绝缘子污秽故障图像检测系统难点设计

　　1 引言
　　
　　随着工业自动化技术的迅猛发展，自动化检测与控制系统的应用，已成为我国各产业技术改造和创新发展的趋势。绝缘子污秽故障图像检测系统是高压输、变电生产线上的自动化图像（光电）检测系统，用以识别绝缘子中混杂的异质污秽，如尘土污秽、盐碱污秽和海水盐雾污秽，以及鸟粪污秽和绝缘子覆冰积雪等。

　　目前，大多数生产部门依然通过投入大量人力、物力、财力，通过实验和定期分检，无法快速解决污闪等线路安全隐患问题。如图1、图2所示，把高清数码相机拍摄的绝缘子图片信号导入计算机中，利用图像处理软件和数字图像识别技术分析、判断异质污秽并将其定位。计算污秽像素百分比，根据预定的污秽等级标准得出《污秽等级报告》。系统实现依赖于两方面的因素，其一，数码相机拍摄的图像中，绝缘子和污秽异物能否被准确识别取决于模型库是否足够大或全面；其二，系统对污秽物的检测和判断，需要清晰的分辨出边缘分界线。这是系统设计中需要解决的关键问题，也是难点。【图1.2】

　　
　　2 绝缘子污秽物的识别
　　
　　2.1 绝缘子颜色模型的选取
　　在研究开发系统的过程中，首先要解决的问题是绝缘子与污秽物不同类别的分类问题。就是要找到将绝缘子和污秽物分离出来的方法。绝缘子表面附着物的颜色、形状、大小和厚度等都存在差异，这此事差异计算机无法识别，因此，绝缘子和污秽物只能通过颜色差异来区分.

　　电力系统正常绝缘子通常呈白色或绛红色，而附着在绝缘子上的污秽物为其它的颜色。例如：绝缘子上的盐碱类杂质呈浅灰（白）色，灰尘呈浅黄色，雷击或放电痕迹呈黑色。这样，绝缘子和污秽物就可以根据其色度的差来区分。

　　根据数码相机拍摄的绝缘子图像中各像素点色度的R（红）、G（绿）、B（蓝）分量的值判定该像素点是属于绝缘子或污秽。

　　RGB 颜色模型建立在笛卡尔坐标系中，分别用 R、G、B 三基色来表示，如图3所示：【图3】

　　
　　原点对应黑色，离原点最远的顶点对应白色（1,1,1）。

　　灰度值的变化分别沿着（x,y,z）坐标的值增大而增大，取值范围0~255.这样，RGB三基色就可以在该坐标系中组成[（0~255），（0~255），（0~255）]种颜色。

　　利用RGB三基色直方图对绝缘子图像中各像素点进行区分的方法：在相同拍摄条件下，绝缘子和污秽物各抽取一定数量的样本，利用VC++编程对采集到的图像数据进行像素扫描，取出绝缘子和污秽物的R、G、B分量，得到的RGB直方图进行统计对比，对R、G、B分量的均值和方差设定适当的色度阀值，达到像素分离的目的。色度（RGB分量的灰度）值在阀值所划定范围内的像素点认为是绝缘子，在阀值所划定范围外的像素点认为是污秽。

　　2.2 分量阀值的划定算法
　　最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达.在此基础上，最大类间方差法是一种有效的最佳阀值计算方法。图像f（x,y）中，灰度值为i的像素数目为ni,总像素数：【1】

　　各RGB灰度出现的概率为：【2】

　　设以灰度k为阀值对图像f（x,y）进行分割，灰度为1~k的像素和灰度为k+1~L的像素分别属于区域C0和C1,则区域C0和C1 的概率为：【3】

　　区域C0和C1的平均灰度为：【4】

　　其中 μ=∑i=1Lipi是整体图像的灰度平均值；μ（ κ）=∑i=1kipi是阀值为k时灰度平均值。

　　两个区域C0和C1的方差为：【5】

　　按照最大方差准则，从1到L改变k,计算类间方差，使上式最大的k就是区域分割的阀值。

　　直方图处理时，灰度级为[0,L-1]范围的数字图像的直方图是离散函数 f（ r）k=nk,这里 rk是第k级灰度，nk是图像中灰度级为 rk的像素个数。经常以图像中像素的总数（用n表示）来除它的每一个值得到归一化的直方图.因此，一个归一化的直方图由 P（ r）k=nk/n 给出，这里k=0,1,…，L-1.简单地说，P（ r）k给出了灰度级为 rk发生的概率估计值。注意：一个归一化的直方图其所有部分之和应该等于1.

　　2.3 测试分析
　　图4是绝缘子的RGB分量直方图。图中纵坐标为频数。分析图4以及在相同摄像条件下所摄得的各种污秽图像的RGB直方图可得到表1中的数据。统计数据说明绝缘子及污秽的RGB分量的概率密度，基于单个颜色特征量（或灰度值）对两类样本像素识别时，可应用最大类间方差法分别确定三基色分量的最佳阀值，从而确定污秽在RGB颜色模型中的范围值，通过分量差异区分该像素点的污秽特性。【图4.图5】

　　
　　RGB 分量计算方法可以用式 6 表示。式中TR,TG,TB为RGB各分量的最佳阀值。

　　容差计算RGB分量中部分过渡色可能会引起误差，通过设置各个分量的容差范围来改善。见表1,RGB分量统计数据表中数据表明，B分量识别效果比较好，G分量次之，R分量识别的效果最差。海盐的识别效果非常不理想，原因是各分量值相近，难以分离，RGB分量有一定程度的重叠，但各分量的中心值有较大差异。使用B分量的阀值下限值为220、上限值为240,可以较好地分离绝缘子与灰尘的特征值。【表】

　　
　　不同材质的绝缘子的RGB值可能会有所不同，系统应该根据不同绝缘子材质（设定分离色素和容差值），通过动态改变阀值的上、下限，可以达到更好的识别效果。

　　这种识别的结果仍会产生一定的错判率，但可通过以下的方法来校正。在提取各像素点的属性后，根据像素周边像素属性和像素离散值设定一定数量的像素点作为一个判别单元。统计判别单元中属于污秽的像素点的比例，如比例超过一定值则将该单元判为污秽，否则，被识别为图像噪声不处理。

　　采用这样的方法统计后，单个像素点做为噪声处理，整个判别单元上误判率就大大地减小。

　　3 结束语
　　
　　RGB（红、绿、蓝）三基色直方图模型用来分别表述绝缘子和污秽物特征分量值，按照特定阀值条件，把两者有效地区分开来。同时，把相似像素点周边矩阵做为运算单元，有效地减小了误差带来的错判，达到较好的识别目标。实际应用中，由于绝缘子污秽种类很多，对于新型污染材质或透明污秽难以识别，而且地域性差异容易造成阀值的差异，造成识别效果相对较差，有待进一步研究和讨论。

　　参考文献
　　[1]陈文涛，钟先信，李志敏，等。烟草在线异物剔除系统设计与实验研究[J].光学精密工程，2003,（8）：20-22.
　　[2]金守峰，张慧，王宁。三基色最佳阀值算法识别原棉异性纤维[J].山东纺织科技，2008,（6）：22-22.
　　[3]杨光正，吴岷，张晓莉。模式识别[M].合肥：中国科学技术大学出版社，2011.
　　[4]干能强。青光眼眼底图像的自动识别与分析方法研究[D].西安：西安交通大学，2008.