蔡凯杰
上海输能电力工程有限公司 200001
摘要：本文对机器视觉巡检机器人的应用背景和开发思路进行分析，探究机器视觉在输电线路巡检机器人中的应用要点，即视觉导航、视觉检测和视觉伺服控制。
关键词：机器视觉；输电线路；巡检机器人
引言：在传统模式中，我国电力行业的电厂和变电站等电力系统和线路都需要人工进行巡检。但是在恶劣天气和超高压的作用下，人工作业的模式不仅会影响人们的生命安全，还会给电网运行带来安全隐患。而应用具备机器视觉的巡检机器人，就能沿着既定路线进行巡检，利用热成像摄像头和可见光实现无人看守。
一、机器视觉巡检机器人的应用背景和开发思路
（一）应用背景
现阶段，虽然巡检机器人在线路巡检工作中发挥一定的价值，但是在实际应用中仍有较大的进步空间。主要的问题为：巡检机器人可以对异常的电路信息进行报警，但不能指出精准的位置，并且不能精准地判定异常情况是线路或者非线路因素导致的，增加发生误报的概率。此外，在光线较差的区域，摄像头无法正常地工作，工作人员进行判定时不能对可见光图片和热成像图片进行对比，不能确定热成像的具体位置。
机器视觉系统的构成体系为：视觉传感器实时探测－图像采集卡获取图像和信息－计算机对获取的信息进行分析－执行系统执行计算机下达的命令。运行原理为：对获取的环境图进行灰度化和滤波去噪、提取图片中的关键信息，进行测量和分析工作、从定性和定量两个角度解释结果，从而明确外界环境情况，并做出正确的决策。
（二）开发思路
第一，构建数据资料库。打造巡检机器人在输电线路上每个巡检点获得的数据信息库，技术人员确定需要建立巡检检测的位置，标注好编号与类别。第二，进行图像匹配和设备识别。应用图像处理和识别技术，把巡检机器人获得的图像资料和数据库中的信息进行匹配，从而明确图片中线路的具体位置。第三，把图片与模板图像匹配，掌握各个输电线路的工作状态。第四，预先设计每个输电线路的异常阈值，一旦出现问题就能立即定位进行解决。
二、机器视觉在输电线路巡检机器人中的应用要点
（一）视觉导航
输电线路巡检机器人实施自主导航时具有两种操作模式，即规划全局行走路线和规划跨越障碍路线。巡检机器人利用机器视觉就能掌握周围环境的信息。巡检机器人以输电线路为基础开展爬行工作时，需要跨越大量的障碍物，比如耐张线夹、防震锤等，它们需要结合不同类型的障碍物，在一定距离前就制定跨越规划。在运行的过程中要以耐张线夹为基础对线路进行识别。由此可知，巡检机器人借助机器视觉就能对输电线路进行识别以及定位[1]。
1.障碍识别
现阶段巡检机器人识别障碍物的主要方法为以机器学习、结构约束和特征模板匹配为基础。第一，以机器学习为基础的识别障碍物的模式。提取障碍物的基本特征并作为输入要素，对分类器进行科学训练，运用适宜的分类策略对多种障碍物进行自动识别和分类，应用最频繁的设备是神经网络和SVM。以障碍物的HOG和Hear特点为基础，对分类器进行训练，结合高压线和障碍物之间的结构特征进行类型识别，从而获得较好的效果。利用分类器对障碍物的主要特征进行粗略检查，随后逐渐输入其他的特征，对其进行仔细地检查。这种方法的识别效果较为明显，能对局部较小值点进行控制。利用极大值算法提取图像，明确局部的最小波距。这样神经网络就能对障碍物进行识别，提高精准度。种方法能对障碍物进行大量的识别，并从中提取出关键的子集。
并且机器学习中还具备大量样本子集，能发挥强大的支撑作用。
第二，以结构约束为基础的识别障碍物的模式。这种模式就是获取图像中与线路和障碍物相关形状的图形基元，借助障碍物的外在形状、障碍物和输电线路间的位置关系，达到识别障碍物的目的。利用结构约束的障碍识别方法进行计算，这样就能识别和定位变换相线，根据障碍物与相线之间的位置联系和障碍物的外在特征，达到识别障碍物的目的，并实施了以存在概率图为基础的检验方法，能对边缘残缺位置进行科学地识别。这项技术的识别速度较快，具备实时性的优势，但是抵抗干扰的能力较弱，提取图像时容易受到背景的影响。
第三，以特征模板匹配为基础的识别障碍物的模式。对提取的多个障碍物的特征进行描述，并运用匹配算法与模板特征数据库中的资料进行匹配，确定障碍物的类型。目前，最常见的障碍物图像提取方法为SURF、SIFT以及HOG等。在应用这个算法时应该掌握均衡效率和算法性能的方法。并且巡检机器人选择的模板特征资料库需要对气候和光照条件进行分析，从而提高方法的应用价值。
2.障碍定位
巡检机器人借助摄像机明确与高压输电线上障碍物之间的距离，以此来调节行走的速度，并下达直接的指令。第一，采用双目距离测距。利用摄像机获得同一场景的两幅画，利用图像匹配找到图像中的对应点，并计算其中的偏差值，获得障碍物的三维立体信息。利用这种方法就能对多个窗口进行匹配，根据情况对窗口大小进行调整，确保能有效地匹配。但是摄像机容易受到噪音、亮度、色彩等因素的影响，增加匹配的困难性。并且它只能进行粗略地测量，所以精准度不足。第二，采用单目距离测距。这个方法能深入剖析图像中的各个信息，从而明确与目标之间的距离，它的成本较低并且应用价值较高。但是因为机器人在柔性电路上运行，所以在运行时摄像机的仰角也会发生一定的变化，对测量的准确性造成干扰。而使用变换检测导线得到，明确成像点到镜头之间的距离，得到障碍物到镜头的距离，及时纠正测量的结果。这样就能有效地测量长距离，提高工作效率[2]。
（二）视觉检测
路巡检机器人在对输电线路进行巡检时拍摄沿路的照片，对图像进行分析和处理，评估目标物体是否具有缺陷，完成目标识别工作后就能实施视觉检测操作。现阶段的视觉检测主要为探究常见线路中存在的缺陷，比如金具腐蚀、异物挂线以及断股等问题。路巡检机器人进行视觉检测的基础就是，它能在实际的线路中进行运行工作，根据系统进行导航，并自主跨越障碍物。但是，这些技术还处于完善阶段，许多研究工作还没有对角度、距离和行走模式进行检测，只能从机器人的角度进行分析，获取有价值的图像，对其中特定的故障进行检测。目前，应用较为广泛的就是应用汇集多种缺陷的输电线路诊断疗法图像检测技术，能进行集中管理和检测，把分析结果汇总成报告。
（三）视觉伺服控制
视觉伺服控制主要助力路巡检机器人跨越输电线路中存在的障碍。选取导线的偏角和偏距作为图像的基本特征，明确其内在的规律，借助模糊的方法对机器人进行控制。借助试验电能对模糊集合进行确定，掌握具体的论域。构建两层模糊控制设备，把抓取的偏距和偏角控制在最小的范围内，增强抓线的可靠性。此外，把图像矩特征作为反馈图像的重要依据，以小波神经网络为基础，设置服务器。这样就能直观地呈现障碍物的图像，以便路巡检机器人进行科学地跨越。
结论：综上所述，把机器视觉应用到输电线路巡检机器人中，这样能减少因为工作人员漏检或者疏忽而导致的设备破损，保障线路运行的可靠性；降低供电线路的经济投入，提升人力资源的利用率；避免高压辐射对人体健康造成影响，增强输电线路的可持续发展能力。
参考文献：
[1]薛会. 基于深度学习的机器视觉目标识别与定位技术研究[D].江苏大学，2020.
[2]张航杰. 基于机器视觉的智能巡检操作机器人系统的设计与实现[D].浙江工业大学，2020.