中文引用格式： 李大海，陶亮，罗平，等. 基于图像拼接的输电线路覆冰重量估计研究[J]. 电子技术应用，2026，52(3)：72-78.
英文引用格式： Li Dahai，Tao Liang，Luo Ping，et al. Research on the estimation of icing weight on transmission lines based on image stitching[J]. Application of Electronic Technique，2026，52(3)：72-78.
引言
输电线路会受到温度的影响导致线路产生覆冰，而覆冰现象会引发多种问题，包括输电效率降低、线路负荷增加等，对电网的安全稳定运行产生一定的威胁。因此对输电线路覆冰重量的估计研究具有十分重要的意义。
近些年来，国内外研究人员在基于图像监测法对输电线路覆冰厚度的提取中取得了一定成效。文献[1]采用了主成分分析、变分模态分解和卷积神经网络相结合的方法对覆冰重量的预测进行了深入分析，并结合气象数据来提高预测精度。但该方法建模较为复杂，增加了计算成本和实际应用难度。文献[2]采用中尺度气象数值模式进行覆冰重量的估算，能够涵盖更大范围的气象数据，在复杂环境中的估算精度较高。但该模型过于依赖气象数据的准确性，并且主要针对雾凇类型的覆冰进行计算，气候波动较大时可能会受到限制。文献[3]结合了Hough变换和最小二乘法，能够在噪声较大的环境或低对比度的图像中准确识别出覆冰和未覆冰导线的边缘，有效降低了背景和噪声的干扰。但是在复杂地形或恶劣气候下的计算精度会有所下降。文献[4]采用了深度学习模型，通过条纹卷积和全局微感知模块相结合，能够有效提高覆冰厚度识别的准确性。但是该模型需要搜集大规模高质量的数据集，在资源受限的实时监控系统中存在一定的局限性。文献[5]提出了一种融合图像识别与前三天微气象数据的多源数据驱动模型，该论文在数据融合与模型优化上具有显著创新性，方法严谨且结果可靠，为覆冰类型预测提供了有效工具。然而，数据多样性、模型泛化能力没有得到充分验证。文献[6]通过边缘检测和法向探测相结合的方法，对覆冰厚度进行精确测量。与传统监测设备相比能够减少维护成本。但是在雨雪、雾霾或背景复杂的环境中会影响计算精度。文献[7]基于Canny边缘检测和Hough变换相结合的方式成功解决了噪声干扰问题，能够在复杂背景下精准识别导线边缘，并通过几何计算模型提取覆冰厚度，同时提出了早期覆冰的预警功能。但模型的复杂程度较高，参数的测量难度较大，增加了计算的复杂性。文献[8]基于轻量级卷积神经网络MobileNetV3，并引入了多感受野模块，能够在计算资源有限的边缘设备上运行，提升了模型的效率。但同样提高了模型的复杂程度，并且依赖于特定的硬件平台，具有一定的局限性。文献[9]结合图像纹理特征与气象因素，提出了一种多因素融合的覆冰重量估计方法，突破了传统单一依赖覆冰厚度的局限性，并且通过引入邻域信息和加权融合纹理特征，改进了FCM算法，显著提升了低对比度、噪声干扰下的图像分割精度。但是PSO-SVR模型涉及多参数优化，参数调整过程复杂且依赖初始条件，可能增加工程应用难度。
综上所述，现有研究存在依赖单一参数、环境适应性差以及模型复杂度高等问题，因此，本文提出基于图像增强、拼接、弧垂反演的全链条计算方案，实现无需密度假设的覆冰重量估计。同时，设计总变差正则化与SIFT动态匹配的轻量化图像处理框架，提升在复杂环境下的特征点利用率。最后，建立弧垂—覆冰重量的抛物线动态模型，融合温度、风荷载等多种因素计算覆冰重量，减小误差。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000007007
作者信息：
李大海，陶亮，罗平，吴浩，刘泽瑞
（黄冈强源电力设计有限公司，湖北 黄冈 438000）
