基于圖像處理的交流電纜附件安裝質量校核方法

陳慶華,陳 杰,張 譽,賀子琦,李 敏

（國網長沙供電公司，湖南 長沙 430000）

1 引言

交流電纜附件安裝比普通電纜本體的安裝更加困難，因為電纜附件的架構較為復雜，導致安裝難度也更高。在安裝的過程中，需要把工具放置在整潔、干燥的環境內，在使用工具時，也需要遵循工具使用準則。安裝電纜附件時，利用先進的工具和裝備，也可以提升安裝質量的水平與效率。但由于交流電纜安裝，需要通過人工進行安裝，因此不可避免地產生了主觀意識強與經驗依賴性的問題，很容易忽視細微問題，影響交流電纜附件安裝質量。

文獻[1]提出一種基于圖像處理的檢測方法，利用壓接圖像灰度特征和幾何特征提取輸電線壓接痕跡，采用標準件法對電纜進行標定，利用投影法實現壓接間距的測量。文獻[2]提出一種相位分割方法，同時結合多維尺度分析法(MDS)對特征值進行降維優化，識別出具有較高分類能力的最優特征量。但上述方法校核誤差較大。

針對上述問題，提出一種基于圖像處理的交流電纜附件安裝質量校核方法，該方法通過分析交流電纜附件安裝流程，明確安裝的大體架構與各部件之間存在的關聯，依靠非線性中值濾波算法與Otsu 算法剔除圖像噪聲，并轉換圖像為二值圖像，隨后利用灰度共生矩陣提出圖像特征，實現對交流電纜附件安裝質量的校核。

2 交流電纜附件安裝質量校核

2.1 交流電纜附件安裝過程分析

在交流電纜附件安裝過程中，需要按照交流電纜附件設定的大小，用合適的工具剔除剝離層，用玻璃板對半導體斷口100mm處進行處理。

在這個過程中，需要保證絕緣體不會受到損壞。對斷口也與上述相同，同時需要在玻璃片與電纜附件之間調整出10～15°的夾角，并且斷口的周圍要有40mm的錐面，保證錐面的整潔。此外，還要讓斷口處的電纜附件與平面軸存在90°的夾角。

圖1 電纜附件屏蔽層剔除尺寸

(1) 對于絕緣研磨，必須使用合適的工具進行加工，例如用于研磨電砂帶機，需要把砂帶圍繞在絕緣層的周圍，并且，還要確保砂帶能夠沿著電纜附件進行均勻的運動。絕緣層會出現一種橢圓的形狀，同時，保溫層表面應平整干凈，避免劃傷等問題，利用清洗劑處理，再利用紗布第二次打磨。

(2) 電纜附件屏蔽層需要用240 目的紗布進行處理，然后再使用400 目的紗布二次處理，在打磨的過程中，紗布需要在屏蔽層的周圍反復移動，以防止屏蔽層出現燒焦的現象。另外，在打磨完成后，需要確保屏蔽層的表面是整潔光滑的，并且需要清洗電纜附件的表面，防止產生污染。

(3) 各部分的相互作用

交流電纜附件需要安裝牢固，所有啟動開關[3]需要運行可靠。范圍在20～200mm 時，需要測量電纜長度的最大許可相對誤差是±0.3%。將測長儀器檢測出的長度是L電纜附件的電纜附件一端固定在鑒定臺，另一端連接重錘以提升其張力來縮減電纜附件的彎曲量，測量獲得測量結果L鋼卷尺。測長儀[4]的測量性能校驗結果△L為：

2.2 交流電纜附件圖像預處理

通過CCD 相機采集交流電纜附件圖像，憑借預處理步驟從初始圖像內收集清晰規整的電纜圖像。圖像預處理的效果直接干擾到交流電纜附件安裝的檢測結果。本文將圖像預處理分成：圖像去噪、二值化、分割與歸一化四步驟。

步驟1：圖像去噪

交流電纜附件圖像在采集的流程內受到照明干擾、電纜表面清潔和噪聲。這些噪聲對電纜附件的檢測和提取帶來很大的干擾。其中最為主要的噪聲即離散的隨機噪聲[5]。利用非線性中值濾波方法處理噪聲，在保留初始圖像細節的同時，有效抑制噪聲的影響。

步驟2：圖像二值化

圖像二值化即圖像處理較為基礎的圖像分割算法。其就是將一幅圖像憑借一定的閾值分割成背景與對象[6]。本文利用Otsu 算法來確定閾值。其基礎的原理即：擬定一種離散概率密度函數：

其中，n代表總像素數，ng代表灰度級是rg的像素數，L就是產生的灰度級數。擬定一種閾值k，C0是圖像灰度級為[0，1，…，k-1]的像素，C1代表圖像灰度級是[k，k+1，…，L-1]的像素數。Otsu算法利用最大化類間方差的閾值將方差擬定成k。

步驟3：圖像分割

交流電纜附件圖像內存在多個交流電纜附件，而電纜安裝特征識別只需要對單個電纜附件進行。為實現電纜附件安裝的特征識別[7]，需要對圖像內的電纜附件進行分割處理。對于不同的處理對象，需要結合圖像的具體狀況與先驗知識進行挑選。鑒于上述電纜附件的特征，本文通過基于X，Y方向投影的算法進行處理，具體流程如下所示：

運算二值圖像沿方向的白像素[8]統計分布。

(1) 憑借Y方向的白像素統計分布，自下而上，依次掃描，同時選擇白像素數等于3 的臨界點，選出電纜附件的上下邊界。

(2) 運算二值圖像沿X方向的白像素的統計分布值。

(3) 憑借X方向的白像素統計分布由右至左依次掃描，選擇白像素數等于2的臨界點。判斷整體電纜附件的左右邊界。

(4) 在(3)所確定的左右邊界從左到右進行掃描，同時依靠白像素數等于2的電纜附件當作間隔點，進而確定出所有電纜附件的左右邊界。

(5) 憑借所有電纜附件的高度與寬度坐標分割單一電纜附件。

步驟4：圖像歸一化

電纜附件圖像通過分割處理之后，由于分割的算法不會確保所有電纜附件的大小相同，需要對分割之后的電纜附件進行歸一化處理，確保特征提取存在相同的基礎，采集的特征才能夠更加存在可比性。

電纜附件歸一化能夠分成非線性歸一化與線性歸一化。線性歸一化即對單一電纜附件圖像進行線性縮放處理，使其轉變成需要的尺寸。其優勢是容易實現與操作簡單，而缺點即處理之后的電纜附件圖像容易出現失真的問題。非線性歸一化處理即憑借像素的分別進行縮放處理，使得像素在整體圖像內能夠均勻分布。其優勢即能夠一定程度地克服失真問題。缺點就是算法相較于線性方法較為復雜。對于電纜附件，使用線性歸一化就能夠獲得較好的結果。電纜附件圖像只存在電纜附件，本文通過線性歸一化算法把前述的電纜附件分割成25×16 的圖像。其算法原理即：擬定初始電纜附件圖像尺寸為m×n，某一點的坐標是(x0，y0)，那么轉換之后的對應坐標點(x1，y1)就能夠描述成：

為了使失真的問題最小化，需要憑借差值算法加以優化。

2.3 基于特征提取的交流電纜附件安裝質量校核

為了得到適合檢測的交流電纜附件圖像紋理信息，通過特征識別或特征提取的方式對圖像進行處理。從某種意義上來說，特征提取或特征識別是為達到特征降維這一目標。特征識別就是通過某種轉換組合形式，來提升初始高維特征，以獲取一組低維的紋理特征，而特征選擇則是憑借專家的經驗或某個標準來選取出來的紋理特征，并沒有生成新特征。

在處理的過程中，能夠先把初始特征空間轉換成低維空間，即上述將初始圖像轉換成二值圖像。然后在二值圖像的空間中，依靠像素灰度共生矩陣，對像素進行降維與關聯計算，以此獲得圖像的紋理特征。

在二值化的電纜附件圖像內，某個方向相距一段尺寸的灰度統計規律，可表示為部分紋理特征?；叶裙采仃囀窃诙A組合概率密度函數的基礎上，組建的一種紋理分析算法。

兩像素δ坐標的關聯下會產生的灰度共生矩陣為Pδ。

而一旦出現共生矩陣，就能夠憑借共生矩陣的特征進行定義與驗證。由此能夠運算出慣性、熵與能量等紋理特征：

如果圖像內不存在任何紋理，熵的值就會靠近零，假如圖像里存在大量的紋理信息，那么圖像內的熵就會提升，同時紋理的溝紋就會變得越深，而圖像的視覺描述強度就會越發顯著。能量可以被描述成灰度分布是否均勻地測量閾值，從全局角度檢測圖像的灰度分布，如果能量較高，那么圖像的紋理就會越粗，通過能量與紋理的對比就能夠得出交流電纜附件是否存在缺陷。

2.4 交流電纜附件安裝校核結果不確定度評測

安裝現場周圍環境會對方法造成一定干擾，導致算法結果產生微小誤差，以下為微小環境不確定度的計算測評過程，加強最終校驗結果精準度。

(1) 不確定度分量的運算

交流電纜附件質量的數值顯示誤差在半寬為10mm中均勻分布，因此，交流電纜附件自動校核引入的不確定度u(LT1)是：

(2) 標準的讀數對誤差與本身的示值誤差能夠合并為一種綜合影響量，該影響量融入的標準不確定度u(Li)是：

(3) 交流電纜附件安裝校核的電纜與標準附件，需要處于相同環境條件溫度下，膨脹系數引入的標準不確定度u(α)即：

(4) 校核交流電纜附件安裝的彎曲量是1mm/m，將其考慮為均勻分布，取半寬為0.5mm/m，那么標準的不確定度u(LT2)為：

(5) 合成標準不確定度

由于上述的不確定度存在獨立且不相關性，因此這些不確定度的合成不確定度為：

(6) 擴展不確定度

采集包含因子k=2，存在U=uc(y)×k。

由于U≈18mm＜130m×±0.3%=90mm。

以此確定校核方法符合相關能夠有效完成校核。

3 實驗證明

實驗環境為：數字工業相機使用MVDC300 作為基礎，利用SDK 開發包作為圖像采集軟件，圖像的分辨率函數為Int16-SetwIndowMode，相機默認分辨率為640*512，顯示位置函數為：Int16MV-SetDisplayWindow，數據讀取以BGR作為數據格式，同時相機的參數擬定為0。

其中圖3 和圖4 是現場采集的兩張待校核圖像，通過對比能夠清楚地看出，本文方法處理后圖像邊緣清晰，細節信息也沒有丟失，這是因為使用二值化以及歸一化處理，大幅度降低了圖像噪聲，可為后期校核提供有效的數據基礎。

圖3 預處理前采集圖像

圖4 預處理后待校驗圖像

從圖5中能夠看出，紅線標記區域為通過灰度共生矩陣得出的缺陷特征，其中導體接頭沒有連接壓實，沒有緊密捆綁絕緣體，為安裝事故；另一處捆綁絕緣體但未正確連接，也存在安全隱患，需要工作人員進行重新的安裝和檢驗。

圖5 校驗結果

4 結束語

文章提出一種基于圖像處理的交流電纜附件安裝質量校核方法，通過實驗能夠得知，該方法校核效果優良，可加強安裝質量。但由于所提方法是基于現場交流電纜附件安裝質量的圖像校驗，需要拍攝連續圖像，很容易出現遺漏問題，因此下一步研究課題為：拍攝視頻，使用神經網絡訓練得出最優校驗結果，幫助節省工作量和工作時間。