基于無人機多光譜的架空輸電線路基建工程施工進度監控系統設計

廣東電網有限責任公司汕頭供電局 蔡東曉 許國偉 關 健 林來鑫 陳梓榮

1 基建工程施工進度監控系統的設計

1.1 施工進度監控模型

進度監控模型組包括土石方工程監控模型、基礎工程監控模型、鐵塔工程監控模型、架線工程監控模型、接地工程監控模型和線路防護設施工程監控模型。將每個桿塔的多光譜圖像依次輸入到進度監控模型組中，得到目標基建工程中每個桿塔的工程施工進度，其中工程施工進度包括以下階段并建模如下[1]。

土石方工程監控模型。該模型包括獲取第一歷史圖像，其為處于土石方工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第一歷史圖像的地物特征（如地物輪廓、地物邊緣、地物灰度、地物紋理和地物梯等），根據深度學習算法、第一歷史圖像的地物特征建立土石方工程監控模型；基礎工程監控模型。該模型包括獲取第二歷史圖像，其為處于基礎工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第二歷史圖像的地物特征，根據深度學習算法、第二歷史圖像的地物特征建立基礎工程監控模型。

鐵塔工程監控模型。獲取第三歷史圖像，其為處于鐵塔工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第三歷史圖像的地物特征，根據深度學習算法、第三歷史圖像的地物特征建立鐵塔工程監控模型；架線工程監控模型。獲取第四歷史圖像，其為處于架線工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第四歷史圖像的地物特征，根據深度學習算法、第四歷史圖像的地物特征建立架線工程監控模型[2]。

接地工程監控模型。獲取第五歷史圖像，其為處于接地工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第五歷史圖像的地物特征，根據深度學習算法、第五歷史圖像的地物特征建立接地工程監控模型；線路防護設施工程監控模型。獲取第六歷史圖像，其為處于線路防護設施工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第六歷史圖像的地物特征，根據深度學習算法、第六歷史圖像的地物特征建立線路防護設施工程監控模型。

1.2 進度監控系統工作流程

對于任一桿塔，將該桿塔的多光譜圖像依次輸入到進度監控模型組中，得到該桿塔的工程施工進度。將該桿塔的多光譜圖像輸入到土石方工程監控模型中，判斷該桿塔是否處于土石方工程階段。

若該桿塔處于土石方工程階段，則輸出該桿塔的工程施工進度為土石方工程階段。若該桿塔不處于土石方工程階段，則將該桿塔的多光譜圖像輸入到基礎工程監控模型中，判斷該桿塔是否處于基礎工程階段；若該桿塔處于基礎工程階段，則輸出該桿塔的工程施工進度為基礎工程階段。若該桿塔不處于基礎工程階段，則將該桿塔的多光譜圖像輸入到鐵塔工程監控模型中，判斷該桿塔是否處于鐵塔工程階段[3]；若該桿塔處于鐵塔工程階段，則輸出該桿塔的工程施工進度為鐵塔工程階段。若該桿塔不處于鐵塔工程階段，則將該桿塔的多光譜圖像輸入到架線工程監控模型中，判斷該桿塔是否處于架線工程階段。

若該桿塔處于架線工程階段，則輸出該桿塔的工程施工進度為架線工程階段。若該桿塔不處于架線工程階段，則將該桿塔的多光譜圖像輸入到接地工程監控模型中，判斷該桿塔是否處于接地工程階段；若該桿塔處于接地工程階段，則輸出該桿塔的工程施工進度為接地工程階段。若該桿塔不處于接地工程階段，則將該桿塔的多光譜圖像輸入到線路防護設施工程監控模型中，判斷該桿塔是否處于線路防護設施工程階段；若該桿塔處于線路防護設施工程階段，則輸出該桿塔的工程施工進度為線路防護設施工程階段。若該桿塔不處于線路防護設施工程階段，則輸出該桿塔的工程施工進度為空。

1.3 其他

施工進度的監控裝置。監控裝置核心部件為處理器，用于在執行計算機程序時完成進度監控系統的方法；施工進度的監控系統。包含至少一臺搭載有多光譜云臺的無人機，以及基建工程施工進度的監控裝置；可讀存儲介質。用于存儲有計算機程序，該計算機程序將被處理器執行來進行監控。

通信平臺，包括GPRS網絡和Internet網絡（監測中心需辦理固定IP）。水庫的水位、降雨量數據和現場圖片，經GPRS網絡傳輸到Internet公網，并通過固定IP地址傳送給監測中心服務器。

2 設計方案的實施

2.1 實施方式一

本文所設計的監控系統工作流程為：獲取目標基建工程中每個桿塔的多光譜圖像，將每個桿塔的多光譜圖像依次輸入到進度監控模型組中，得到目標基建工程中每個桿塔的工程施工進度，其中工程施工進度包括土石方工程階段、基礎工程階段、鐵塔工程階段、架線工程階段、接地工程階段、線路防護設施工程階段。本實施例提供的方法適用于基建工程施工進度的監控裝置（如計算機、服務器等），該方法包括如下步驟。

獲取目標基建工程中每個桿塔的多光譜圖像。一個基建工程通常包括多個桿塔，不同的桿塔的施工進度可不同。在本發明中，目標基建工程是指當前時刻需要監控施工進度的基建工程。具體方法為：接收搭載有多光譜云臺的無人機拍攝的每個桿塔的多光譜圖像。如，搭載有多光譜云臺的無人機基于遙測方式拍攝桿塔，生成每個桿塔的多光譜圖像（如正射影像）。如此可實現對線路全域施工進度的監控，同時通過搭載的多光譜云臺可得到不同波段的地物影像，為數據智能分析提供多種特征信息。

多光譜圖像輸入到進度監控模型組。將每個桿塔的多光譜圖像依次輸入到進度監控模型組中，得到目標基建工程中每個桿塔的工程施工進度，其中工程施工進度包括土石方工程階段、基礎工程階段、鐵塔工程階段、架線工程階段、接地工程階段和線路防護設施工程階段[4]。相應的進度監控模型組包括與之對應的六個監控模型。

2.2 實施方式二

在上述實施的基礎上，另一種基建工程施工進度的監控方法的流程為：依次獲取土石方工程監控模型、基礎工程監控模型、鐵塔工程監控模型、架線工程監控模型、接地工程監控模型和線路防護設施工程監控模型；獲取目標基建工程中每個桿塔的多光譜圖像；將每個桿塔的多光譜圖像依次輸入到進度監控模型組中，得到目標基建工程中每個桿塔的工程施工進度，其中工程施工進度包括土石方工程階段、基礎工程階段、鐵塔工程階段、架線工程階段、接地工程階段和線路防護設施工程階段。

其中，獲取土石方工程監控模型包括：獲取第一歷史圖像，其為處于土石方工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第一歷史圖像的地物特征，根據深度學習算法、第一歷史圖像的地物特征建立土石方工程監控模型；獲取基礎工程監控模型包括：獲取第二歷史圖像，其為處于基礎工程階段的桿塔的歷史多光譜圖像；利用多光譜的淺層特征提取第二歷史圖像的地物特征，根據深度學習算法、第二歷史圖像的地物特征建立基礎工程監控模型。

獲取鐵塔工程監控模型包括：獲取第三歷史圖像，其為處于鐵塔工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第三歷史圖像的地物特征，根據深度學習算法、第三歷史圖像的地物特征建立鐵塔工程監控模型；獲取架線工程監控模型包括：獲取第四歷史圖像，其為處于架線工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第四歷史圖像的地物特征，根據深度學習算法、第四歷史圖像的地物特征建立架線工程監控模型。

獲取接地工程監控模型包括：獲取第五歷史圖像，其為處于接地工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第五歷史圖像的地物特征，根據深度學習算法、第五歷史圖像的地物特征建立接地工程監控模型；獲取線路防護設施工程監控模型包括：獲取第六歷史圖像，其為處于線路防護設施工程階段的桿塔的歷史多光譜圖像。利用多光譜的淺層特征提取第六歷史圖像的地物特征，根據深度學習算法、第六歷史圖像的地物特征建立線路防護設施工程監控模型。

上述六個監控模型是以相應的歷史圖像為基礎，利用多光譜的淺層特征提取不同施工階段的地物特征（如選擇將可見光和近紅外波段等進行不同組合獲得假彩色圖像，或通過計算植被指數并結合掩膜協同技術可實現多光譜遙感數據植被的識別與提取），并以此結合深度學習算法建立。

2.3 實施案例

以任一桿塔為例，確認該桿塔的工程施工進度的方法包括6個步驟：

步驟一，將該桿塔的多光譜圖像輸入到土石方工程監控模型中，判斷該桿塔是否處于土石方工程階段。若是，則輸出該桿塔的工程施工進度為土石方工程階段。若不是，則執行下述步驟二。此階段的工作內容為施工道路修繕、土方設備進場，其地物特征變化為植被被破壞，出現推土機、挖掘機等施工機械，出現施工道路。通過將該桿塔的多光譜圖像輸入到土石方工程監控模型中，智能分析該桿塔周圍的地物變化，如出現上述地物特征變化，則判定該桿塔處于土石方工程階段。

步驟二，將該桿塔的多光譜圖像輸入到基礎工程監控模型中，判斷該桿塔是否處于基礎工程階段。若是，則輸出該桿塔的工程施工進度為基礎工程階段。若不是，則執行下述步驟三。此階段的工作內容為樁機進場作業、基礎模板制作、基礎澆筑。其地物特征變化為塔位出現灌注樁機、出現鋼筋籠、出現混凝土攪拌機、出現混凝土攪拌運輸車等。通過將該桿塔的多光譜圖像輸入到基礎工程監控模型中，智能分析該桿塔周圍的地物變化，如出現上述地物特征變化，則判定該桿塔處于基礎工程階段。

步驟三，將該桿塔的多光譜圖像輸入到鐵塔工程監控模型中，判斷該桿塔是否處于鐵塔工程階段。若是，則輸出該桿塔的工程施工進度為鐵塔工程階段。若不是，則執行下述步驟四。此階段的工作內容為組立鐵塔，其地表特征變化為塔位周圍出現待組裝塔材、塔位周圍出現組立鐵塔需使用的抱桿、塔位基礎上出現組立的塔材。通過將該桿塔的多光譜圖像輸入到鐵塔工程監控模型中，智能分析該桿塔周圍的地物變化，如出現上述地物特征變化，則判定該桿塔處于鐵塔工程階段。

步驟四，將該桿塔的多光譜圖像輸入到架線工程監控模型中，判斷該桿塔是否處于架線工程階段。若是，則輸出該桿塔的工程施工進度為架線工程階段。若不是，則執行下述步驟五。此階段的工作內容為展放導線，其地表特征變化為塔位周圍出現牽引機、張力機、導線卷、塔位之間出現連續導線。通過將該桿塔的多光譜圖像輸入到架線工程監控模型中，智能分析該桿塔周圍的地物變化，如出現上述地物特征變化，則判定該桿塔處于架線工程階段。

步驟五，將該桿塔的多光譜圖像輸入到接地工程監控模型中，判斷該桿塔是否處于接地工程階段。若是，則輸出該桿塔的工程施工進度為接地工程階段。若不是，則執行下述步驟六。此階段的工作內容為挖接地溝、敷設接地線，其地表特征是塔位基礎外出現放射形接地溝、出現放射形接地線。通過將該桿塔的多光譜圖像輸入到接地工程監控模型中，智能分析該桿塔周圍的地物變化，如出現上述地物特征變化，則判定該桿塔處于接地工程階段。

步驟六，將該桿塔的多光譜圖像輸入到線路防護設施工程監控模型中，判斷該桿塔是否處于線路防護設施工程階段。若是，則輸出該桿塔的工程施工進度為線路防護設施工程階段。若不是，則輸出該桿塔的工程施工進度為空。

線路防護設施工程階段的工作內容主要為修筑護坡、基面澆筑混凝土、排水溝澆筑、被破壞地面復綠等。其地表特征為出現護坡、出現混凝土基面、出現排水溝、被破壞地面出現植被、出現防護圍墻、出現防撞樁等。通過將該桿塔的多光譜圖像輸入到線路防護設施工程監控模型中，智能分析該桿塔周圍的地物變化，出現上述地物特征變化，判定該桿塔處于線路防護設施工程階段。

綜上，通過獲取目標基建工程中每個桿塔的多光譜圖像，并將每個桿塔的多光譜圖像依次輸入到進度監控模型組中，得到目標基建工程中每個桿塔的工程施工進度，實現了監管工作從人工到數字化、智能化的轉變，提高了基建工程施工進度監管工作的工作效率，實現施工進度的規范化管理。