基于AI圖像識別的輸電線路缺陷自動識別技術研究*

林俊省 郭錦超 王昊

(1.廣東電網有限責任公司機巡管理中心，廣東廣州 510163;2.廣東電網有限責任公司，廣東廣州 510000;3.南方電網數字電網研究院有限公司，廣東廣州 510700)

0 引言

當前計算機技術的快速發展使得人工智能技術成為當前炙手可熱的新興發展方向，云計算、大數據、物聯網、移動互聯網和人工智能等主要新興技術在智能生產方面做出了突出貢獻，在實際應用中具備快速發展、傳統作業模式的顛覆與變革、海量數據管理需求大、智能化要求高、協同要求迫切等特點[1]。作為當前人工智能技術中的引擎技術，AI圖像識別在多個領域中都取得了接近或超越人工水平的成果。但當前輸電網中的人工智能技術應用程度較低，大部分巡檢項目均采用人工方式完成，存在人員培訓時間長、作業效率低、巡檢時間短等問題，并且很難滿足當前輸電網發展所需的應用效果，準確度也難以得到提升。因此，針對輸電網中的巡檢項目必須引入人工智能技術對其進行不斷探索，從而實現智能化輸電網發展。基于此，本文結合AI圖像識別技術，開展輸電線路缺陷自動識別技術研究。

1 基于AI圖像識別的輸電線路缺陷自動識別方法設計

1.1 輸電線路缺陷識別部件標注

利用已有的巡檢圖片利用AI圖像識別技術，對其輸電線路中可能存在缺陷問題的部件進行標注，再將標注樣本轉換為訓練模型中框架所需的數據集。在實際應用中，根據輸電線路所在不同場景，選擇不同的圖像質量并進行預測。若預測值低于設定的閾值，則說明該樣本不符合當前場景下的缺陷部件標注條件[2]。對不同來源的數據按照不同數據特征和存儲格式進行保存，并分別構建缺陷數據文件。根據輸電線路的類型、部件、部件種類和部位之間存在的關系，確定各類輸電線路的編碼規則、典型缺陷類型等編碼規則，將所有輸電線路部件信息按照相應的規則進行編碼，制定統一輸電線路信息規范，以此標注需要進行AI圖像識別的輸電線路缺陷識別部位。

1.2 基于AI圖像識別的輸電線路缺陷識別數據庫建立

完成輸電線路缺陷識別部件標注后，使用端到端的CNN網絡建立一個輸電線路缺陷識別數據庫。對于無人機攝像頭采集到的在線巡視數據，采用制定統一數據協議的方式，獲取AI在線巡視數據。為解決在建立數據庫前對數據的處理問題，需要利用現有深度學習框架訓練數據格式轉化接口，以此實現對不同框架下數據的轉化與整合[3]。采用“標注—轉化——訓練”的建立流程，對AI圖像識別的精度進行判斷，對于不符合數據庫訓練集要求的數據庫要通過迭代校驗的方式對其進行優化調整。如圖1所示為輸電線路缺陷識別數據庫基本框架結構。

由圖1可以看出，本文提出的輸電線路缺陷自動識別結合AI圖像識別技術對數據進行訓練和優化，并對無人機獲取到的缺陷樣本規范采集和規范處理，通過統一標注轉化及缺陷信息高效存儲，實現對輸電線路缺陷識別數據庫的建立。

圖1 輸電線路缺陷識別數據庫基本框架結構

表1 輸電線路缺陷可能性分值以及相應的分值區間

1.3 自動識別輸電線路視頻圖像缺陷目標

完成對模型的建立后，通過AI圖像識別技術的訓練，存在輸電線路缺陷的目標圖像，直接將該數據庫部署在無人機的嵌入式計算平臺當中，對無人機攝像頭所拍攝到的輸電線路視頻畫面進行自動目標檢測[4]。利用HIRA判斷輸電線路缺陷圖像的危險源，并對其存在的風險進行評估，HIRA的表達式為：

公式(1)中，S"表示為輸電線路缺陷危險計算值；I表示為可能存在輸電線路缺陷的概率；F表示為缺陷位置的暴露時間；D表示為造成直接后果的電流損失量；S表示為風險值；L表示為缺陷風險調整系數。根據上述計算結果劃分可能性分值以及相應的分值區間，如表1所示。

根據上述不同分子區間，對輸電線路缺陷進行等級劃分，完成對輸電線路缺陷的自動識別。同時，為保證對缺陷問題的及時處理，可在數據庫當中錄入相關缺陷類型的處理流程，利用AI圖像識別技術，對數據庫中存在的缺陷問題進行自動處理[5]。若缺陷問題暫時不具備處理條件，則應當由發出新的凈高，并將其u上一次凈高進行對比，若缺陷并無發展則可不再重復報警，進入到缺陷處理與跟蹤流程當中；若缺陷存在新的發展，則應當立即執行算法分析對缺陷進行識別。

2 實驗論證分析

實驗對象選取某市級供電企業中輸電線路缺陷圖像，利用實驗軟件構建識別信號網，將輸電線路缺陷圖像進行輸入，利用本文提出的識別技術與傳統識別技術進行對比。在該市級供電企業中完成相應部署工作，并將其與現有輸電線路的無人機巡檢視頻數據進行對接。完成試驗后，比較兩種識別技術的效率，得到如表2所示的實驗結果對比表。

由表2可以看出，在50min內，本文識別技術完成了對100個輸電線路的識別，而傳統識別技術僅完成了對42個輸電線路的識別。同時，本文識別技術將實際存在的缺陷問題全部找出，而傳統識別技術僅找出了32個缺陷問題。通過表2中的數據可知，本文識別技術中采用AI圖像識別，實現了對識別技術的訓練，因此在50min內的識別速度逐漸提升。通過實驗證明，本文提出的基于AI圖像識別的輸電線路缺陷自動識別技術與傳統識別技術相比，識別速率更高，并且識別結果具有更高的準確性，可將輸電線路中存在的缺陷問題全部找出，具有更高的應用意義。

表2 兩種識別技術實驗結果對比表

3 結語

本文通過開展基于AI圖像識別的輸電線路缺陷自動識別技術研究，結合電力設備關鍵部件，實現針對輸電線路的缺陷部位識別，并可為檢修人眼提供視頻、單張圖片或者批量圖片的識別功能。同時，將AI圖像識別技術引入到輸電網建設中的其他方面也可以進一步提升輸電網的智能化建設。