اكتشاف أعطال العازل بالاعتماد على السمات المكانية للصور الجوية

اقرأ في هذا المقال


أهمية اكتشاف أعطال العازل الكهربائي باستخدام الصور الجوية

يعتبر العازل من أهم مكونات العزل الكهربائي والدعم الميكانيكي المطلوب في خطوط نقل القدرة الكهربائية، بحيث تخضع هذه العوازل إلى “توتر ميكانيكي” كبير وجهد عالي للغاية مع التعرض الطويل في الهواء الطلق، كما يمكن أن تؤدي عيوب أو أعطال العوازل بشكل مباشر إلى فقد كبير في الطاقة ويمكن أن تؤدي إلى “انقطاع التيار الكهربائي” على نطاق واسع.

لذلك؛ فإن العوازل المستخدمة في “خطوط النقل” مصنوعة بشكل أساسي من السيراميك والزجاج كما هو معلوم، والعوازل الخزفية عبارة عن مواد غير متجانسة (متعددة البلورات)، كما ويمكن أن تحدث تشققات بسبب “قوى ميكانيكية وكهربائية” وحتى خارجية أخرى، لكن في حالة الضربات بسبب البرق؛ فإن القوس الكهربائي يشكل قناة تصريف في الأجزاء الخزفية للرأس ويمكن أن ينفجر السيراميك.

وذلك يتسبب في وقوع حادث سقوط مجموعة، بحيث تعتبر العوازل الزجاجية ذات نسيج موحد وهيكل مضغوط، وعلى الرغم من تحسين قوة الشد عن طريق التقوية؛ فإنه يمكن أن يحدث انخفاض عن طريق التحميل الزائد، لكن وبشكل عام؛ فإنه يمكن تحديد هذا الخطأ العازل بصرياً.

ومع ذلك؛ فإن طريقة التقييم عن طريق الفحص البصري البشري غير فعالة وحتى غير مجدية من الناحية العملية لخطوط النقل عالية الجهد التي تمتد عبر منطقة جغرافية كبيرة بسبب معدل الخطأ المرتفع ووقت التقييم الطويل.

وفي السنوات الأخيرة، فقد اتجه اتجاه تطوير فحص الخطوط نحو استخدام فحص المركبات الجوية غير المأهولة (UVA)، وذلك من خلال معالجة وتحليل الصور الجوية التي تم التقاطها بواسطة “الطائرات بدون طيار” بحيث يمكن الكشف عن الأخطاء الموجودة في العوازل وتحديد موقعها بكفاءة كبيرة جداً.

كما يمكن ملاحظة أن معظم الدراسات الحالية قد ركزت على “العوازل الزجاجية”، ومن المفترض بشدة أن العوازل مستقلة دون عوائق، ومع ذلك؛ فإنه ونظراً لاختلاف مسافة التصوير وزاوية الصور الجوية بمرور الوقت أثناء فحص الطائرات بدون طيار، لذلك يمكن توصيل قطع العازل في الصور الجوية وتداخلها. وتجدر الإشارة إلى أن عوازل السيراميك تهيمن على خطوط نقل الطاقة الكهربائية في كثير من الحالات الهندسية.

كشف الهدف العام للعازل الكهربائي من خلال الصور الجوية

تحديد اللون

تم استخدام الرسم البياني الملون لأول مرة لاستخراج ميزة الصورة، كما ويعتبر طريقة فعالة لوصف ميزات اللون، بحيث يمكن أن يعكس الرسم البياني بشكل جيد تكوين ألوان الصورة وتوزيعها، أي احتمال ظهور ألوان مختلفة، وأيضاً تم استخدام مساحة ألوان (Lab) أو مساحة ألوان (HIS) لتمييز العوازل الزجاجية بناءً على العتبة التجريبية.

ومع ذلك تجدر الإشارة إلى أن تقسيم العوازل من الخلفية المعقدة بالكاد يمكن تحقيقه من خلال استخدام عتبة واحدة في الممارسة، بالإضافة إلى ذلك؛ فقد ركزت معظم الحلول فقط على العوازل الزجاجية وقد تم إجراء القليل من التحريات عن “عوازل السيراميك”. لتحقيق هذا الهدف، كما يستغل هذا العمل كلا النوعين من العوازل (أي بمعنى الزجاج والسيراميك) ويحصل على توزيع الألوان عن طريق أخذ عينات من قيم (RGB) لـ 100 عازل زجاجي وعوازل خزفية.

32323.963-300x247

واستناداً إلى التوزيع الفريد للعوازل الزجاجية والعوازل الخزفية في مساحة ألوان (RGB)؛ فإنه يمكن تحديد العازل بشكل فعال من الخلفية عن طريق تعيين العتبات المقابلة لمكونات اللون (R -الأحمر) و (G -الأخضر) و (B -الأزرق)، بحيث يتم من خلالها التعبير عن توزيعات الألوان للعوازل الزجاجية والسيراميك على التوالي.

9-300x175

تصفية الضوضاء وتصحيح الميل

يمكن تجزئة صورة العازل من الخلفية المعقدة بناءً على ميزات اللون، ولكن عندما يكون هناك تشويش، لذلك فإنها تتسبب في تدهور جودة الصورة لمزيد من التحليل، وفي هذه الحالة تم اعتماد المرشح المتوسط لتصفية الضوضاء المنفردة مع الحفاظ على حواف الصور بناءً على تقنية معالجة الإشارات غير الخطية، وفي نفس الوقت؛ فإنه يقوم أيضاً بحساب المجال المتصل للصورة التي تمت تصفيتها، كما ويزيل الجزء الأصغر من المجال المتصل ويقوي المنطقة المستهدفة بشكل أكبر.

3-300x153

في الواقع، ونظراً لالتقاط صور العازل غالباً بزوايا مختلفة أثناء الفحص؛ فإنه تم اعتماد تحويل (Hough)، وذلك لاكتشاف الخطوط المستقيمة وكذلك لتصحيح الصور، وبالتالي تسهيل عملية المتابعة، وكما هو موضح في الشكل التالي؛ فإنه يمكن تحديد الصورة المستهدفة باستخدام كشف الخط لتحويل (Hough)، ويتم الحصول على موقع مقطع الخط الأطول، وفي ضوء ميل الخط المستقيم؛ فقد يتم تحديد زاوية العازل، ثم يتم تدوير الصورة المستهدفة لإجراء تصحيح الإمالة.

54-300x97

السمات المكانية للعوازل

يوضح الشكل التالي هيكل ومكونات العازل، بحيث يتكون العازل من ترتيب عمودي على طول المحور المركزي وعدد من قطع العازل التي لها نفس الشكل واللون، مما يدل على التناسق في شكل الفراغ.

63-300x120

تحديد موقع العوازل

بناءً على الميزات المكانية؛ فإنه يمكن تحديد موقع العازل باستخدام منحنى الإسقاط الخاص به من خلال الخطوات التالية:

 أولاً: يجب تحديد موضع العازل في المحور (X)، كما يمكن أن نرى من منحنى الإسقاط أن موضع العازل في المحور (X)، كما هو موضع منحنى الإسقاط الخاص به لجزء تذبذب السعة الثابتة في المحور (X) لذلك، يتم الحصول على الفرق في قيمة الإسقاط للموضع المجاور بواسطة الصيغة (5)، وعندما تكون أكبر من العتبة المحددة، يتم تحديدها على أنها موضع البداية، كما يتم الحصول على الفرق في قيمة الإسقاط للموضع المجاور من خلال الصيغة العكسية (6).

691-300x49

حيث:

(n): هو الحجم الأفقي للصورة.

(Xdis): هي قيمة إسقاط الصورة في اتجاه محور (X).

ثانياً: تحديد موضع العازل في المحور (Y)، وهو مشابه للخطوة رقم الأولى.

ثالثاً: تحديد موقع العازل وفقاً لإحداثيات الموقع التي تم الحصول عليها بالخطوات الأولى والثانية.

كشف السقوط الحاصل على سطح العازل

بالنسبة للعوازل، يكون التباعد بين قطع العازل المتجاورة متساوياً، وخاصةً بعد حدوث انخفاض كبير، بحيث سيصبح عرض قطع العازل المجاورة أكبر بشكل ملحوظ. يمكن ملاحظة فجوة واضحة في منطقة العازل من خلال الفحص البصري البشري، وعند تحديد موقع العوازل؛ فإنه تم اعتماد الخوارزمية المورفولوجيا، وذلك لتسليط الضوء على موقع القطعة المفقودة، بحيث يمكن اكتشاف موضع الخطأ وتحديده من خلال سماته المكانية.

المعالجة الصرفية

يعتبر علم التشكل الرياضي بمثابة طريقة فعالة لتحليل الصور تعتمد على الشبكة والطوبولوجيا، والتي تستخدم التحولات المورفولوجيا الأساسية، مثل التمدد والتآكل، كما يمكن إجراء مجموعة متنوعة من الوظائف لإزالة التشويش وفصل عناصر الصورة المستقلة وربط العناصر المجاورة في الصورة.

9.63-300x172

الميزات المكانية للعازل (Bunch-Drop)

يتم عرض صورة عازل التمدد المورفولوجيا مكانياً، بحيث يمكن ملاحظة أنه عند حدوث إسقاط مجموعة العازل، كما أن هناك فرق كبير في الإسقاط بين العوازل العادية وعوازل الخطأ، ومن خلال فحص منحنيات الإسقاط للعوازل العادية، فإنه يمكن العثور على أن توزيع قيم الذروة والوادي للعوازل العادية يكون موحدًا نسبياً في الإحداثي (X)، بينما تتغير قيم الوادي لعوازل الصدع بشكل واضح، لكن في الاتجاه (Y)، يكون منحنى الإسقاط للعوازل العادية سلساً.

المصدر: T. Hirakawa et al., "Tree-wise discriminative subtree selection for texture image labeling", IEEE Access, vol. 5, pp. 13617-13634, Jul. 2017.Y. L. Wang and B. Yan, "Vision based detection and location for cracked insulator", Comput. Eng. Des., vol. 35, no. 2, pp. 583-587, Feb. 2014.D. Zuo, H. Hu, R. Qian and Z. Liu, "An insulator defect detection algorithm based on computer vision", Proc. IEEE Int. Conf. Inf. Automat. (ICIA), pp. 361-365, Jul. 2017.F. Y. Zhang, "Recognition and research of anomaly map of transmission line inspection based on computer vision", 2015


شارك المقالة: