基于AI圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)設(shè)計(jì)

趙振華，楊 洋，高 培

（國網(wǎng)保定供電公司，河北保定 071000）

電力能源已成為人們生產(chǎn)生活必不可少的資源，國家電網(wǎng)建設(shè)規(guī)模也不斷擴(kuò)大，因此，電網(wǎng)線路的故障檢測與維修工作越來越受到重視[1-2]。我國傳統(tǒng)的電網(wǎng)線路檢測方法，主要通過人工對線路進(jìn)行檢測，這種方法的成本太高，線路檢測效率較低，還存在一定的安全性問題，實(shí)際操作比較復(fù)雜，難以滿足日益發(fā)展的電網(wǎng)線路檢測要求。尤其是許多高壓輸電線路會(huì)出現(xiàn)斷股等危險(xiǎn)性高的故障問題，人工檢測的風(fēng)險(xiǎn)較大，對于復(fù)雜的電網(wǎng)線路也無法全面快速地實(shí)現(xiàn)故障檢修，可見傳統(tǒng)的輸電線故障檢測清理方法存在較多弊端[3-4]。

基于上述問題，該文設(shè)計(jì)了基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)，利用當(dāng)前比較熱門的無人機(jī)技術(shù)，通過激光檢測清除輸電線故障，同時(shí)結(jié)合AI 圖像識別技術(shù)，提高故障檢測效果，進(jìn)一步提高清障系統(tǒng)的工作效率。

1 系統(tǒng)硬件設(shè)計(jì)

基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)硬件結(jié)構(gòu)如圖1 所示。

圖1 基于AI圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)硬件結(jié)構(gòu)

1.1 傳感器

對電網(wǎng)輸電線路進(jìn)行故障清理，首先需要采集獲取到檢測區(qū)域的輸電線路高清圖像信息。在巡檢無人機(jī)上安裝傳感器，根據(jù)檢測要求和任務(wù)目標(biāo)圖像的相關(guān)標(biāo)準(zhǔn)選擇傳感器型號；盡量選擇體型較小的傳感器，便于無人機(jī)裝置；也要考慮巡檢無人機(jī)負(fù)載量的承受范圍。傳感器光敏原件的性能要求較高，其圖像采集的分辨率需要達(dá)到一定的標(biāo)準(zhǔn)，滿足高清的輸電線路圖像識別要求。

該文選用CMOS 傳感器，1）其感光二極管選用互補(bǔ)性金屬氧化物半導(dǎo)體，光敏程度較低，有利于圖像識別的真實(shí)性；2）具有很強(qiáng)的靈活性，圖像捕捉采集能力較強(qiáng)，傳感器良好的集成性使其圖像采集分辨率較高，圖像采集效果較好[5-6]；3）而且反應(yīng)速度快、功率小、耗能小，相比于其他傳感器更省電，并且體積較小，適用于輸電線路無人機(jī)巡檢應(yīng)用。無人機(jī)巡檢過程中，傳感器連續(xù)采集區(qū)域范圍內(nèi)的輸電線路圖像，圖像信息依次導(dǎo)入通信裝置，通過無線網(wǎng)絡(luò)傳輸?shù)胶笈_控制服務(wù)器系統(tǒng)，系統(tǒng)根據(jù)圖像信息進(jìn)行具體的圖像識別和故障檢測。

1.2 激光器

巡檢無人機(jī)同時(shí)安裝有激光器。激光清障裝置主要負(fù)責(zé)輸電線路上的故障識別和清除工作，激光器前端的激光掃描器，能夠通過發(fā)射激光和透鏡相互作用，形成該區(qū)域輸電線路的成像圖像[7]。將圖像傳輸給激光清障裝置的圖像識別系統(tǒng)，對圖像進(jìn)行輸電線路的基礎(chǔ)輪廓情況提取和故障圖像識別檢測，根據(jù)系統(tǒng)數(shù)據(jù)庫中的故障圖像對識別結(jié)果進(jìn)行判定。激光器內(nèi)部時(shí)鐘芯片如圖2 所示。

圖2 激光器內(nèi)部時(shí)鐘芯片

如果識別出輸電線路中的故障情況，將啟動(dòng)緊急告警系統(tǒng)，通知后臺工作人員輸電線路出現(xiàn)故障問題，并上報(bào)識別出的故障信息和故障定位。此外，根據(jù)故障類型以及輸電線路周圍的情況，系統(tǒng)能夠判定是否自動(dòng)處理。激光清障裝置的識別系統(tǒng)，包括人像識別和故障識別，在進(jìn)行掃描時(shí)，對周圍情況進(jìn)行檢測，若未檢測到人像，則表示該區(qū)域環(huán)境相對安全，可以進(jìn)行激光清障操作，激光器啟動(dòng)清障程序發(fā)射激光直接對故障物體進(jìn)行清理[8-9]。

1.3 通信裝置

通信裝置主要負(fù)責(zé)圖像的接收與傳輸，該文設(shè)計(jì)的系統(tǒng)選取支持Internet 無線網(wǎng)、TCP/IP 網(wǎng)關(guān)協(xié)議的通信裝置，連接無人機(jī)傳感器、激光器與后臺服務(wù)器。前端的無人機(jī)傳感器與激光機(jī)采集獲取到的圖像信息，在內(nèi)部進(jìn)行圖像格式修改，將圖像壓縮到合適的尺寸大小，并發(fā)送圖像傳輸請求。請求通過后，將圖像發(fā)送傳輸?shù)胶笈_中心服務(wù)器系統(tǒng)中，后臺服務(wù)器接收圖像發(fā)送請求并接收傳輸?shù)膱D像信息[10-11]。通信裝置可根據(jù)工作人員要求設(shè)定相應(yīng)的網(wǎng)關(guān)協(xié)議和訪問權(quán)限，以加強(qiáng)通信的安全性[12]。通信裝置電路圖如圖3 所示。

圖3 通信裝置電路圖

2 系統(tǒng)軟件設(shè)計(jì)

在無人機(jī)輸電線路巡檢工作中，利用AI 技術(shù)對無人機(jī)巡檢線路進(jìn)行合理規(guī)劃，并對采集到的圖像進(jìn)行識別。后臺控制服務(wù)器根據(jù)前端無人機(jī)傳感器和激光器傳輸?shù)膱D像信息進(jìn)行圖像識別和分析，利用AI 圖像識別系統(tǒng)對輸電線路圖像進(jìn)行檢測，獲取到關(guān)于區(qū)域輸電線路分布的基本情況，形成較為完整的線路圖。然后計(jì)算程序根據(jù)無人機(jī)的負(fù)載能力和續(xù)航能力計(jì)算無人機(jī)一次的巡檢距離，得到一個(gè)可靠的距離范圍，再根據(jù)輸電線路圖像及分布情況作出無人機(jī)巡檢線路的初步路線規(guī)劃[13-14]。

利用AI 圖像識別技術(shù)對輸電線路圖像進(jìn)行圖像識別，首先將獲取到的輸電線路圖像進(jìn)行尺寸還原或放大，同時(shí)要保證圖像清晰度，然后利用圖像識別系統(tǒng)對圖像進(jìn)行特征提取，并對同一輸電線路不同角度的圖像同時(shí)進(jìn)行特征提取。特征提取過程中可根據(jù)特征關(guān)鍵點(diǎn)的分布情況進(jìn)行分割，再分別對局部圖像進(jìn)行特征識別提取[15-16]。然后將相同場景的圖像特征關(guān)鍵點(diǎn)進(jìn)行相似度檢驗(yàn)匹配，一定情況下可進(jìn)行圖像融合操作，以便更全面地對輸電線路進(jìn)行觀察檢測。圖像識別和特征提取主要運(yùn)用灰度檢測法，其算法公式如下：

式（1）中，(x,y)表示圖像像素點(diǎn)位置，l為圖像識別的灰度等級，g表示像素點(diǎn)灰度系數(shù)，為常數(shù)，i為參與運(yùn)算的像素點(diǎn)數(shù)量。經(jīng)過該公式運(yùn)算能夠得到輸電線路圖像識別中相鄰圖像的灰度檢驗(yàn)均值范圍，然后可根據(jù)這一范圍對檢測圖像素材的任意像素點(diǎn)進(jìn)行相關(guān)灰度檢測。根據(jù)灰度檢驗(yàn)結(jié)果，可對輸電線路圖像進(jìn)行異常情況分析，進(jìn)而得到線路故障的具體情況。

式（2）中，P表示輸電線路灰度圖像，J表示該圖像對應(yīng)的灰度均值，(x,y)表示圖像像素點(diǎn)位置坐標(biāo)。在式（1）的運(yùn)算基礎(chǔ)上，通過式（2）的計(jì)算進(jìn)一步對圖像特征情況進(jìn)行分析，檢測異常數(shù)據(jù)的存在情況，實(shí)現(xiàn)輸電線路故障的精準(zhǔn)識別。

基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)軟件工作流程如圖4 所示[17-19]。

圖4 系統(tǒng)軟件工作流程

1）將無人機(jī)傳感器與激光器采集到的圖像接收到圖像處理系統(tǒng)中，按照需求進(jìn)行圖像比例還原或放大，根據(jù)原圖像的色彩狀況進(jìn)行色彩光影對比度、飽和度的調(diào)整，利用濾鏡增強(qiáng)圖像的清晰度均衡圖像的色彩分配，一定情況下可進(jìn)行分辨率調(diào)整，對圖像進(jìn)行初步預(yù)處理。

2）掃描樣本圖像，識別圖像的背景部分，并對感覺背景和線路圖像輪廓邊緣進(jìn)行精準(zhǔn)分割，實(shí)現(xiàn)輸電線路圖像和背景的分離。

3）提取其中的特征點(diǎn)，必要情況下可進(jìn)行圖像分割，分別對局部圖像特征點(diǎn)進(jìn)行識別提取。將特征圖像和像素點(diǎn)數(shù)據(jù)信息導(dǎo)入圖像處理程序，對其進(jìn)行灰度檢驗(yàn)和圖像相關(guān)性檢驗(yàn)，獲取圖像的灰度數(shù)值以及與其他圖像的相似度。

4）將指令傳輸?shù)綗o人機(jī)端，無人機(jī)激光器根據(jù)指令內(nèi)容對線路故障進(jìn)行清除或維修。

3 實(shí)驗(yàn)研究

為了檢驗(yàn)基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)的實(shí)際應(yīng)用效果，該文進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)對象選取存在輸電線路斷股故障的電網(wǎng)線路，輸電線路出現(xiàn)斷股故障時(shí)往往出現(xiàn)電線寬度增加、出現(xiàn)股線分散外露等現(xiàn)象。選用基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)、基于圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)和基于缺陷識別的輸電線路無人機(jī)激光清障系統(tǒng)對該區(qū)域進(jìn)行巡檢和故障識別，同時(shí)選用傳統(tǒng)的清障系統(tǒng)進(jìn)行故障檢測，并記錄斷股故障的圖像識別效果。3 種系統(tǒng)的輸電線路故障檢測圖像識別效果如圖5 所示。

圖5 3種系統(tǒng)的輸電線路故障檢測圖像識別效果對比

根據(jù)圖5 可知，基于圖像識別的清障系統(tǒng)和基于缺陷識別的清障系統(tǒng)均存在一定問題，圖像檢測不清晰，輸電線路圖像呈現(xiàn)顆粒狀分散、背景雜亂、白噪點(diǎn)干擾較多，而基于AI 圖像識別的清障系統(tǒng)圖像識別分辨率更高，圖像更清晰連貫，完整地展現(xiàn)了輸電線路的故障圖像。由此可知，基于AI 圖像識別的清障系統(tǒng)輸電線路故障檢測圖像識別效果較好，故障檢測識別的圖像更清晰。因?yàn)榛贏I 圖像識別的清障系統(tǒng)在故障圖像識別處理程序中采用了AI圖像識別技術(shù)，使圖像識別檢測效果更清晰，而且能夠明顯看出該圖像實(shí)現(xiàn)了故障圖像前景與背景部分的分離，刪除了圖像中的多余干擾部分，使故障圖像更加突出。識別效率實(shí)驗(yàn)結(jié)果如圖6 所示。

圖6 識別效率實(shí)驗(yàn)結(jié)果

根據(jù)圖6 可知，當(dāng)識別數(shù)據(jù)量為1 000 kB 時(shí)，基于圖像識別的清障系統(tǒng)平均識別效率為42%，基于缺陷識別的清障系統(tǒng)平均識別效率為63%，而基于AI 圖像識別的清障系統(tǒng)識別效率為85%，相比基于圖像識別的清障系統(tǒng)和基于缺陷識別的清障系統(tǒng)識別效率，基于AI 圖像識別的清障系統(tǒng)識別效率較高。

4 結(jié)束語

該文針對傳統(tǒng)的輸電線路無人機(jī)清障系統(tǒng)存在的識別清晰度和效率低的問題，利用AI 圖像識別技術(shù)，設(shè)計(jì)了基于AI 圖像識別的輸電線路無人機(jī)激光清障系統(tǒng)。通過AI 圖像識別技術(shù)對傳感器采集到的輸電線路故障圖像進(jìn)行處理，實(shí)現(xiàn)故障部分與背景的分離，更清晰地展現(xiàn)線路的故障部分，提高了輸電線路故障檢測的準(zhǔn)確性和工作效率，圖像識別效果好，能夠滿足當(dāng)前的電網(wǎng)線路故障檢測工作需求。