于一点的频率，当频率高于阈值时，认为这一系列点均在一条直线上；通过这种方式确定图像边缘中为直线的边缘，这些直线边缘包含所有导线边缘子线段。
进一步地，所述步骤4中，改进的K-means算法采用各子线段的斜率及其到基准线的距离作为特征量，代替各点x、y坐标进行聚类，通过斜率确定方向，通过距离确定位置，而后分别以两个参数表征每一条子线段，最后以这两个特征量代入K-means算法进行聚类，即可确定各子线段所属边缘，从而完成子线段的划分工作。
进一步地，所述步骤6中，基于单目视觉的距离映射模型，采用式(11)、(12)、(13)计算镜头到待测点A的距离，然后采用式(14)将图形中的像素宽度映射为实际宽度，其中A、B为实际待测点，A＇、B＇为A、B在图像中的投影点：
相较于现有技术，本发明具有以下有益效果：该系统及方法通过图像采集终端采集并上传现场输电线路导线的图像及视频数据，然后在覆冰侦测预警系统中，结合Canny边缘检测、Hough直线检测、改进K-means聚类算法、最小二乘拟合算法，精确地辨识出输电线路导线边缘，并基于单目视觉的距离映射模型，实现像素宽度与实际宽度的映射，准确地得到被检测导线的实际厚度，最后通过比对实现覆冰的自动检测及预警，检测准确、便捷，节省人力物力，具有很强的实用性和广阔的应用前景。
附图说明
图1是本发明实施例的系统构成框图。
图2是本发明实施例中覆冰侦测预警系统构成框图。
图3是本发明实施例的方法实现流程图。
图4是本发明实施例中参数空间示意图。
图5是本发明实施例中基于单目视觉的距离映射模型示意图。
图6是本发明实施例中Y方向平面模型示意图。
图7是本发明实施例中X方向平面模型示意图。
图8是本发明实施例中距离映射模型示意图。
图9是本发明实施例中原始导线图像。
图10是本发明实施例中预处理的图像。
图11是本发明实施例中Canny边缘检测后的图像。
图12是本发明实施例中Hough直线检测后的图像。
图13是本发明实施例中最小二乘法拟合导线后的图像。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
本发明提供了一种输电线路导线覆冰厚度侦测系统，如图1所示，包括图像采集终端和覆冰侦测预警系统，所述图像采集终端包括摄像单元、图像处理单元、通信单元和供电单元，所述摄像单元安装于现场杆塔上且拍摄方向正对于输电线路上架设的导线，以对输电线路导线进行实时拍照、录像监测，所述摄像单元连接图像处理单元，以将采集到的图像及视频数据传输至图像处理单元进行处理，所述图像处理单元连接通信单元，以将处理后的图像及视频数据通过无线通信方式发送给覆冰侦测预警系统；所述供电单元采用太阳能蓄电方式为各单元供电，主要包括太阳能电池板、充放电控制器、蓄电池组和POE供电模组，白天利用太阳能进行供电，并将多余的电能储存在蓄电池组中，夜间使用蓄电池组进行供电，持续供电时间不少于10天。
如图2所示，所述覆冰侦测预警系统包括通信及解析单元、数据库单元、历史数据查询单元、参数设置单元、厚度计算单元、显示单元和预警单元，所述通信及解析单元与图像采集终端进行通信，接收终端上传的图像及视频数据，所述数据库单元包括实时数据库和历史数据库，用于存储采集到的数据，所述历史数据查询单元根据需要提供线路历史覆冰厚度信息，所述参数设置单元根据不同的输电线路导线类型设置导线型号参数及环境参数，以选择合适的参数进行导线覆冰厚度计算，所述厚度计算单元基于采集到的图像及视频数据计算当前导线的厚度值，通过与未覆冰导线厚度值对比，计算出导线覆冰厚度值，所述显示单元用于将采集到的数据及导线覆冰厚度的计算结果通过数值、图像、表格等形式对外显示，所述预警单元用于将计算出的输电线路导线覆冰厚度与线路设计承载能力阈值进行比较，若超过阈值，则向运行维护人员发出告警信息。
如图3所示，本发明还提供了一种输电线路导线覆冰厚度侦测方法，通过图像采集终端采集并上传现场输电线路导线的图像及视频数据，覆冰侦测预警系统根据接收到的图像数据，按如下步骤进行导线覆冰厚度侦测：
1)为去除现场摄像单元返回图像中的大量噪声及背景干扰，对图像进行预处理。
首先，按式(1)对图像进行高斯滤波：
200万像素摄像头返回图像分辨率为1920*1080，为提高算法效率，然后，按式(2)对图像进行灰度化处理，将三通道彩色图像降为单通道灰度图像：
Gray＝0.114B+0.587G+0.299R (2)。
2)提取输电线路导线边缘，第一步应提取图像边缘。本发明采用Canny边缘检测算法提取图像中的边缘，提取到的边缘包括导线的边缘和大量干扰线段。
该算法是一种多级检测算法，边缘检测错误率低。检测到的边缘点能精确地定位于边缘中心。图像中任意边缘只被标记一次，最终得到细腻边缘的同时图像不产生伪边缘。该算法具体包括以下步骤：
201)计算梯度幅值和方向，得到梯度边缘：
图像的边缘可以指向任意方向，故采用水平、垂直和对角线方向的四个梯度算子来进行计算。采用如式(3)和式(4)的梯度计算公式计算梯度幅值和梯度角：
θ＝tanh-1(Gx，Gy) (4)
采用Sobel算子计算梯度，以得到效果优良的边缘；
202)通常得到的梯度边缘为多个像素宽，此时的梯度图不能很好反映边缘信息。而边缘只能有一个精确的点宽度。因此，采用非最大值抑制法保留局部最大梯度而抑制所有其他梯度值，使多个像素宽的边缘细化为单个像素宽。
203)采用高低阈值筛选法对细化后的边缘进行筛选，得到图像中所有真实边缘。
具体为，认为梯度幅值大于高阈值的为强边缘点，低于低阈值的为非边缘点，两阈值之间的为弱边缘。通过寻找弱边缘点的八邻域内是否存在强边缘点，确定其性质，若存在，则为边缘点，反之则不是。
3)获得图像中的边缘后，还应去除背景干扰线段。输电线路现场环境复杂，混杂着大量背景干扰，因此需要将导线从背景干扰中提取出来。本发明利用输电线路导线在图像中呈现直线的姿态，采用Hough直线检测算法检测图像中的直线段，得到导线边缘子线段。
Hough变换依赖于投票机制，在参数空间下的一点对应与原空间的一条直线，统计参数空间下过某一点的曲线数量，当过该点曲线数量高于阈值时，即为所要的检测目标。对于直线，在二维平面X-Y中，直线方程描述为点斜式：
y＝kx+b (6)
已知直线的(k,b)，则确定了平面上满足该条件的唯一直线。把(k,b)按式(7)移项转到参数空间(K，B)下：
B＝-Kx+y (7)
过X-Y平面上一点(x0,y0)的无数条直线，即在参数空间有无数个满足(k,b)的点，为避免出现斜率无限大的直线，将式(7)改写为式(8)的三角函数形式：
ρ＝xcosθ+ysinθ (8)
设置一个阈值作为点集能够构成直线所需点的数量，统计图像中各边缘点在θ-ρ坐标系下交于一点的频率，当频率高于阈值时，认为这一系列点均在一条直线上。通过这种方式确定图像边缘中为直线的边缘，这些直线边缘包含所有导线边缘子线段。
4)采用改进的K-means算法聚类导线边缘子线段，确定各子线段所属边缘。
得到的子线段分布于导线各个边缘，还需确定各子线段归属。每根导线都包含左右两个边缘，即若图像中的输电线路数量为2，则边缘数量为4，那么就需要将导线子线段划分为4类。由于分类的类别已知，本发明采用改进K-means算法来划分导线子线段的归属。
K-means算法(K-均值聚类算法)是一种基于已知聚类类别数的划分算法。它以距离作为相似性的判据，两个对象的距离越近，其相似性就越强。算法能够处理大数据集且高效。它的输入是数据集和类别数，聚类结果是划分为k类的k个数据集。算法流程为：
(1)给定大小为n的数据集，令O＝l，选取k个初始聚类中心Zj(O)，j＝1，2，3，...，k，O代表不同迭代轮数的聚类中心。
(2)计算每个样本数据对象与聚合中心的距离D(xi，Zj(O))，i＝1，2，3，…，并分类。
(3)令O＝O+1，计算新的聚类中心和误差平方和准则f(目标函数)值：
(4)判断：|f(O+1)-f(O)|＜theta(f收敛)或者对象无类别变化，则算法结束，否则，O＝O+1，返回(2)步。
但传统的K-means算法适用于按团或簇分布的点集，对线性分布的点集效果不佳，为改进这个缺陷，本发明提出改进的K-means聚类算法。传统K-means算法通过距离来分类各点，分别计算各点到各个簇或团的中心点的距离，找到距离最小的中心点，将此中心点所属的团或簇作为归属，并在此过程中不断修正中点的位置，以此逐步判断各点所属。采用同样的方式，将维度从点升高到线，在图像中取一条中心线，分别求取各子线段到中心线的距离，以距离为判据判断各子线段与中心线的远近程度。但要计算两线的距离，需要保证二者平行，各子线段往往不与中心线平行，二者距离难以求解，故先要让二者在空间中平行。在图像中心线上取一个中心点，过该点平行于各子线段做辅助线，计算辅助线到与之平行的子线段的距离，通过这种处理方式即可得到中心线与各子线段的距离。此距离和子线段斜率可以确定唯一的子线段，与直线点斜式方程对比，该法的两个参数物理意义更加明确，使用更便捷(边缘直线段为导线的部分边缘也称为边缘子线段)。
改进的K-means算法采用各子线段的斜率及其到基准线的距离作为特征量，代替各点x、y坐标进行聚类，通过斜率确定方向，通过距离确定位置，而后分别以两个参数表征每一条子线段，最后以这两个特征量代入K-means算法进行聚类，即可确定各子线段所属边缘，从而完成子线段的划分工作。
5)采用最小二乘法拟合获得的导线边缘，得到完整连续的导线边缘。
获得了各导线及其左右边缘对应的边缘子线段后，需要对其进行拟合，得到完整连续的导线边缘。由于通过改进K-means聚类算法获得的结果精度较高，只需使用简单的拟合算法拟合子线段即可得到导线的各边缘。
6)基于单目视觉的距离映射模型，将导线像素宽度映射为实际宽度，即为当前导线的实际厚度值。
拟合得到导线边缘后还需计算导线厚度，由于导线近端与远端在图像中的宽度不同，但二值的实际宽度值基本是一致的，通过线性映射无法处理这个问题，故本发明采用基于单目视觉的距离映射模型来实现，映射模型如图5所示。为便于分析计算，将其分解为Y、X两个方向进行分析，分别如图6、图7。
基于单目视觉的距离映射模型及式(11)、(12)、(13)计算镜头到待测点A的距离，再结合图8的距离映射模型和几何知识，采用式(14)将图形中的像素宽度映射为实际宽度，其中A、B为实际待测点，A＇、B＇为A、B在图像中的投影点：
7)将计算得到的当前导线实际厚度值与未覆冰导线厚度值进行对比，计算出导线覆冰厚度值，如果导线覆冰厚度值超过覆冰厚度阈值，则进行预警。
设未覆冰导线厚度为D1，当前导线厚度为D2，根据式(15)求出导线覆冰厚度D：
D＝D1-D2 (15)
根据实验及历史数据，设置覆冰厚度阈值T，作为判断预警的依据。当D超过预警值T时，则进行预警，并持续观测导线状态，必要时进行除冰处理，若D小于T，则系统进入下一个运行周期。
下面以一具体实施例验证本发明对导线覆冰厚度的检测能力。
实施例1
1、原始导线图像
原始导线图像背景中有大量噪声，如图9所示。
2、图像预处理
经图像预处理去除图像噪声，同时提高图像前景和背景区域的对比度，如图10所示，便于后续辨识。
3、Canny边缘检测
使用Canny边缘检测算法提取图像中的边缘，如图11所示，可以看到图像中存在大量干扰线段，同时导线的边缘也能被完整检测出来。
4、Hough直线检测
在Canny检测的基础上通过Hough直线检测算法检测图像中的直线段，检测效果图下图，此时图像中仅有导线的边缘。
5、最小二乘法拟合导线
通过最小二乘法拟合获得的导线边缘，使之成为完整的导线边缘，并将其绘制在原始图像上，如图13所示，可以看到拟合的导线边缘(黄色线条)很好地包裹住每条导线的两侧，算法效果良好。
6、导线厚度计算
图像中的导线宽度均匀，通过该方法计算出此时导线中间位置的像素宽度值分别为17.1667像素和18.0414像素，左侧导线宽度较小，这是因为图像中的两根导线为二分裂导线，左侧导线高度较右侧导线低80厘米，调整高度差后计算出左侧导线像素宽度值为17.9257像素，二者宽度值十分接近，符合实际情况。
7、距离映射
将像素宽度映射为实际宽度，该模型精度满足要求。
8、覆冰状态分析
计算的导线厚度值与导线未覆冰厚度值相近，差值未超过阈值，故判断导线为未覆冰状态，与实际情况相符。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
