摘 要

随着机器视觉在中国的不断发展，对于一些物体的检测也渐渐得从传统的人工检测走向了智能化的机器检测。在国家经济的发展过程中，有着非常重要的一个影响因素，那就是电力行业，它起着非同一般的作用。故电力巡查就显得尤为重要。由于人眼会在长期工作下会出现视觉疲劳容易产生错误判断。所以对于一些重要的图像检测处理采用智能化，批量化，高效化的机器检测已经成为了现在电力行业的发展趋势。

本文首先对机器视觉和传统的检测方法进行了介绍，总结了现有的电力线，绝缘子和塔杆的检测方法，然后根据课题需求，提出了一种基于opencv的简单图像检测方法。

接着，重点讲解了图像检测和识别的步骤以及每一步的作用和达成的效果。然后针对课题所研究的实际对象，从绝缘子，塔杆，电力线的特征进行了详细分析，针对不同的检测目标制作了不同的检测算法，而且通过实际检测，能够在指定的图片中分辨出所需要的物体轮廓。

最后，采用c#界面开发，将采用c 写的代码封装成dll文件，制作了项目所需要的电力场景目标检测软件。同时，还单独加入了一个大轮廓物体检测窗口。经过测试，该软件在输入指定图片时能够在原图像中标出检测轮廓。

关键词：机器视觉;目标检测;绝缘子识别;塔杆识别;电力线识别；

Abstract

With the continuous development of machine vision in China, the detection of some objects has gradually changed from traditional manual detection to intelligent machine detection. As the pillar industry of the country, the electric power industry plays a decisive role in the country's economic development. Therefore, power inspection is particularly important. Because the human eyes will appear the vision fatigue under the long-term work and easy to produce the wrong judgment. So using a intelligent, mass, efficient machine detection for these important image detection processing has become the development trend of the power industry.

This paper first introduces the machine vision and the traditional detection methods, summarizes the existing power line, insulator and tower rod detection methods. Then ，I propose a simple image detection method based on opencv according to the requirements of the subject.

The steps of image detection ,recognition and the effects of each step are explained. Then, according to the actual object studied in this subject, analyzing the detail for the characteristics of the object and different detection algorithms are made for different detection targets. Moreover, through the actual detection, the required object contour can be distinguished in the specified picture.

Finally, c# interface is adopted for development, and the code written in c is packaged into a DLL file to produce the power scene target detection software required by the project. At the same time, a large contour object detection window is added separately. After testing, the software can mark the detected contour in the original image when the specified image is input.

Key words: Machine vision; Target detection; Insulator identification; Column identification; Power line identification;

目 录

第一章 绪论 1

1.1国内研究现状 1

1.2国外研究现状 2

1.3研究的目的以及意义 3

第二章 图像识别的步骤 5

2.1预处理 5

2.2.1灰度化 5

2.2.2去噪声 6

2.2.3图像增强 7

2.2阈值化处理 8

2.3膨胀和腐蚀处理 8

2.4边缘检测 9

2.5轮廓绘制 10

第三章 绝缘子和跳线夹检测 11

3.1绝缘子图像特征分析 11

3.2绝缘子和跳线夹检测 12

3.3检测过程中出现的问题分析及处理 17

3.3.1情况一：识别效果与实际请款完全不符 17

3.3.2情况二：识别出了多余的轮廓 18

3.3.3情况三：跳线夹识别没问题，绝缘子识别出一部分 19

第四章 塔杆检测 22

4.1塔杆特征分析 22

4.2塔杆检测 22

4.3塔杆检测过程中出现的问题分析及处理 26

4.3.1情况一：出现了多余轮廓 26

4.3.2情况二：只有最长的轮廓被显示 26

第五章 电力线检测 28

5.1电力线图像特征分析 28

5.2电力线检测 29

5.3电力线检测过程中出现的具体问题及分析 33

5.3.1情况一：背景深色部分出现了杂乱线条 33

5.3.2情况二：电力线完全没有被检测出来 34

5.3.3情况三：线条形状或者线宽不对 35

第六章 软件界面及检测结果 36

6.1总体界面设计 36

6.2软件模块 37

6.2.1电力线检测模块 38

6.2.2绝缘子检测模块 39

6.2.3塔杆检测模块 39

6.2.4物体检测模块 40

6.3检测结果 41

6.3.1电力线检测结果 41

6.3.2绝缘子检测模块结果 41

6.3.3塔杆检测模块结果 42

6.3.4物体检测模块结果 43

结尾和展望 44

参考文献 45

致谢 46

第一章 绪论

1.1国内研究现状

因为机器视觉在测量、检测、识别、定位上具有强大的功能，因此机器视觉应用非常广泛，尤其是半导体和电子方面的相关领域。一方面，在半导体大规模集成电路的产业链中，精度非常高的机器视觉组件定位在很多地方非常重要，如上游的加工切割，末端的印刷，贴片，都极度需要它；另一方面，在电子制造领域，从小型元器件到大型硬件设备，也都对机器视觉系统有旺盛需求。

在国内，机器视觉可以说是一个崭新的领域，它应用到工业方面也只有区区十年时间，它的未来不可限量。上升和发展将是近年的主要状态，尤其是随着企业数量和规模急剧增加，应用的范围愈发扩大，市场也在稳步增长。

在四十年前，随着机器视觉的技术引进，相关研究人员创立了自己的机器视觉公司，着手开发了我国的最初始的基于视觉处理系统，而且这些系统也能够做一些基础的图像处理和分析工作。例如多媒体处理，印刷品物体检测以及车牌识别等等。但是限制于当时的软件功能和初代产品的稳定性还不够强，影响了他们在工业应用中的潜力。除此之外，还有一个重要的因素就是潜在市场并不是很大。当时工业界的许多技术人员没有对机器视觉的理念，另外产品公司也没有意识到机器视觉对于质量控制的起到的特殊作用。

机器视觉的概念引入在1998年至2002年这四年间。在香港回归后的一年开始，很多原本在香港台湾和外国投资的工厂，开始在中国的华南地区和华东地区建厂，随之而来的是拥有全套的机器视觉生产线的设备进入了中国地区。此刻，机器视觉的市场伴随着国内厂商强烈的开发愿景开始迈出第一步。OEM厂商和设备的制造商需要产品指导和相关的技术，一些国内做机械的大公司也顺理成章开始了转型——转变为代理商和系统集成商，专门代理国外的机器视觉系统集成。他们开始提供服务，从美日引入先进产品，给用户做售后。^[1]

机器视觉已经开始渗入了生活的各个领域，不光是在电子行业和半导体领域大放光芒，更是出现在了食品包装行业，甚至交通工具等其他领域。一大批国际驰名的视觉设备供应商也开始进入中国商界，比如康耐视，宝视纳，DaTe Tranlation，索尼等。

从2002年到现在，是我国机器视觉的发展期。主要体现在下面几个方面。1.视觉检测方面的客户越来越多，因为想要提高产品质量和测量的相关问题，唯有寻求机器视觉的帮助。2.机器视觉的前途已经被越来越多的人看到了，因此国内的众多工控产品代理商和自动化系统集成商也将机器视觉业务作为重头引进了。

其中较早的行业有半导体和电子行业。我国现状处于一种由劳动密集型转向技术密集型的阶段，所以我国的机器视觉在世界上都处于一个发展最活跃的地区。珠三角和长江三角洲也成为了国际电子和半导体的转移地，同时也成为了了机器视觉的聚集地。因为机器视觉具有不接触产品，检测速度高效，精度达标，现场抗干扰能力强等突出优点。在工业上有着广泛的应用。2017年3月，国网新疆电力公司对750千伏伊犁一库车超高压输电线路全海拔最高点进行了空中巡查。这也标着这我国的输电线巡查方式逐步的从单一的传统人工巡查转向了直升机与无人机相结合的智能巡查。其中，山东大学的机器人研究所中心经过了系统的研究，将现有的机器视觉与自动化技术相互结合，制造了巡线机器人。作用是主要检测110kv的高压输电线，通过巡线机器人上配置的高分辨率摄像机先对电线进行拍摄，将数据进行处理，最后由工作人员就能明显得发现故障。

眼下，在国际市场上，电子和半导体领域已经成为了机器视觉增长的主力军，占到了全行业市场需求的40-50%，而我国起步较晚，机器视觉的发展阶段还未与国际步调一致。因此，从国际市场发挥样板作用的角度来说，提高机器视觉在电子和半导体领域的渗透率，牢牢把握住这个掘金行业，将成为当前我国机器视觉发展的重要任务之一。

智能化制造是我国目前极为看重的项目，智能化制造包括了工业自动化和其智能化，我们谈机器视觉，其实就是想将我们的眼睛安放在机器上，机器视觉正是出于此目的得到了大力发展，这也将为工业4.0提供必要条件。国家对电子和半导体领域越来越重视。

《中国半导体产业“十三五”发展规划》就对大力发展集成电路产业提供了政策支持，计划2020年市场规模达到9000亿，在这样千亿市场需求的带动下，初步预计将给机器视觉带来30亿的规模增长。

1.2国外研究现状

国外机器视觉概念产生于1970s。伴随着机器人的研制，将信息通过视觉系统汇集起来，通过计算机的处理生成坐标，实现机器人的位移。在1979年产生了视觉伺服理念，主要作用是将视觉信息用在不间断反馈，提升视觉定位和跟踪精度。

在20世纪50年底，主要停留在对2D图像的简单剖析和识别，例如字符辨别，显微镜图片和航空图片分析。在60年代的时候，MIT通过计算机程序能够从三维图像中提取出多面体的三维结构，并且能够对物体坐标和物体的空间关系加以描述。

在20世纪70年代，比较完备的机器视觉概念被提出来了。在该时间段中期，麻省理工率先开设机器视觉课程。在十九世纪70年代初期MITAILab吸引了很多有名的学者参与机器视觉的算法以及理论研究。在70年代末期的时候提出了视觉计算理论，这个理论在1980s成为了以后计算机机器视觉发展的一个垫脚石。这个理论的要点就是通过二维图像来恢复出物体的三维图像形状。^[2]在1980s以后，机器视觉成为了现代科技研究中一个举足轻重的研究领域，同时也逐渐得从实验室研究转向实际的应用。到了20世纪末尾时候，随着半导体和微型处理器的崛起，国外的机器视觉在这个年代进入了快速发展期，机器视觉在工业环境中得到了广泛的应用。

欧美日是机器视觉产业的大本营，美国加拿大占2/3，欧洲各国1/7，日本1/10。应用主要集中在半导体行业和计算器领域，国外的机器视觉可以大致分为底层研发，再次研发和实际投入使用这三个层次。第一个层次就是开发通用的视觉系统例如西蒙兹，基恩士，EVISION和迪威特等公司。这些公司将机器视觉看得尤为重要，花费巨额金钱物料进行研发。第二层次就是使用这个系统正对到具体二点客户需求来进行二次开发。第三个层次就是用户将视觉系统应用在各个行业中的人，他们使用这些研发好的而且可以批量制造的机器视觉系统，并且对这些系统进行一系列检测和评价。

据有关统计，2013年我国机器视觉和部件研发总额大约为30多亿美元，和2007年相比上升了约56%。我国制造业逐年变强，机器视觉厂商已经逐渐将目光伸向了我国市场，中日为主的东亚地区已经占比全球市场1/5，仅次于欧美市场。

1.3研究的目的以及意义

当国家经济开始稳步攀升，国民经济总值不断增加的时候，国家的电网系统必然随着人民用电量的爆发而迅速发展。这就产生了一个问题，那就是电网系统的安全和维护以及相关检修工作。

到目前为止，我国的电力作业方式为绝缘手套与绝缘杆相结合的人工带电作业，但是单单靠肉眼并不能满足日益提高的准确性要求，而且带电作业本身也容易引发人身事故。我们这个社会是一个自动化水平不断提高的社会，机器人在现代生活中的地位也越来越重要。特别是在一些劳动强度大，危险系数高的领域得到了广泛的应用。代替人类完成任务，也是机器人发展的趋势。故采用机器人代替人工作业既符合时代的要求，同时也提高了工作效率，保证了工作人员不受到外界伤害。但是，采用机器人技术和无人机技术相结合，摆在我们面前的第一道难关就是如何识别电力场景中的特征图像，例如电线，绝缘子，塔杆。只有解决了这个难题，才能进一步推进机器人技术在电力场景中的应用。

目前，国内外科研人员利用计算机视觉与彩色图像处理技术对绝缘子的识别与在如何确定在图片中的位置进行了各个方面的研究。从航拍的输电线路图像中分割出绝缘子是能够识别与定位出绝缘子的前提，针对航拍图像绝缘子的分割，国内外的学者主要从绝缘子的色彩、外形和条纹等外部特性入手，提出了多种绝缘子图像分割识别的方法。传统的分割方法主要包括临界值处理法、基于区域的分割处理法和基于形态学的分割处理法。

针对电线的图像识别，现有的算法主要有基于hough变换和机载激光点云数据的电力线检测算法。对于绝缘子的识别针对绝缘子由于卷积神经网络在提取图像高层特征方面的优势，很多基于卷积神经网络的模型及特征识别算法应运而生。首先是CNN利用了CNN优良的特征识别和分类属性，将目标检测问题进行转化。YOLO算法能够在首先保证一定的准确率和检测速度的情况下实现物体的检测。针对塔杆的识别，基本上采取与绝缘子类似的算法。

本次毕业设计，我研究的是：“基于图像识别的电力作业场景目标检测”，针对电力作业机器人的典型工作场景,开发相应的软件工具,完成指定图片集中的电力输变线路中的绝缘子、塔杆和电线的目标识别。

参考国内外现有的电力设备识别算法，设计出一种综合性能优良高灵敏度的识别算法是我本次毕业设计的目的。

第二章 图像识别的步骤

图像是人类获得知识和认知的重要渠道之一。无论是照片，视觉所看到的还是传统的绘画，都是图像。计算机和互联网的应用已经是人们司空见惯的了，在未来的生活中，智能化将更加普及。在面对一些机械重复性强，劳动强度大的工作时，人们也希望能够利用这些技术来帮助我们处理这些难题。图像识别就是一个比较广泛的应用。而且准确率也相对人眼识别有很大的提高。人眼识别的准确率还会受到外界因素和劳动时间的干扰，图像识别的目的是为了检测出我们所需要的轮廓。为了实现这个目的，在现有的计算机技术处理下，数字图像处理就是利用计算器对数字图像进行一系列的操作。数字图像处理可以大致分为以下三个部分，第一步图像输入，第二部分图像处理，第三步图像识别。图像识别和图像处理将是本次设计的主要研究对象。图像的处理的主要内容是：预处理，分割；图像识别的基本方法是：提取相关特征，检测有关图像轮廓。其中，图像输入不是本文的主要讨论内容。^[3]本文的主要讨论内容是图像处理和图像识别。下面将对这两个部分详细分为5大部分进行论述。

2.1预处理

将图像中没有用的内容处理掉以获取目标内容的过程叫做图像的预处理，主要作用是为了增强目标内容的可检测性，进而为后面的特征检测和抽取提供了保证。预处理，恰如其名，是最初步的处理。预处理输入亮度图像，输出亮度图像。现有的预处理根据新像素的相邻像素大致分为了四类。1.几何变换，具体就是改变图像的大小，尺寸。2.像素亮度变换，能够让人们感兴趣的区域更加明显，为后面的处理做准备。3.局部领域预处理。4.图像复原。灰度化，去噪声，是本次设计的图像预处理内容。

2.2.1灰度化

为了方便计算机对图像进行操作，第一步，处理并转换得到图像的灰度，当图像转换为灰度的时候，一个单独像素对应一个单独的值。这是基础操作，但也是重要步骤，要将图像数字化必须有该步骤。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：