變電站設備缺陷圖像識別算法的實用化評價方法

陳 昊，姚 凱，張海華，劉懷宇，何嘉弘，施 濤

（1.國網江蘇省電力有限公司檢修分公司，江蘇 南京211102；2.東南大學，江蘇 南京210096；3.南京郵電大學，江蘇 南京210023）

0 引言

變電站站內運行設備的健康水平，對于維護電網安全穩定運行水平有著重要的意義。長期以來，變電運檢人員通過人工巡視（目視或使用紅外測溫儀等儀器設備）發現設備缺陷，人工成本和管理成本投入高昂［1-4］。近年來，一方面，隨著電網建設的迅猛發展，變電運檢人員短缺和運檢工作量不斷增長的矛盾日益彰顯［5-8］；另一方面，隨著變電站智能運檢工作的深入推進，使用各種圖像采集設備（高清視頻、站內巡視機器人、站內巡視無人機）獲取圖像進而識別變電站設備缺陷的條件日趨成熟，已呈現未來大面積取代人工巡視的技術發展趨勢［9-11］。文獻［12］-文獻［14］討論了基于視頻圖像識別變電設備缺陷的方法；文獻［15］-文獻［17］討論了變電站用巡視機器人的圖像處理與設備缺陷識別；文獻［18］-文獻［19］討論了無人機在變電站缺陷識別的應用。

然而，現階段變電站設備缺陷圖像識別算法在理論層面和實踐層面存在著較大的鴻溝［20-24］。以江蘇某500 kV變電站智能運檢的實踐為例，將因通訊條件引起的圖像采集質量問題排除在外，變電設備缺陷圖像識別算法識別正確率仍普遍低于50%，甚至對于多種主要設備缺陷識別正確率低于15%。更為值得重視的是，目前研究重心聚焦于變電設備缺陷圖像識別算法本身，而對不同算法識別效果評價準則討論不足［25-28］?，F場缺乏評價準則或使用不適當的評價指標造成了圖像識別算法實際效果評價困難，難以客觀比較不同廠家圖像識別算法之間的高下，甚至可能得出誤導性的比較結論。

本文分析了常規評價指標評價變電站設備缺陷圖像識別算法的局限性，基于500 kV及以上變電站智能運檢的實踐經驗提出了一種實用化評價方法，包括評價算法實際識別效果的實用評價指標和評價算法改進潛力的潛力評價指標。實際應用情況來看，所提方法可以有效比對不同圖像識別方法的實用效果，為電網運檢單位現場工作中的圖像識別算法有效性評價提供支撐。

1 變電站設備圖像識別常用評價指標及局限性

目前，在變電站運檢工作中一種常用評價指標為缺陷檢出率，其計算公式如下：

式（1）中，A為被圖像識別算法檢測出異常類樣本的個數，A1為被圖像識別算法檢測出異常類樣本且正確的個數。

缺陷檢出率指標雖然直觀便捷，但根據在江蘇地區500 kV變電站的實際應用情況來看，存在以下缺點：

1）檢出率指標缺乏對錯檢的考量，指標的參考價值本身存疑。存在通過抬高（或降低）識別閾值降低（或抬高）缺陷檢出總數可能，這種人為操控因素使不同識別方法的比較失去了客觀依據；

2）在全國范圍內高電壓等級變電站（尤其是500 kV變電站）設備具有同質性，設備缺陷類型分類是相對明確的。當前現場使用的各種圖像識別算法對不同類型缺陷場景識別正確率差異極大，只考核總體檢出率不能反應不同類型設備缺陷的檢出率差別，某些算法對某類設備缺陷識別的很有價值改進極易淹沒在總體樣本中無法得到體現；

3）某些設備缺陷的識別有時間要求，檢出率指標對圖像識別的實時性無法評價。

4）在變電站設備缺陷圖像識別率不充分高的前提下，前兩個缺點會被進一步放大。

有鑒于上述問題，有針對性地提出一種新的變電站設備缺陷圖像識別的實用評價指標是必要和有益的。

2 評價指標

2.1 概述

鑒于缺陷檢出率指標現場應用時的局限性，現場實用化評價指標應具有以下特征。

1）利用單一指標難以同時表征漏報和錯報等維度的信息，宜使用多維度評價指標。

2）同一算法對不同類型缺陷識別效果經常存在很大差異，不同算法對同一類型缺陷識別效果也可能存在很大差異，宜分類統計。

3）閾值變動等可操控因素對算法評價結果的影響應盡可能小。

4）實用指標計算表達式宜簡單直觀，便于變電運檢人員復核。

2.2 樣本集的構建

在進行評價之前，首先基于對變電站設備實際可能出現的缺陷統計建立樣本集。結合現場的變電運維檢修工作經驗，模擬特定場景的缺陷，構建缺陷樣本集（樣本數m一般不少于60）；上述樣本集根據缺陷類型分為n類缺陷樣本子數據集（如目前國家電網有限公司系統常用的25類缺陷分類，即有n=25），其中，n類缺陷樣本子數據集分別歸屬于高清視頻、站內巡視機器人、站內巡視無人機3大類樣本數據集（樣本數據集數量分別為nj，其中j=1、2、3，分別對應于高清視頻、站內巡視機器人、站內巡視無人機，且有基于現場實拍的無缺陷圖片，結合上述缺陷樣本集構建方法，構建作為對比的、與缺陷樣本集對應的無缺陷樣本集。

缺陷樣本集為計算漏報類指標的基礎；無缺陷樣本集為計算錯報類指標的基礎。

2.3 漏報類指標

評價指標第一個維度是漏報類指標，包括總體漏報指標和分類漏報指標。總體漏報指標的計算公式如下：

式（2）中，O為所有缺陷的測試樣本全體個數，L為被測圖像識別系統（基于高清視頻、機器人或無人機）正確檢測出缺陷的樣本個數。

分類漏報指標IA_class的計算公式如下：

式（3）中，Oi為第i類缺陷類別的測試樣本個數，Li為被測圖像識別系統（基于高清視頻、機器人或無人機）正確檢測出第i類缺陷的樣本個數，n為缺陷類型總數。

2.4 錯報類指標

評價指標第二個維度是錯報類指標，包括總體錯報指標和分類錯報指標。

總體錯報指標IB的計算公式如下：

式（4）中，E為無缺陷測試樣本全體個數，C為被測圖像識別系統（基于高清視頻、機器人或無人機）錯報為缺陷的樣本個數。

分類錯報指標IB_class的計算公式如下：

式（5）中，E為無缺陷測試樣本全體個數，Ci為被測圖像識別系統（基于高清視頻、機器人或無人機）錯報為第i類缺陷的樣本個數，n為缺陷類型總數。

2.5 錯報類指標

考慮到部分類別設備缺陷的識別存在實效要求，評價指標第3個維度設定為時延指標，計算公式如下：

式（6）中，｛m1，…，mi，…，mk｝為對圖像識別效率（如實時性）有要求的缺陷類型全體；t為該缺陷的識別時間（單位為ms）；Tmi為第mi類缺陷識別效率的閾值（單位為ms）。

應注意，考慮到實際應用時延時指標可能受到拍攝角度等外界因素影響，不同算法對不同缺陷的識別時間（尤其是識別時間在閾值附近時）的比較應盡可能在外界條件接近的情況下進行。

3 基于不對稱評價函數的潛力評價指標

站用巡視無人機、變電站巡視機器人、高清視頻是目前最主流的3種圖像采集方式。當前高頻視頻最為普及，已在220 kV及以上變電站大規模使用；巡視機器人已在500 kV及以上變電站普遍使用，在220 kV變電站的使用正在深入；巡視無人機受制于一些管理因素，在變電站缺陷識別目前雖尚處于配角地位，考慮到技術發展趨勢，在變電站得以更廣泛地應用可計日而待。本文所提的潛力評價指標基于上述3種圖像采集方式展開。

巡視無人機由于可調整空間位置，視角最為靈活，拍攝角度、光線等問題較少；巡視機器人有在變電站地表調整位置的余地，拍攝角度和光線問題次之；高清視頻的調整受限于云臺，因拍攝角度、光線問題導致圖片質量不佳影響后期圖像識別的概率最大。換而言之，從圖片質量角度來看，提升潛力依次為高清視頻、機器人、無人機。

為了表征基于不同圖源的圖像識別算法提升潛力，提出圖源改進指數｛K1，K2，K3｝一般有K1＞K2＞K3。目前圖源改進指數依托于實際現場應用經驗獲取。江蘇地區某500 kV變電站使用的一組K1，K2，K3的經驗值分別取0.5，0.3，0.05。

另一方面，一般認為漏檢、錯報率越高，提升潛力相對較大，可將潛力指標考慮為關于漏報率和錯報率的單調增函數，即有

式（7）中，f(·)為定義在［0，1］2上的連續函數，值域為[0，+∞)。

特別提出的是，現場關注的漏檢率、錯報率的重要性是不對等的，而且兩者相對的重要性隨著現場缺陷檢出率的變化而變化。檢出率過低時，現場更為注重漏檢指標，檢出率較高時錯報率的作用相對抬升，甚至和錯檢率相比擬，基于此，構建一種不對稱評價函數如圖1。

圖1 構建不對稱評價函數Fig.1 Construction of the asymmetric evaluation function

一種經驗性的不對稱評價函數［29-30］形如

式（8）中，為標準化后的Ig，p為正整數冪參數。a為不對稱指標參數，a的取值范圍為[0，+∞)。如果a=1，函數退化為對稱函數。通過不對稱評價函數調整漏檢、錯報指標對潛力評價的影響。

綜合考慮上述因素，可構造圖像識別算法改進潛力評價指標，如公式（9）。

應注意，出于簡化問題考慮，潛力評價指標估算時忽略了時延指標。

4 應用實例

2019年起，江蘇地區某500 kV變電站結合智能運檢工作完成全站設備缺陷圖像識別系統的建設。下面以2021年5月中旬，某次高清視頻、機器人、無人機立體聯合巡檢的圖像為例，驗證本文所提設備缺陷圖像識別算法的評價方法。

排除通訊傳輸問題造成的圖像不清等問題，對高清視頻、機器人、無人機3種設備采集的合格圖像應用兩種深度學習算法實現目標缺陷檢測。其中，第一種方法為YOLOv3［20］，第二種方法為Backbone+Transformer［31］。。

分別計算缺陷高檢出率模式和低檢出率模式下的算法圖像識別的實用評價指標與潛力評價指標，見表1?；诔Ｒ幦毕輽z出率的對比結果亦見表1。

由表1可得以下結論：

表1 評價效果對比Table 1 Comparison of evaluation results

1）現場常用的檢出率指標易受算法模式（如檢出模式）等人為可調因素調整影響，在算法本身沒有實質改進的情況下，檢出率指標會有大幅變化，如算法1從15.2%大幅提升至49.6%。而實用評價指標在算法檢出率提高后，算法1的漏報率指標正向改善（72.8%下降至53.5%）的同時，錯報率指標將惡化（4.2%上升至7.4%），受人為調整控制因素較小。只有算法本身有實質性改進，實用評價指標才能在錯報漏報兩個維度上同時改善。

2）從缺陷類型上看，同一算法對不同類缺陷圖像識別算法效果差別較大，如算法1對“設備銹蝕”的錯報、漏報率均低，對“硅膠變色”錯報、漏報率均高；不同算法對同一類缺陷圖像識別算法效果也存在較大差別，對“設備銹蝕”缺陷的識別，算法1優于算法2。

3）存在某些缺陷雖然能正確識別，但識別時延過長的問題。對包含多種圖像識別算法的變電站智能運檢系統，遴選特定的設備缺陷最適用的圖像識別算法，作為經驗加以積累是必要和有益。

4）從潛力評價指標來看，隨著變電站用無人機應用的推廣，當前檢出率水平下，算法2的潛力評價較高。

此外，當前的評價結果是基于特定缺陷和具體樣本得到的結果。顯然基于多次識別結果的實用化評價進而給出魯棒性更強的比較結果是更為有益的?？梢越梃b文獻［29］的改進DM方法，拓展出魯棒性更強的實用評價方法。

5 結語

本文提出了一種變電站設備缺陷圖像識別算法的實用評價指標，進而提出了一種基于不對稱評價函數的潛力評價指標。江蘇某500 kV變電站的應用表明，該實用評價方法具有以下特點：

1）實用評價指標可以用于評價不同圖像識別算法的現場實用效果，大幅降低了評價指標的人為影響因素；

2）實用評價指標度量了不同算法針對不同類型典型缺陷的識別效果差異，為探究具體某種缺陷最適合的圖像識別方法提供了支撐。

3）提出的潛力評價指標，為圖像識別算法應用于實際生產現場的有效性評價提供了支撐。

未來的研究中可以對典型缺陷最適用的圖像識別算法進行進一步的匹配，提升設備特定類型缺陷的發現概率，提升變電站智能運檢水平。