本发明属于电力输电领域，具体涉及一种电力线智能巡线方法及系统。
背景技术：
随着经济的飞速发展，对电力能源的需求越来越旺盛,电力输电系统也越来越庞大，覆盖面越来越宽广。输电线路是电力输电系统的重要组成部分，由于人力破坏、自然灾害或自然老化等原因容易出现断线事故以及异物附着事故。
传统的输电线路的巡检主要由人工完成，人工巡检采用攀爬电力线杆塔的方式，存在极大的安全隐患。人工巡检受到地理环境和人体体能的限制，导致巡检效率低，实时性差，很难满足现在电力巡检的要求。此外，人工电力线巡检方式往往通过肉眼观测，使用经验判断线路是否故障，也容易造成失误，准确性不高。此外，现在也开始借助无人机设备辅助进行查看，但是仍然是通过视频监测，人工检查的方式进行，虽然人员安全性提高，但是因为仍然是人工直接对图像判断，故障检测的效率仍然低。
技术实现要素：
本发明实施例所要解决的技术问题在于，提供一种基于图像处理的电力线智能巡线方法及系统。智能巡线方法包括以下步骤：
步骤s1，依据电力线走向制定无人机摄影装置的巡线路径，并使用所述无人机摄影装置采集电力线通道图像；
步骤s2，对采集的所述电力线通道图像进行预处理，并获得待检测图像；
步骤s3，对所述待检测图像进行电力线边缘提取，以获取电力线在所述待检测图像中的电力线位置；
步骤s4，检测所述待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在所述待检测图像中标记所述异常区域以生成中间结果图像；
步骤s5，依据所述中间结果图像，在所述电力线通道图像中对应位置标记出所述异常区域，并将标记之后的所述电力线通道图像输出。
进一步地，所述骤s2中，对采集的所述电力线通道图像进行预处理，包括以下步骤：灰度化、光学矫正、图像去噪。
其中，所述步骤s3包括：
步骤s31，使用ratio算子在所述待检测图像中检测出电力线边缘；
步骤s32，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理。
进一步地，所述步骤s4包括：
步骤s41，对所述待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
步骤s42，统计每个所述分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
步骤s43，利用n个所述统计结果数据计算出n个所述分段待检区域的总体灰度平均值；
步骤s44，将n个所述统计结果与所述总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
进一步地，所述在所述电力线通道图像中对应位置标记出所述异常区域，具体采用以下步骤：将电力线通道图像中标记为所述异常区域的像素点填充为红色、绿色或蓝色。
进一步地，所述步骤s1中，依据电力线走向制定无人机摄影装置的巡线路径通过gps导航系统或北斗导航系统实现。
一种电力线智能巡线系统，包括：
无人机摄影装置，用于根据预设的巡线路径采集电力线通道图像，其中，所述巡线路径依据电力线走向制定；
图像预处理单元，用于对采集的所述电力线通道图像进行预处理，并获得待检测图像；
电力线位置获取单元，用于对所述待检测图像进行电力线边缘提取，以获取电力线在所述待检测图像中的电力线位置；
中间结果图像生成单元，用于检测所述待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在所述待检测图像中标记所述异常区域以生成中间结果图像；
标记图像输出单元，依据所述中间结果图像，在所述电力线通道图像中对应位置标记出所述异常区域，并将标记之后的所述电力线通道图像输出。
进一步地，所述图像预处理单元对采集的所述电力线通道图像进行预处理，具体包括：灰度化、光学矫正、图像去噪。
进一步地，所述电力线位置获取单元包括：
电力线边缘检测子单元，使用ratio算子在所述待检测图像中检测出电力线边缘；
电力线位置获取子单元，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理,以获取电力线在所述待检测图像中的电力线位置。
进一步地，所述中间结果图像生成单元包括：
待检区域生成子单元，用于对所述待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
灰度级像素点统计子单元，用于统计每个所述分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
灰度平均值计算子单元，用于利用n个所述统计结果数据计算出n个所述分段待检区域的总体灰度平均值；
异常区域标记子单元，用于将n个所述统计结果与所述总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
实施本发明实施例，具有如下有益效果：本发明实施例通过预处理、电力线边缘提取、异常区域识别等步骤，可以快速而准确的识别出电力线中的破损、异物附着等情形，且检测结果还可以进行可视化的输出，整个过程利用无人机摄影装置，并结合自动导航巡航的方式，可以有效的提高操作的准确度，避免了人工采集带来的误差，同时达到了降低人工参与度的目的，且能够为人工复检提供指示性作用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一的电力线智能巡线方法的流程示意图；
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
请参照图1所示，本发明实施例一提供一种电力线智能巡线方法，包括步骤s1-s5。
步骤s1，依据电力线走向制定无人机摄影装置的巡线路径，并使用无人机摄影装置采集电力线通道图像。
具体地，利用无人机摄影装置采集图像，最常使用的方式便是人工操作无人机摄影装置进行视频拍摄，但是在对电力线进行拍摄时，如果采用人工操作进行拍摄，虽然相较于人工直接在现场查看的方式，可以在一定程度上节省人力，但是人工操作难以保持对无人机摄影装置的稳定操作，容易出现抖动、高度或方向突然变化等情况，进而会造成采集的电力线通道图像模糊不清或过小，导致后续难以直接用于电力线轮廓提取。采用导航系统，可以根据电力线的实际走向对无人机摄影装置的巡航路径进行严格的制定，最终可以尽可能让无人机摄影装置以一个固定的速度、合适的相对高度延巡航路径进行电力线通道图像的采集，进而保证了电力线通道图像质量。
具体地，依据电力线走向制定无人机摄影装置的巡线路径通过gps导航系统或北斗导航系统实现，可以有效的保证巡航路径不会发生偏移，或减小偏移的概率。
步骤s2，对采集的电力线通道图像进行预处理，并获得待检测图像。
具体地，电力线通道图像采集之后通常为彩色图像，如果直接利用彩色图像处理则会因为特征过多而导致运算的数据量过大，因此需要对电力线通道图像进行灰度化处理等操作，变换之后的图片便是待检测图像，实际运算时，都会使用待检测图像进行运算，以简化算法。在一些实施例中，为了进一步减少数据处理量，会对采集的电力线通道图像进行抽帧处理，以降低需要处理的图片数量，抽帧数不宜过大，以免造成电力线通道图像缺失。
对采集的电力线通道图像进行预处理可包括以下步骤：灰度化、光学矫正、图像去噪。因为在拍摄过程中，可能会存在抖动等问题，因此需要通过光学矫正、图像去噪等步骤对图像进行初步的处理，以保证电力线通道图像的整体显示效果。灰度化处理可以降低图片中的信息量，从而可以降低后续数据处理的难度。
步骤s3，对待检测图像进行电力线边缘提取，以获取电力线在待检测图像中的电力线位置。
具体地，这里需要利用待检测图像提取出电力线边缘信息，在灰度图像中提取出图像边缘信息的方式有很多，在一些实施例中，采用了ratio算子进行边缘提取，也可以采用其他的现有技术。电力线边缘信息提取完成之后，会在待检测图像中给标记出电力线位置，以便后续异常区域识别使用。
进一步地，步骤s3可以包括步骤s31-步骤s32。
步骤s31，使用ratio算子在待检测图像中检测出电力线边缘；
步骤s32，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理。
使用ratio算子可以在待检测图像中检测出电力线边缘。但是检测出来的边缘信息，可能会受到很多因素的影响，例如：拍摄高度不一致的影响、电力线弯曲的影响、以及电力线与电力塔位置的影响。此时需要使用梯度方向信息的随机hough变换方法进行进一步的处理，以得到最终的电力线位置
步骤s4，检测待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在待检测图像中标记异常区域以生成中间结果图像。
具体地，这里先对异常区域识别的原理进行一个简单的介绍，电力线通常是一个固定颜色(例如：黑色)，且通常表面较为光滑，如果其上附着了一个白色物体，例如：鸟类的粪便，那么这个区域的灰度必然会与其他区域的电力线的灰度不一致，其灰度会更低，通过这种方式我们便可以用来判别电力线上是否附着了异物或破损。在一个特定区域中，识别出其中的高亮度区域和低亮度区域是较为常见的技术，高亮度区域和低亮度区域都可以理解为存在异常，出现异常之后需要在待检测图像中标记异常区域以生成中间结果图像。高亮度区域和低亮度区域划分会有不同的标准，通常会通过设定不同的阈值来实现调节。在实际工程中，在正式进行故障检测前，工程人员会对阈值进行调整，以达到最佳的判别效果。
在一些实施例中，步骤s4包括步骤s41-步骤s44。
步骤s41，对待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
步骤s42，统计每个分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
步骤s43，利用n个统计结果数据计算出n个分段待检区域的总体灰度平均值；
步骤s44，将n个统计结果与总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
在图片中提取出高亮度点和低亮度点的方法有很多。这里在待检测图像的基础上采用了一种较为简单的方法。在获取到电力线位置之后，可以在待检测图像中对这个区域进行单独的数据处理，而不用再考虑待检测图像中其他的区域的信息。先将待检测图像中的电力线位置进行区分段获得n个分段待检区域，这里区域分隔可以直接沿着电力线进行分隔，且尽量保证每个分段待检区域中的像素点数量一致。因为待检测图像本身已经是灰度图像，这里可以对每个分段待检区域统计出其中的每个灰度级的像素点个数，然后可以计算出每个分段待检区域的区域平均灰度值，对于亮度较高的分段待检区域则区域平均灰度值会小，对于亮度较低的分段待检区域则区域平均灰度值会大。计算出所有分段待检区域的区域平均灰度值，并进一步计算出所有分段待检区域(即电力线整体)的总体灰度平均值，通过将各个分段待检区域的区域平均灰度值与总体灰度平均值比较，一旦超过了异常阈值，则可以判断为异常，并标记为异常区域。在一些实施例中，异常阈值会设置两个，以便分别对高亮度区域和低亮度区域进行鉴别。
步骤s5，依据中间结果图像，在电力线通道图像中对应位置标记出异常区域，并将标记之后的电力线通道图像输出。
具体地，中间结果图像中刚会标记异常区域，为了使工程人员能够直观的看到异常区域，会直接将中间结果图像标记的异常区域对应到电力线通道图像中并作同样的标记，最后将做了异常区域标记的电力线通道图像输出，供工程人员查看。
其中，在电力线通道图像中对应位置标记出异常区域，具体采用以下步骤：将电力线通道图像中标记为异常区域的像素点填充为红色、绿色或蓝色。为了能够直观的查看到异常区域，可以给异常区域进行标记，标记可以标注线框或做其他特殊标记。这里采用了直接填充辨识度较大的像素点的方式，通过这种方式，可以更为形象的知晓异常区域。
本发明实施例一提供的电力线智能巡线方法，通过预处理、电力线边缘提取、异常区域识别等步骤，可以快速而准确的识别出电力线中的破损、异物附着等情形，且检测结果还可以进行可视化的输出，整个过程利用无人机摄影装置，并结合自动导航巡航的方式，可以有效的提高操作的准确度，避免了人工采集带来的误差，同时达到了降低人工参与度的目的，且能够为人工复检提供指示性作用。
相应于本发明实施例一提供的电力线智能巡线方法，本发明实施例二还提供一种电力线智能巡线系统，其特征在于，包括：
无人机摄影装置，用于根据预设的巡线路径采集电力线通道图像，其中，所述巡线路径依据电力线走向制定；
图像预处理单元，用于对采集的所述电力线通道图像进行预处理，并获得待检测图像；
电力线位置获取单元，用于对所述待检测图像进行电力线边缘提取，以获取电力线在所述待检测图像中的电力线位置；
中间结果图像生成单元，用于检测所述待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在所述待检测图像中标记所述异常区域以生成中间结果图像；
标记图像输出单元，依据所述中间结果图像，在所述电力线通道图像中对应位置标记出所述异常区域，并将标记之后的所述电力线通道图像输出。
进一步地，所述图像预处理单元对采集的所述电力线通道图像进行预处理，具体包括：灰度化、光学矫正、图像去噪。
进一步地，所述电力线位置获取单元包括：
电力线边缘检测子单元，使用ratio算子在所述待检测图像中检测出电力线边缘；
电力线位置获取子单元，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理,以获取电力线在所述待检测图像中的电力线位置。
进一步地，所述中间结果图像生成单元包括：
待检区域生成子单元，用于对所述待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
灰度级像素点统计子单元，用于统计每个所述分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
灰度平均值计算子单元，用于利用n个所述统计结果数据计算出n个所述分段待检区域的总体灰度平均值；
异常区域标记子单元，用于将n个所述统计结果与所述总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
有关本实施例电力线智能巡线系统的工作原理和过程，参见前述本发明实施例一的说明，此处不再赘述。
通过上述说明可知，与现有技术相比，本发明的有益效果在于：本发明实施例通过预处理、电力线边缘提取、异常区域识别等步骤，可以快速而准确的识别出电力线中的破损、异物附着等情形，且检测结果还可以进行可视化的输出，整个过程利用无人机摄影装置，并结合自动导航巡航的方式，可以有效的提高操作的准确度，避免了人工采集带来的误差，同时达到了降低人工参与度的目的，且能够为人工复检提供指示性作用。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
1.一种电力线智能巡线方法，其特征在于，包括以下步骤：
步骤s1，依据电力线走向制定无人机摄影装置的巡线路径，并使用所述无人机摄影装置采集电力线通道图像；
步骤s2，对采集的所述电力线通道图像进行预处理，并获得待检测图像；
步骤s3，对所述待检测图像进行电力线边缘提取，以获取电力线在所述待检测图像中的电力线位置；
步骤s4，检测所述待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在所述待检测图像中标记所述异常区域以生成中间结果图像；
步骤s5，依据所述中间结果图像，在所述电力线通道图像中对应位置标记出所述异常区域，并将标记之后的所述电力线通道图像输出。
2.根据权利要求1所述的电力线智能巡线方法，其特征在于，所述骤s2中，对采集的所述电力线通道图像进行预处理，包括以下步骤：灰度化、光学矫正、图像去噪。
3.根据权利要求1所述的电力线智能巡线方法，其特征在于，所述步骤s3包括：
步骤s31，使用ratio算子在所述待检测图像中检测出电力线边缘；
步骤s32，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理,以获取电力线在所述待检测图像中的电力线位置。
4.根据权利要求1所述的电力线智能巡线方法，其特征在于，所述步骤s4包括：
步骤s41，对所述待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
步骤s42，统计每个所述分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
步骤s43，利用n个所述统计结果数据计算出n个所述分段待检区域的总体灰度平均值；
步骤s44，将n个所述统计结果与所述总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
5.根据权利要求1所述的电力线智能巡线方法，其特征在于，所述在所述电力线通道图像中对应位置标记出所述异常区域，具体采用以下步骤：将电力线通道图像中标记为所述异常区域的像素点填充为红色、绿色或蓝色。
6.根据权利要求1所述的电力线智能巡线方法，其特征在于，所述步骤s1中，依据电力线走向制定无人机摄影装置的巡线路径通过gps导航系统或北斗导航系统实现。
7.一种电力线智能巡线系统，其特征在于，包括：
无人机摄影装置，用于根据预设的巡线路径采集电力线通道图像，其中，所述巡线路径依据电力线走向制定；
图像预处理单元，用于对采集的所述电力线通道图像进行预处理，并获得待检测图像；
电力线位置获取单元，用于对所述待检测图像进行电力线边缘提取，以获取电力线在所述待检测图像中的电力线位置；
中间结果图像生成单元，用于检测所述待检测图像的电力线位置中的高亮度区域或低亮度区域，将高亮度区域或低亮度区域标记为异常区域，并在所述待检测图像中标记所述异常区域以生成中间结果图像；
标记图像输出单元，依据所述中间结果图像，在所述电力线通道图像中对应位置标记出所述异常区域，并将标记之后的所述电力线通道图像输出。
8.根据权利要求7所述的电力线智能巡线系统，其特征在于，所述图像预处理单元对采集的所述电力线通道图像进行预处理，具体包括：灰度化、光学矫正、图像去噪。
9.根据权利要求7所述的电力线智能巡线系统，其特征在于，所述电力线位置获取单元包括：
电力线边缘检测子单元，使用ratio算子在所述待检测图像中检测出电力线边缘；
电力线位置获取子单元，利用梯度方向信息的随机hough变换方法对检测出电力线边缘的电力线通道图像进行处理,以获取电力线在所述待检测图像中的电力线位置。
10.根据权利要求7所述的电力线智能巡线系统，其特征在于，所述中间结果图像生成单元包括：
待检区域生成子单元，用于对所述待检测图像中的电力线位置进行区分段，并获得n个分段待检区域；
灰度级像素点统计子单元，用于统计每个所述分段待检区域中每个灰度级的像素点个数，并按照一一对应关系生成n个统计结果数据；
灰度平均值计算子单元，用于利用n个所述统计结果数据计算出n个所述分段待检区域的总体灰度平均值；
异常区域标记子单元，用于将n个所述统计结果与所述总体灰度平均值一一进行比对，差值大于预设的异常阈值的分段待检区域标记为异常区域。
技术总结