彭思远, 张宏伟, 江 维, 严 宇

（1.武汉纺织大学 机械工程与自动化学院,湖北 武汉 430073;2.国网湖南省电力有限公司超高压变电公司,湖南 长沙 410004）

绝缘子串是电力系统的重要设备,一旦出现故障会影响整个电力系统安全稳定运行。 长时间服役于恶劣环境会使绝缘子串出现故障的概率大大增加,因此需要定期检修。 检修前最重要的是检测线路上的绝缘子。 目前绝缘子视觉检测的方法主要有两大类,第一类是基于机器学习[1-2]的检测方法,如传统的HOUGH变换边缘检测方法[3]、几何特征检测方法[4],这些算法可以检测到背景简单的绝缘子,但对于图像背景复杂的系统检测效果欠佳,而且算法复杂度过大会影响视觉伺服控制的实时性。 第二类是基于深度学习[5-7]的绝缘子检测方法,如基于卷积神经网络的检测方法[8-9]、YOLO 网络检测方法[10-11]等,虽然这些方法检测精度更高、速度更快,但是它们要求的硬件平台费用较高,同时检测精度以算法模型复杂度为代价,在实际移动控制终端中难以部署,算法模型难以普及。 因此,寻求一种性价比高的绝缘子检测算法,使其既能够满足检测要求,又能够尽可能地降低平台成本,是目前研究的一个重要方向。

本研究提出了一种基于角点特征的绝缘子视觉识别方法,通过绝缘子串几何特征分析和角点提取算法将绝缘子串的角点提取出来,各角点连接所形成的闭环区域即检测所得到的绝缘子。 该方法能够较为精准地实现绝缘子串的检测,且对系统平台要求不高,性价比较高,能够满足系统检测要求。……