★ 云南电网有限责任公司玉溪供电局 朱钱鑫，师涛，宋方俊，杨海杰

关键词：输电线路；导线损伤；图像处理；损伤识别

1   引言

随着我国国民经济的迅速发展、电力系统的规模不断扩大以及电力输送距离的增加，输电导线（钢芯铝绞线）作为电力系统的关键组成部分，承担着将发电站生成的电能高效、稳定地传输到用户终端的重要使命[1,2]。在自然环境变化和不可预测的外部因素（如雨雪、冰雹、雷电、酸雨以及微风振动等）的影响下，输电线路往往面临各种损伤和故障，导致输电导线承载能力降低，不仅威胁电力系统的稳定运行，还严重影响人们的生活和生产，甚至可能引发人身安全事故[3-5]。

近年来，随着计算机信息技术的飞速发展，架空输电导线的损伤识别技术逐渐成为电力系统的研究热点之一。有效的损伤识别技术能够实时监测输电导线的状态、及时发现并定位潜在的问题，对提高电力系统的安全性和可靠性具有重要意义。然而，输电线路经常架设于高空，远离人员直接观察的位置，传统的输电线路巡检主要依靠人工，需要工作人员跋山涉水巡检，不仅耗费大量的人力物力，还容易出现错判漏判，精确度和准确度难以保障。随着直升机、无人机逐步应用于输电线路巡检作业，基于图像处理及图像识别的输电线路缺陷检测迎来了新的发展契机。早期航空摄影测量技术难以适用于电缆线检测，主要是由于航空图像中导线占比太小，无法体现细节，存在诸多技术瓶颈，同时航空检测成本较高。现阶段，无人机或直升机也尚未实现对整个电力系统巡检的全覆盖。目前，针对无人机或直升机搭载的图像采集装置得到的导线图片，国内仍以人工研判为主，不仅效率较低，检测结果也易受人为主观因素的影响。

针对现有检测方式存在的不足，本文提出了一种基于图像处理的导线损伤识别技术。该技术首先对导线损伤部分图像进行灰度值、降噪等预处理以及图像分割提取，然后通过研究导线损伤图像灰度值特性，结合图像处理算法，实现导线损伤部分的精确识别。该技术有效提高了巡检工作效率以及导线损伤识别的精准度，降低了巡检工作的强度，同时也为电力系统的健康检测以及维护提供了新的技术手段，有效避免了电力运作过程中因导线损伤而导致的输电故障以及安全事故，对保障电力线路稳定安全运行以及推进我国智能电网建设具有重要意义。

2   识别导线表面缺陷的分析算法

识别导线表面缺陷的分析算法包括导线图像提取和导线表面缺陷识别。

2.1   导线图像预处理

目前， 图像采集器采集的图像多为RGB三通道彩色图。为减少处理对象的数据量，提高处理效率，需在实际应用过程中，根据获取图像的特性对其进行颜色模型转化及灰度化处理，最大化保留图像有效信息。由于架空输电导线架设高度大，因此获得的图像普遍存在导线部分清楚、背景模糊的特点。针对这一问题，本章提出了基于灰度方差归一化颜色模型变换的方法。该方法通过改变输电导线与周围环境的颜色差异性，不仅可消除导线上光照形成的阴影干扰，还能较好地抑制相同或类似颜色的干扰以及复杂背景的影响。

该方法以像素点灰度值为处理对象进行进一步的图像处理，具体计算原理如下：首先以图1所示的模板中心点作为起点，逐一对整个图片中的所有像素点进行遍历 ，然后用模板内所有像素点的灰度值均方根替换模板中心像素点的灰度值（即取模板中心位置处为待定灰度），最后再按照上述方法继续遍历剩下的所有像素点并更新其对应位置的灰度值。由于待处理的导线图像大小和分辨率各不相同， 所以需要针对不同的情况选取相应尺寸的遍历模板来遍历所有的图片，以达到更好的处理效果。以5*5的模板为例， 对导线图像进行灰度方差归一化的具体过程如下：

首先 计算遍历模板内每个像素点的平均灰度值和每个遍历位置的方差以及归一化，公式如式（1）所示：

其中，Q为模板内所有像素点的平均灰度值；Q_i为遍历模板内某一点的灰度值。

图1 5★5模板

其中，q₁₃为一个处理单元模板中的中心像素点灰度值的方差。利用该公式可得到整幅图像对应的灰度方差图。

其中，m_i为像素点归一化后的灰度值；q_max、q_min分别为灰度方差图中的最大和最小灰度值； q_i为灰度方差图上像素点的灰度值。

图像经该方法处理后的结果如图2所示。

图2 灰度方差归一化结果图

观察图像可知，灰度方差归一化处理之后，有效凸显了图像中的导线区域。

2.2   导线提取

在进行输电线路导线表面损伤检测之前，首先要对导线区域进行识别、定位与分割。由于在运行现场采集到的输电导线图像易受气候、光照及背景的影响，因此本文在导线灰度方差归一化预处理图像的基础上，对图像中导线区域进行分割提取，然后将所提取的导线区域作为后续算法的检测范围，大大减少了运算的数据量，并提高了检测的准确度。

为获得导线区域的分割结果， 本文分别采用Otsu法、迭代全局阈值法及局部阈值法对预处理图像进行阈值处理，并对其效果进行比对，最终选择局部阈值法进行导线区域提取。该方法可根据图像的局部信息进行动态调整。局部阈值分割的目标是在图像的不同区域使用不同的阈值， 以适应图像中灰度变化较大的情况， 随后将其与形态学处理相结合，最终获得导线区域的分割结果。

2.3   导线表面损伤检测

将得到的导线区域分割结果作为掩膜（Mask），将其映射到经过灰度方差归一化的图像上，可得到导线区域的灰度方差归一化图像，如图3所示。观察图像特点可知，导线表面缺陷区域的灰度值显著高于其他区域。因此，当导线图像垂直方向存在缺陷时，归一化图像的垂直投影曲线会出现波峰；同样，当水平方向存在缺陷时，其水平投影曲线也会出现波峰。基于该特性，对导线区域图像分别进行局部垂直、水平方向投影，即可定位其潜在损伤区域。

图3 导线区域提取图像

（1）垂直投影

对图4进行垂直投影 ，具体计算过程如式（4）所示。

其中，F （x，y）为坐标（x，y）处的像素点灰度方差归一化值；m_y为导线区域第y列像素点灰度方差归一化值。

为有效抑制图像表面细小噪声的干扰，对归一化值波形 进行中值滤波处理，结果如图4所示。

图4 导线区域垂直投影处理结果

为精准显示导线纵向破损的位置，对投影灰度值进行阈值处理。选取垂直投影中的最大和最小灰度值的平均值作为阈值，表达式为式（5）：

若某一幅图像水平投影上的某个像素的投影灰度值大于此阈值，则将该值减去阈值作为新的投影值；反之则置零 。处理结果如图5所示（图纵坐标为投影后所有像素点的纵向灰度方差归一化和）。

图5 阈值处理结果

为进一步确定导线损伤位置，本文采用空域高通滤波对图5进行图像细节增强， 该方法区别于频域傅里叶高通滤波。将滤波滑动窗口边长设置为单股输电导线直径2r（r为单股导线等效半径），以导线实际物理尺度约束窗口范围，通过邻域灰度差分抑制背景低频信息、强化导线边缘高频特征。处理结果如图6（a）所示， 根据该波形图标记导线纵向潜在损伤位置， 如图6 （b）所示。

图6 导线纵向潜在损伤面积确定

（2）水平投影

水平投影与上述垂直投影类似，其计算过程如式（6）所示：

其中， F（x，y）为坐标（x，y）处的像素点灰度方差归一化值；m为输电导线第x行导线区域像素点灰度方差归一化值的和。对水平投影结果分别进行中值滤波处理、阈值处理和高通滤波处理，结果如图7所示，并标记横向潜在损伤区域。通过上述步骤，最终选取纵向与横向潜在损伤区域的重合部分筛选可疑缺陷，即为导线表面损伤区域，如图8所示。

图7 导线横向潜在损伤区域确定

图8 导线表面损伤识别结果

2.4   架空输电导线表面损伤识别算法

本文所提出的图像分析算法主要包括导线图像预处理、导线提取和导线表面损伤识别三个模块。根据输电导线表面的灰度分布特性以及损伤部分特征，对采集的输电导线图像进行损伤缺陷的全面检测， 首先对导线原始图像进行灰度方差归一化处理， 突出导线区域并减少后续要处理的数据量，在此基础上，对导线灰度方差归一化图像采用局部阈值分割方法进行导线区域分割提取得到导线区域图像， 将其映射到原图像得到对应的灰度方差归一化图像， 随后对其分别进行垂直和水平投影处理， 并且通过中值滤波、阈值分割和高通滤波对每个投影所得的波形结果进行处理， 最终通过波形处理结果对原始图像进行标记，得到导线纵向以及横向潜在损伤区域， 将其重合区域进行标记并且筛选可疑部位， 即可实现导线表面损伤的识别。

3   输电线路导线表面损伤检测实验分析

本研究利用图像采集设备采集不同图像背景及不同损伤程度的导线损伤图像作为原始导线损伤图像数据，采用本文所述算法对图像进行处理与分析，验证其检测效果。

3.1   导线表面缺陷检测算法测试

为检验本文提出的导线表面损伤检测算法的性能，本实验选取多张不同背景的表面损伤图像进行测试验证。

3.2   实验数据集验证

为进一步验证算法的有效性，本实验共采集300张不同背景下的导线损伤图像进行实验测试。数据集内共包含412处故障点数，经本文算法检测后，成功识别375处故障点数，整体检测准确率达91.01%。实验结果表明，该算法可有效检测输电线路导线的表面损伤故障。

4   结束语

本文提出了一种架空输电线路导线损伤图像的识别技术。该技术对获取的原始图像数据进行了图像处理算法检测，并通过实验验证了其可行性及有效性。总体来说，全文主要研究工作如下：

（1）分析了输电线路导线损伤检测识别作业的研究现状，总结了现有巡检检测手段的特性，并通过对现有的基于图像处理的输电线路故障诊断方法的研究，探讨了利用图像处理技术进行输电线路故障诊断的可行性及难点；

（2）依据图像采集设备所采集图像的特征，对输电线图像中各个像素点进行分析，提出了一种根据导线图像中各个像素点分散性大小的不同而使不同的背景图像中的导线区域得到凸显，进而可以准确提取出导线区域的方法。该方法通过改进传统的形态学运算方法，弥补了现有算法的不足，并在此基础上实现输电线路上的损伤检测；

（3）基于获得的导线区域图像，结合受损图像的灰度特性，采用本文所提的灰度值投影算法，实现了输电线路损坏故障的识别，便于维护人员能够及时进行维护，避免了停电；

（4）对本文提出的输电导线损伤故障识别算法进行实验测试，验证了该方法的实用性与有效性。

本研究深入分析了架空输电线路导线图像损伤技术，并取得了一系列研究成果。该技术在实际应用中表现出了良好的性能，为输电线路的维护提供了可靠依据。但输电线路实际运行环境复杂多样，受背景、导线颜色特征及其架构特点影响，输电导线区域的预处理、准确分割提取仍然是该领域的研究重点。在本项目中，受实验条件和研究水平限制，实际采集到的样本数量非常有限。因此，在今后的研究中，需要对更多的影像资料进行检测，并对算法进行持续的优化，从而提高线路损伤的识别精度。此外，单一图像处理技术存在检测盲区，未来可将本文方法与其他检测方式融合，全面提升线路损伤检测能力。

★基金项目：南网云南电网有限责任公司科技项目（YNKJXM20222213）。

作者简介：

朱钱鑫（1992-），男，云南玉溪人，工程师，学士，现就职于云南电网有限责任公司玉溪供电局，研究方向为输电线路运行维护检修及输电智能化运维。

参考文献：

[1] 蒋兴良, 夏云峰, 张志劲, 等. 基于优化Gabor滤波器的输电导线断股图像检测[J]. 电力系统自动化, 2011, 35 (15) : 78 - 83.

[2] 盛戈皞, 江秀臣, 曾奕, 等. 架空输电线路运行和故障综合监测评估系统[J]. 高电压技术, 2007, (08) : 183 - 186.

[3] 翟学明, 李晓, 翟羽佳. 基于深度学习的架空输电导线缺陷检测方法研究[J]. 电网技术, 2023, 47(03) : 1022 - 1031.

[4] 冯河清, 鹿可可, 文裕钧, 等. 基于航拍图像的输电线路导线损伤识别技术[J]. 传感技术学报, 2022, 35 (08) : 1123 - 1130.

[5] 张新春, 曹应平, 韩春雨, 等. 基于图像处理的输电线路导线表面损伤特征研究[J]. 图学学报, 2018, 39 (03) : 440 - 447.

摘自《自动化博览》2026年6月刊