陈晓波 杨柳辉

摘要：随着当今科学技术的不断发展，越來越多的先进技术开始被应用到了电力工程领域中。尤其是无人机红外热像技术，更是在电缆隐患点的智能检测中发挥着显著优势。为实现电缆隐患点智能检测效果的良好保障，本文特对该技术在其智能检测中的应用进行分析。希望通过本次的分析，可以为电缆隐患点的及时发现与处理提供科学参考。

关键词：电力工程;电缆隐患点;无人机红外热像技术;智能检测

前言：

在对电缆中的隐患点进行智能检测时。无人机红外热像技术是一项关键技术。借助于该技术，可以将相应的故障隐患点以图像的形式展示出来，让隐患点得以直观显示。同时，这种智能检测技术也可以替代传统的人工检测方法，在提升检测效率、质量的同时避免人为因素对检测结果的不利影响，并尽最大限度确保工作人员的人身安全。因此，在具体的电缆隐患点检测中，电力企业一定要加强此项智能检测技术的应用研究，以此来充分发挥出其技术优势。

一、检测流程分析

在通过无人机红外热像技术对电缆隐患点进行智能检测的过程中，其主要的检测过程有两个，第一是目标检测，第二是目标识别。其中，目标检测主要是借助于改进之后的Bernsen二值化来进行相应的图像处理，然后再通过摄影以及形态法将需要检测的主体电缆从红外图像中提取出来。目标识别主要是在电缆主体的红外图像中寻找颜色异常和亮度异常的区域，以此来实现隐患点的确定[1]。下图是电缆隐患点检测中的无人机红外热像智能检测流程图：

二、检测方法分析

（一）改进之后的Bernsen二值化算法分析

在对数字图像进行处理的过程中，图像二值化是预处理中最重要的一步，该方法是按照选定的阈值，将图像内的全部像素设置成黑色（0）或者是白色（1），进而让整个图像变为黑白图像，这样就更容易在背景中进行相应物体的提取，达到良好的前景和背景像素分离效果。在二值化方法中，自适应阈值、Otsu以及灰度平均值是常见的处理方法，第一种方法所处理的图像内各个像素点都对应不同的阈值，二值化过程中需要根据各个像素的邻域范围像素为其选择一个合理的阈值来进行处理;后两种方法的相同点是将全局作为基础，通过单一阈值来进行图像处理。而在实际应用的过程中，因为红外图像具有较大的灰度变化情况，噪声以及光照等的很多因素都会对其灰度产生影响。基于此，为有效克服噪声以及光照不均匀对图像灰度的不良影响，可以对Bernsen二值化算法加以改进，并通过这种改进之后的算法来进行电缆红外图像的处理。

Bernsen算法属于一种局部形式的阈值算法，该算法在对于光照不均匀问题的解决十分有效，在灰度图像中，在（2w+1）*（2w+1）这一窗口中，将（i，j）这一像素点作为中心，对每一个像素点进行T（i，j）阈值计算是其核心思想。其计算公式如下：

其中，窗口位置参数用k，l表示，为实现噪声与光照影响的有效降低，可将f（i，j）这一图像先逐点进行高斯滤波处理。其公式如下：

其中，高斯滤波所具有的平滑尺度用表示。然后再通过Bernsen对这个图像进行二值化处理，由此获得到像素点T’（i，j）公式如下：

在通过改进之后，Bernsen二值化图像b的公式如下：

通常情况下，应将其窗口设置为5*5大小，以上公式中的T和T’将会在图像中随着窗口滑动，各个区域内都会有不同的值产生，通过最终的计算，便可获得到自适应阈值形式的二值化图像[2]。

（二）投影法分析

在通过二值化对红外图像进行处理之后，便可实现大致的主体电缆轮廓获取，而在对二值图像中的前景和背景进行分割时，投影法便是最常用的一种方法。具体分割中，为了将主体电缆从图像中有效提取出来，便可借助于投影法来实现上下左右这四个边界坐标信息的获取，然后以此为依据进行分割。投影法的实现过程主要有两个，其一是水平投影，也叫做行投影，其步骤是各行循环，并对行前景像素数量进行统计，以此来实现前景上下边界坐标信息的准确获取;其二是垂直投影，也叫做列投影，其步骤是各列循环，并对列前景像素数量进行统计，以此来实现前景左右边界坐标信息的获取。

（三）形态学处理分析

在从红外图像中进行了主体电缆提取之后，需对其中的隐患点做出进一步的识别。在对主体电缆图像内的颜色异常和亮度异常区域以及强度色谱分布情况进行分析之后，便可对发热点做出初步确定。但是这样获得到的高粱区域可能有很多的数量，且一些高粱区域的面积可能很小，因此，为实现隐患点的进一步明确，就需要对这些初步确定的异常区域做合并处理。此项处理主要借助于数学形态学中的开闭、膨胀以及腐蚀运算来实现。

其中，膨胀运算以及腐蚀运算的操作是将数学形态学中的处理方法作为基础，将集合作为其操作对象的计算方法，所以就数学意义来看，它属于非线性形式的一种操作。假设在Z2中共有两个集合，一个是A，另一个是B，则B集合对A集合的腐蚀可按照以下公式来表示：

按照相关定义可知，B集合对A集合的腐蚀包含在A集合中，是通过z平移所得到的、属于B集合中的所有点，同时也属于一个z集合。

B集合对A集合的膨胀可按照以下公式表示：

按照相关定义可知，B集合对A集合的膨胀属于全部位移z的集合，在这样的情况下，它至少会与A集合中的一个元素重叠。

通过腐蚀操作，会让图像中的相应组成部分缩小，在实际运用时，可将图像内含有的细微的点和连接线去掉，而膨胀操作会将图像中相应的组成部分扩大，并对其中的物体进行粗化[3]。

开闭运算都是以腐蚀操作和膨胀操作为基础的形态学处理方式，B集合对A集合的开运算可以按照以下公式表示：

B集合对A集合的闭运算可按照以下公式表示：

在对电缆主体进行提取之后，需通过数字形态学来进行小区域的融合处理，开运算是先膨胀操作再腐蚀操作;闭运算则是先腐蚀操作再膨胀操作。而这两种运算方式都可以让物体轮廓得到平滑处理，开运算可将狭颈断开，并将细的突出物消除;闭运算一般会将窄间断弥合，并将小孔洞消除。通过这些操作方法，可以让电缆主体中的多个近距离高亮区域合并起来，并将区域内部的孔洞去除。以下是具体的识别步骤：①借助于强度色谱和主体电缆图像之间的整体颜色分布情况来进行高亮阈值的确定，进而在主体电缆图像内实现全部高亮区域的获取。②对面积阈值进行合理选取，移除面积小于阈值的高亮区域。③按照以上的四种形态学处理方式，对多个近距离高亮区域进行合并处理，并将其内部的孔洞去除。④留下来的所有高亮区域都是最终确定的隐患点，将此结果输出即可。通过这样的方式，便可对电缆中的隐患点实现良好的智能检测。

结束语：

综上所述，在电缆隐患点检测中，无人机红外热像智能检测技术是一种先进且有效的技术形式。将该技术合理应用到检测中，通过改进之后的Bernsen二值化算法处理、投影分析以及形态学处理技术，便可对无人机航拍获取到的红外图像进行科学处理，以此来实现电缆主体隐患点的准确识别与定位，进而为后续的电缆维修处理提供足具科学性的参考。这对于电缆运维质量的提升以及电力行业的发展都将有着十分积极的促进作用。

参考文献：

[1]张玲.电力电缆故障原因与检测技术分析[J].大众标准化，2021（06）：262-264.

[2]程羽佳，杨晴，王凡.电缆防护层故障点的红外立体视觉检测[J].现代计算机，2020（19）：68-71.

[3]李剑.电力电缆接头温度检测及预警系统的设计[J].新型工业化，2020（06）：35-36.