图像处理技术在架空线路绝缘子裂缝识别中的应用研究

摘要

高压输电线路的巡检是保证可靠的电力输送的重要基础。当前，输电线路的巡检方式以人工为主。但是这种方法不仅消耗大量的人力、物力，而且不能实时的完成监测，因此通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测，成为了当前热门的研究课题。超高压输电线路智能巡检机器人综合多种检测技术，实现在输电线路上自主行走与视觉监视等作业，为输电线路的巡视提供了新的概念和工作方式。本论文就国家“863”项目支持下的超高压输电线路巡检机器人视觉检测系统进行了相应的研究。 本文重点研究巡检机器人视觉系统中挂网绝缘子上裂缝的定位和识别。通过模拟机器人的视觉系统，基于图像处理技术完成绝缘瓷瓶裂缝检测，利用MATLAB进行仿真分析，最后设计出绝缘瓷瓶裂缝检测系统。 首先，系统设计。硬件设计，包括：CCD镜头、摄像机、控制平台、云台以及电脑和图像采集卡，能够成功采集到目标的图像信息，传输给电脑。软件设计，完成程序的编写和调试。 其次，图像预处理。在预处理部分实现对图像的灰度转换、去噪、分割、形态学处理。图像分割介绍了OTSU阈值分割方法以及基于边缘信息的阈值分割方法，并与其它一般阈值分割法进行了比较分析。 再次，裂缝定位。通过绝缘子瓷瓶图像的分析，将绝缘子中部的特征区域作为绝缘子定位的依据，针对该区域绝缘子的特殊形状特征，包括特种区域外包装盒与绝缘瓷瓶长、宽的比值，完成绝缘子区域的定位。根据定位的绝缘子区域中裂缝的灰度值特征，实现图像中裂缝的定位。 再次，特征提取。对于聚焦放大后的裂缝图像提取特征值，组成特征向量，作为区别裂缝类型的依据。为了区别纵向裂缝、横向裂缝、网状裂缝、块状裂缝和无裂缝这五种状态，将裂缝的垂直、水平投影及HU不变矩作为本文的特征值。 最后，图像识别。针对提取的裂缝图像的特征值，通过遗传算法优化的BP神经网络和RBF神经网络，以及改进的 ART2网络，分别实现对绝缘子瓷瓶裂缝五种类型的分类识别，并根据仿真和实验结果对三种算法进行了比较，最终选用改进的ART2网络作为本文的识别方法。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题来源与研究目的

1.1.1课题来源

1.1.2高压巡检机器人的研究意义

1.2高压巡检机器人系统的技术发展状况

1.2.1高压巡检机器人系统结构概述

1.2.2高压巡检机器人视觉系统结构与功能

1.2.3高压巡检机器人的历史背景及发展现状

1.2.4数字图像处理与机器视觉

1.3图像处理和识别的研究历史和发展现状

1.3.1图像处理与识别的研究历史

1.3.2图像处理与识别的研究现状

1.4论文工作安排

第二章图像检测系统设计

2.1检测系统的总体方案

2.2系统的硬件设计

2.2.1硬件系统总体构成

2.2.2硬件具体配置

2.3系统的软件设计

2.4本章小结

第三章 架空线路瓷绝缘子图像预处理

3.1架空线路瓷绝缘子图像去噪处理

3.1.1绝缘瓷瓶图像中的噪声

3.1.2中值滤波

3.2架空线路绝缘子图像分块简化

3.3架空线路绝缘子图像分割

3.3.1迭代求分割阈值法

3.3.2基于区域的阈值分割方法

3.3.3基于边缘信息的阈值分割方法

3.4架空线路瓷绝缘子图像形态学处理

3.5本章小结

第四章 检测区域定位算法设计

4.1瓷瓶定位算法设计

4.1.1瓷瓶的粗定位

4.1.2瓷瓶的细定位

4.2裂缝定位算法设计

4.3本章小结

第五章 绝缘子裂纹的特征提取

5.1 HU不变矩

5.2投影特征

5.2.1水平投影

5.2.2垂直投影

5.3本章小结

第六章 绝缘子裂纹的分类识别

6.1改进的BP和RBF神经网络

6.1.1 BP神经网络

6.1.2 RBF神经网络

6.1.3遗传算法

6.1.4 BP和RBF神经网络的改进

6.2改进的ART2网络

6.2.1 ART2网络简介

6.2.2 ART2算法原理

6.2.3 ART2网络的分析和学习算法的改进

6.3三种算法的实验比较

6.3.1 GA-BP和GA-RBF算法的实验比较

6.3.2 GA-RBF和ART2算法的实验比较

6.4本章小结

第七章总结和展望

7.1本文完成的主要工作

7.2有待进一步研究的问题

参考文献

致谢

在学期间发表的论文