本文由Statnett公司的Sonja Berlijn,STRI 公司的Igor Gutman以及哥德堡市查尔姆 斯理工大学的Irene Gu撰写, 介绍了自动分 析在高电压工程中的创新应用, 包括探测和 测量绝缘子覆雪/覆冰, 估计绝缘子摇摆角, 以及在绝缘子串的可见度随着特定的拍摄背 景而凸显差别的情况下计算出客观的数值。
2004年建立WAP试验站的主要目的 是验证实验室的试验结果并且获取 下述现场经验
• 在各种天气条件下三种不同类型和 外形的绝缘子覆雪和覆冰
• 三种绝缘子的摇摆角主要在降雨 或刮风条件下以及
• 预测由不同天气导致发生事件的次 数和严重程度
因此试验中不间断地监测环境条件包括温度降雨量覆冰和风速除此 之外还采用网络摄像机每隔10分钟 拍摄不同天气条件下绝缘子的图像根据以上数据使用新开发的自动图 像分析技术预测绝缘子的摇摆角覆冰遗迹可见度。此外以高度互动和 易于理解的方式将所有测量图像 和结果上传到Statnett工程师可以 进入的网站。
WAP试验站的电源,传感器和通信布置
图1:WAP网站的用户界面实例
最初选用了3种绝缘子配置进行分析
1. 交替伞形复合绝缘子
2. 玻璃绝缘子串兼有标准型伞形和空气动力学伞形
3. 防雾型玻璃绝缘子串
由于不同绝缘子图像的拍摄跨越了超过8年的时间段海量的数据要求自动化分析来确定绝缘子摇摆角以及覆冰和覆雪的过程
自动化探测覆冰和覆雪
自动预测绝缘子覆冰和覆雪程度的 第一步是定位每幅图片中拍摄到的 绝缘子图像中包含绝缘子的那一小 部分被定义为‘兴趣区域’或ROI并 从每幅图片中截取出来
由于图像中绝缘子的位置以及不同 天气与光照条件下的背景均在变 截取ROI并非事易但研制了一种 方法详细内容2007年发表在IEEE 的一篇论文中该方法可以对采集 3个月的图像进行ROI截取成功率 为88.5%
(a) 进行研究的3种绝缘子的图像
一旦成功截取ROI后探测冰雪并分 析覆盖的程度绝缘子是刚性的其外形与尺寸是已知且固定的这意味 着覆冰或覆雪造成绝缘子外形的任 何变化将导致出现多余的边缘通常 在上表面从图像上确定雪或冰 的区域的方法有以下步骤
(a) 探测新增区域;
采用边缘探测仪检查每一幅ROI图 像使每个被边缘曲线包围的区域 形成封闭区供进一步评估
(b) 找到伞裙上的新增区域:
伞裙上的雪或冰以及其他诸如背景 的变化例如局部云层光照和反 射都可能形成新增区域使用现 有的和以前保存的标准伞盘位置以 及‘椭圆’伞盘形状区域的信息作为参照可以找到新增区域并对此进行进一步分析由 于雪和冰更有可能积覆在伞盘的上表面和/或边缘 所以仅考虑和分析这些位置的新增区域
(c) 基于外观与基于形状的分析:
(b) 截取ROI的实例
一旦找到所有新增区域后应用基于外观与基于形 状的分析确定雪和冰的面积参见图4
确定新增区域后放置一根窄竖棒图5中平行于绝缘 子中轴线右侧的红色棒从左至右扫过绝缘子通过 这种方法可以确定覆雪区域的厚度以及逐渐增加的 程度估算出覆雪的百分比借助带有图解用户界面 的MATLAB执行自动化分析方法程序也被转换为一 个C程序使用远程拍摄的图像进行在线实时分析
该程序测试和验证超过3个月的累积数据数千张图 像分别预估高质量图像和低质量图像的结果例 如图像能见度差边缘模糊深颜色雪对于高质 量图像约90%可以预估而对于低质量图像预估 的成功率降到大约70%。
图3:户外相机拍到的绝缘子的不同图像(仅显示了含绝缘子的区域),从左至右依次为: (1)晴朗天气下的理想图像;(2)太阳反光下的绝缘子;(3-5)多云天气下的绝缘子,云 层不均匀且背景变化迅速;(6-7)大雾条件下模糊不清的图像;(8-10)黑夜下的图像; (11)上表面覆雪;(12)实验室中的覆冰绝缘子
图4:覆雪/覆冰分析(a) 基于外观的分析
自动探测摇摆角
使用自动图像分析技术探测绝缘子的摇摆角随后 可以与环境参数相关联受相机拍摄角度的限制捕 捉到的图像中绝缘子的角度可能并不总是与图像 的垂直轴对齐因此在这种情况下摇摆角被定义 为在任何给定图像中绝缘子绝对角度与无风时捕捉 到的绝缘子“参考”角度之间的差值该过程的原理 如图6所示同步收集和储存摇摆角和气象数据以 便后续分析
自动化评估绝缘子‘可见度’
项目初期仅比较了盘形玻璃绝缘子与长棒形硅橡胶 复合绝缘子的相对可见度可见度低被视为受环境的 影响小优选可见度较低的随后也安装了一系列涂 覆颜色各异的RTV涂层盘形玻璃绝缘子Statnett有 兴趣将随后被测试的绝缘子试品用在未来称之为‘伪 装的’线路上用于微调和验证自动化能见度程序采用以下几个步骤开发程序用于自动化图像分析比较可见度
1. 找到兴趣区域ROI包括感兴趣的杆塔和三种
(b) 基于形状的分析
(c) 借助扫除竖棒计算平均与最大的覆雪/覆冰
绝缘子串的三对前景FG区与相邻的小块背景(FG) 区
2. 应用图像分析技术比较每种绝缘子的前景与背景
图像区注意在所测量的图像中三种绝缘子的 背景不同这是基于客观的准则考虑了绝缘子 前景FG与相邻背景BG在强度对比度以及子带结构上的差异
(a) 基于外观的分析
(b) 基于形状的分析
(c) 借助扫除竖棒计算平均与最大的覆雪/覆冰。
图5:图解用户界面用于自动图像分析系统,探测和预估绝缘子 覆雪/覆冰。
3. 使用100多张不同天气条件下拍摄的图像与人们通过肉眼观测到的主观结果进行比较创建和测试 MATLAB程序。
对 三种不同绝缘子的分析结果如图7所示(每种都嵌 入其特定的背景即天空天空加树林以及树林) 1号绝缘子(ins-1)使用橄榄绿RTV涂料2号绝缘子 (ins-2)使用灰色RTV涂料3号绝缘子(ins-3)为绿色 玻璃绝缘子最大值1.0表示绝缘子可见度最低即 前景与背景最相似而0则表示可见度最高即前景 与背景相似度最低此处给出这些结果仅是要说明 程序可以根据绝缘子的材料给定的背景与光照条 件区分特定背景中的各种绝缘子以及相对可见度值 例如在本例中三种绝缘子嵌入的背景大不相同。
图5:图解用户界面用于自动图像分析系统,探测和预估绝缘子 覆雪/覆冰
图6:左:通过交对比计算ROI的摇摆角。右:绘制伞形边界的 外平行包络线与中轴线
基于这些图像可以看出在给定背景下基于客观 标准得出的绝缘子可见度的值与肉眼主观判断一 致例如在明亮天空背景下绿色RTV涂料的绝缘 子ins-1相当可见而在有黑暗树林和明亮天空背 景下灰色RTV涂料的绝缘子ins-2‘中度’可见。
需要注意的是在所测量的图像中由于上述绝缘子没有处于共同的背景所以不能对所选不同绝缘子 相对可见度的最终比较下结论这是很重要的理想 的比较应当只能在不同绝缘子放在相同背景和相同光 照条件下进行。
该程序的下一步发展是能够从原始背景图像中将任何 绝缘子或其它线路组件截取出来然后再嵌入另一个 背景之中而且对于未来的发展来说理想的是使用 彩色数据而不是本项目中使用的灰度数据由于阳 光反射可能影响玻璃绝缘子的相对‘可见度’也必须 考虑反光的影响。
图像展示了绝缘子可见度分析的步骤,从上至下为: (a)截取ROI (即 杆塔区域); (b)预估绝缘子的垂直轴(蓝色/红色垂直线分别代表预 估值与地面测量的真实值)并估计绝缘子与杆塔的连接点(黄色加号); (c)预估FG/BG区域(红色/绿色框)。在图片底部给出了三种绝缘子可见 度自动分析的预测值,V表示最终的可见度,L表示亮度差异,C表示对 比度差异,S表示子带结构差异。数值越大(最大为1.0),表示在该背景 条件下,绝缘子可见度越低
最初‘兴趣’ 绝缘子的可见度比较研究:橄榄绿RTV,灰色RTV 与玻璃绝缘子评估绝缘子可见度比较试验的现场图片实例:从左至右分别为 橄榄绿RTV,灰色RTV与无涂层玻璃绝缘子
图7:对约100幅图像的绝缘子可见度自动分析结果
