关键词:
输电线覆冰
Hough直线检测
最小二乘法
改进SegNet
覆冰监控系统
摘要:
受气温、复杂地形、气象变化等各种环境的综合影响,附着在输电线上的过冷水滴由于释放潜热固化最终极易形成覆冰。而输电线路覆冰严重影响电力的安全供应。因此,对输电线路覆冰情况进行监测、覆冰厚度进行测量,成为众多科研院所重要的研究课题。传统的输电线路覆冰检测方法包括基于力学模型、模拟导线和视觉等方法。基于力学模型的方法能计算输电线覆冰的等效厚度,但不能获得电力线覆冰的局部厚度;模拟导线法只能间接测量覆冰厚度,测量的结果与实际带高电压、大电流的输电线覆冰情况不同;而基于视觉测量覆冰厚度的方法,具有精度高、成本低等优点。故本文选用视觉的方法来实现覆冰的识别以及厚度的测量,文章主要内容如下:(1)对基于图像处理的覆冰识别方法进行了研究。首先,本文选用双边滤波、直方图均衡化和自适应阈值分割算法对覆冰图像进行预处理,在预处理后使用Canny算法进行边缘检测以减少图像中的假边缘;然后,根据输电线在图片中的位置大致一定这一先验知识,先对输电线区域大致分割,再使用Hough直线检测覆冰边缘,实验表明这种简单的方法可以有效降低背景的干扰,提高覆冰边缘识别的准确率;最后,提出一种结合最小二乘法的Hough直线检测方法,先拟合出覆冰边缘中心线,以中心线为判断条件分别拟合出上、下边缘直线,完成输电线覆冰的检测。(2)对基于深度学习的覆冰识别方法展开了研究,主要是对语义分割领域中广泛使用的Seg Net网络模型进行改进。首先,提出用轻量化卷积神经网路Mobile Net代替VGG16作为Seg Net网络的编码结构,参数量从原始的1471万减少到160万。其次,在解码部分借鉴了FCN的skip结构,融合了低层次特征信息,以提高最终的分割精度。最后,在本文构建的输电线覆冰数据集上做了检测实验,结果表明:本文提出的改进Seg Net网络的MIo U值和未经改进的Seg Net网络相比,从78.2%提高到了81.3%,提升了3.1个百分点;此外,Seg Net和改进Seg Net网络模型的大小分别为45.19MB、24.74MB,而基于Mobile Net的Seg Net网络模型大小只有21.86MB,在这三种算法中只有它可以在嵌入式移动平台jetson TX2上运行。(3)开发了输电线路覆冰识别系统。该系统集成了本文提出的改进Seg Net覆冰检测算法,具备覆冰检测、厚度测量、数据存储等功能。在实验室条件下模拟了输电线覆冰场景,实验验证了该识别系统的各个功能,具有一定应用价值。