２０２３．０３／基于航拍图像的输电线路导线损伤识别技术何英龙谢依霖王廷廷晏丽芬杨珂（云南电网有限责任公司昆明供电局）摘要：铝丝的断裂和表面的损伤会逐步演变成不可逆的破坏，从而造成电力系统大范围的断电。为了发现可能发生的断股、损伤，避免其进一步恶化，本文提出一种利用无人机进行导线断线和表面缺陷的自动识别技术。然后，利用灰度方差规格化（ＧＶＮ）进行自适应阈值分割，并对其进行了提取。用ＳＷＴ法对导线断裂进行了灰度分布曲线的ＳＷＴ分析，同时，通过对引线区域ＧＶＮ图像的投射方法，对导线表面缺陷进行了识别。最后，对断股数量进行了分析，筛选出疑似缺陷，并对其进行了故障诊断。通过一系列的试验，验证了本文提出的算法的可行性。关键词：输电线路；缺陷识别；图像处理；传输线；无人机检验１识别导线断裂和表面缺陷的分析算法１.１导线提取航空传输线的影像以ＲＧＢ为主。为降低待处理的数据量，提高工作效率，使线路区域更好地显示，必须对航拍影像进行色彩模式变换或灰度处理。在航空摄影中，由于自动光线的作用，导致了航空摄影中的线段的表面色彩呈现出灰暗的现象。另外，航空影像中的线段的清晰度比背景中的树木、建筑物和道路要高，也就是线段的灰度分布比较高。本文介绍了利用ＧＶＮ对航空影像进行灰度处理的方法，ＧＶＮ算法把传统的对各个像素进行直接处理的思想转换成了像素的离散度［１-４］。在公式（１）中表示ＧＶＮ的特定的计算步骤：Ｑ＝１９∑９ｉ＝１（Ｑｉ）（１）式中，Ｑ为模板中各像素的平均灰度；Ｑｉ代表在模板中第ｉ像素的灰度值，接着，各处理单位的灰度值变化可由公式（２）来计算：ｑ５＝１９∑９ｉ＝１（Ｑ－Ｑ）２（２）式中，ｑ５为在模板中具有阴影色彩的中央像素的灰度改变。通过对整幅图像的遍历，可以得到与原图像相对应的完整灰度方差图。另外，如公式（３）中所示，将各像素的灰度方差标准化：ｍ（ｘ，ｙ）＝ｑ（ｘ，ｙ）－ｑｍｉｎｑｍａｘ－ｑｍｉｎ（３）式中，ｍ（ｘ，ｙ）为在坐标（ｘ，ｙ）上的标准化灰度值；ｑｍａｘ轴为最大灰度值；ｑｍｉｎ为最小灰度值；ｑ（ｘ，ｙ）为灰度方差图中的灰度值。ＧＶＮ方法具有较高的背景纯度和较高的反差，能够提高图像的清晰度和健壮性。根据ＧＶＮ的结果，对线路进行了分区，提出了一种基于形态学处理的自适应阈值分割算法。与传统的灰度和增强的图像分割方法相比，本文提出的方法具有更好的分割效果。根据灰度和加强处理的图像，...
