基于小樣本學習目標檢測算法的輸電線防外破監(jiān)測裝置設計

趙明悅，范繼輝

（山東大學微電子學院，山東濟南，250101）

0 引言

電力傳輸過程中存在著眾多影響因素，例如輸電區(qū)域的違章建房、違章施工、突發(fā)或季節(jié)性外力破壞，所以需要對輸電線路進行智能實時監(jiān)控，將損失降至最低。通過對全國20 多個省份調(diào)研（如圖1 所示），外力破壞因素占線路跳閘比例高達的51%。常用的輸電線路的管理模式和作業(yè)模式包括人工巡檢、視頻監(jiān)控、無人機巡檢等。傳統(tǒng)的巡視方式在采集數(shù)據(jù)、數(shù)據(jù)有效性、分析處理及時性等方面還存在問題，對現(xiàn)場缺陷識別、目標補充拍攝、缺陷實時精準定位和過程管控等功能還具有一些缺陷。例如，人工巡線周期長、效率低、勞動強度大、誤差大、監(jiān)管難，無人機作業(yè)危險系數(shù)高，成本高，效率低。

圖1 線路跳閘影響因素

鑒于此，我們設計一種基于小樣本學習目標檢測算法的輸電線防外破監(jiān)測裝置，采用芯片為一管八路，一個芯片可同時控制八個巡檢系統(tǒng)。與此同時，電池使用溫度范圍為-40℃～70℃，可以面對一般的極寒天氣，同時由于直接安裝在電網(wǎng)鐵塔上，不容易受到大風天氣的影響。

1 裝置架構(gòu)

該裝置采用基于多尺度特征圖檢測、SSD 的研究目標檢測技術(shù)，在SoC 芯片上實現(xiàn)超低功耗運轉(zhuǎn)，定時智能化監(jiān)測。裝置樣機如圖2 所示，該裝置可以實現(xiàn)圖像測距技術(shù)。通過搭建的大數(shù)據(jù)平臺，精確地監(jiān)控任一段電力傳輸網(wǎng)的工作狀態(tài)、工作環(huán)境，并對可能出現(xiàn)的工作隱患做出報警與智能、實時處理。內(nèi)嵌人工智能算法，危險人員、吊車、塔吊、挖掘機、鳥類、飛行物、汽車、煙火八大類別，檢測到目標后回傳圖片以及前后5s 視頻到平臺端。自動和受控采集，遠程傳輸和斷電續(xù)傳，工業(yè)級高清廣角和星光級超低照度攝像頭，800 萬動態(tài)抓拍，200 萬夜視監(jiān)控。配備自動浮充電、過壓保護、欠壓保護、過流保護，具備對蓄電池電量、電池電壓、充電電壓、充電電流、負載電流、工作溫度進行監(jiān)測，20W 太陽能板，10Ah 電池。具備遠程控制拍照，5s 小視頻錄制，系統(tǒng)軟件遠程升級，工作和休眠。

圖2 輸電線防外破監(jiān)測裝置樣機

2 功能實現(xiàn)

該裝置可以實現(xiàn)如下功能：圖像測距，根據(jù)拍攝畫面進行對物體的大小測定，并且預測物體與輸電線間距離；覆蓋式監(jiān)控，將輸電網(wǎng)絡任一處的實時圖像、視頻、環(huán)境情況傳輸?shù)娇刂浦行模瑢崿F(xiàn)超低功耗的無死角、全天候監(jiān)控；智能分析，智能前端分析，云端檢測，能夠識別出所有靠近輸電網(wǎng)絡的人、物或者環(huán)境變化；隱患預警，對于非法接近電網(wǎng)的人員、車輛、鳥禽，或者山火、泥石流等自然災害，能夠識別并將預警信息傳輸?shù)娇刂浦行模恢悄芴幚恚刂浦行目梢栽O置對隱患的智能反應，例如識別出鳥類、非法人員靠近后自動播放驅(qū)逐的音樂、警告語，也支持實時遠程喊話、自動報警巡邏人員；智能錄像，對于出現(xiàn)安全隱患的場景智能錄像，也可由控制人員控制任意時段錄像；大數(shù)據(jù)平臺，將輸電網(wǎng)絡中所有產(chǎn)品納入一個平臺，支持通過電腦端、手機端精確查看與控制輸電網(wǎng)絡。

3 大數(shù)據(jù)管控平臺

對展示區(qū)域中監(jiān)測設備的數(shù)量，進行報警類型數(shù)量統(tǒng)計并且顯示設備位置，大數(shù)據(jù)管控平臺首頁見圖3。“設備區(qū)”展開樹形列表，選中塔桿或設備可在地圖上展示具體位置。點擊地圖坐標點，可顯示所在位置所有設備的信息，并可以直接跳轉(zhuǎn)查看具體報警信息。

圖3 大數(shù)據(jù)管控平臺首頁

4 圖像測距

進行相機標定以獲取內(nèi)參，外參。內(nèi)參為焦距，外參為相機與外部環(huán)境相關(guān)的參數(shù)；使用yolov3 進行目標檢測，獲取像素坐標；根據(jù)幾何推導法，由目標檢測的兩個貼地點（像素坐標系）推到出實際位置（世界坐標系），并計算出對應的距離，即檢測物體的實際寬；計算檢測物體的實際高。

檢測物體的圖像寬/檢測物體的實際寬=檢測物體的圖像高/檢測物體的實際高

以圖4 為測量示例，測量結(jié)果見表1。

表1 測量結(jié)果 單位均為：m

圖4 測量示例

平移向量tvec=[-4.43398963,-2.24047419,1607.06812524]

旋轉(zhuǎn)矩陣rvec=[[0.99999944,-0.00043626,-0.0009634],[-0.000337,0.73201995,-0.68128312],[0.00100244,0.68128306,0.73201939]]

內(nèi)參矩陣camera_matrix=[[2.22404863e+04,0.00000 000e+00,9.46127166e+02],

[0.00000000e+00,3.02218477e+04,5.01926804e+02],

[0.00000000e+00,0.00000000e+00,1.00000000e+00]]

由于我們在測距的時候只能計算目標的寬和高，最后測出來的數(shù)據(jù)和上面的比較，行人兩輪車誤差相差 ±0.1m 左右，壓路機，挖掘機，卡車，汽車誤差相差 ±0.3m 左右，吊車，塔吊誤差相差 ±0.8m 左右。

5 整體架構(gòu)

針對輸電線路巡檢方式在時效性、數(shù)據(jù)處理分析和管理方面的不足，我們結(jié)合人工智能、邊緣計算等技術(shù)，前端采用ARM 主控海思芯片和NPU 神經(jīng)網(wǎng)絡計算，融合前置AI智能分析、從而賦予攝像頭終端智能識別人、車、物、事及其特定行為的能力，滿足動態(tài)實時認知和監(jiān)控的需求，在特定的應用場景下發(fā)揮智能識別和實時預警的作用。整體概況如圖5 所示。

圖5 整體概況

■5.1 目標檢測算法

在樣本檢測過程中，采用多尺度特征圖檢測、SSD 的研究目標檢測方法，同時在多維度上預測，同時識別多個目標。針對小目標檢測，改進傳統(tǒng)SSD 算法，優(yōu)化損失函數(shù)，加入中心損失函數(shù)，量化剪枝網(wǎng)絡架構(gòu)。

具體步驟如下：

（1）根據(jù)已有的基于邊緣繪圖參數(shù)自由算法的輸電線識別技術(shù)，識別出輸電線。

（2）先對步驟（1）識別出的多根輸電線中兩條最外圍邊緣輸電線求最佳擬合直線，再根據(jù)圖像的輸電線所在區(qū)域取最佳擬合梯形，保持最佳擬合梯形重心不變對最佳擬合梯形進行擴大，擴大后即為從輸入圖像提取的檢測范圍；取最佳擬合梯形，擴大后作為從輸入圖像提取的檢測范圍。此步驟刪減圖像中不需要監(jiān)控的區(qū)域，提高了運算速度。

（3）取擴大后的最佳擬合梯形中與上底、下底平行的若干條直線，將梯形的高平均分為長度相等的五段，將最佳擬合梯形從上到下分成五個面積不等的部分，面積最小的部分經(jīng)過六層反卷積層，反卷積層層數(shù)按步長為1 依次遞減，直至面積最大的部分經(jīng)過二層反卷積層，構(gòu)建改進后的DSSD 網(wǎng)絡模型。

（4）將步驟（2）得到的從輸入圖像提取的檢測范圍輸入步驟（3）構(gòu)建的改進后的SSD 網(wǎng)絡模型進行訓練。

（5）將待檢測的圖像經(jīng)過步驟（1）、步驟（2）處理后輸入訓練好的改進后的SSD 網(wǎng)絡模型，得到輸電線的檢測結(jié)果。

■5.2 邊緣計算

根據(jù)識別功能領(lǐng)域特定應用來構(gòu)建大數(shù)據(jù)分析架構(gòu)，對數(shù)據(jù)進行功能挖掘。將計算算法前置到邊端，將需求在邊緣端解決，即在輸電線防外破監(jiān)測裝置中完成目標識別監(jiān)測算法，避免傳輸大量圖片及視頻數(shù)據(jù)，僅需傳輸監(jiān)測結(jié)果和報警信息，節(jié)約網(wǎng)絡帶寬，提高資源利用率的同時提高速度。終端監(jiān)測設備配備計算芯片，其中模型固化層將訓練壓縮后的深度學習模型固化為硬件模塊，并于底層硬件系統(tǒng)運行；應用頂層根據(jù)識別物體不同更改深度學習網(wǎng)絡架構(gòu)，將目標檢測算法進行裁剪壓縮并移植到嵌入式系統(tǒng)，前置監(jiān)測設備攝像頭實時拍照并實時檢測，僅將異常結(jié)果傳輸至后端，去除無用信息的傳輸及干擾。前端采用分級編碼、記憶聯(lián)想等機制，應用圖像增強和去噪、去霧、穩(wěn)定、增強技術(shù)，結(jié)合圖像語義理解和分析技術(shù)，實現(xiàn)對施工車輛、異物入侵、導線斷股等巡檢缺陷圖像信息感知識別。

■5.3 AI 算法遠程升級

智能巡檢裝置針對不同的邊緣設備，基于AI 訓練算法開發(fā)與硬件研發(fā)人員提供一體化的框架構(gòu)建、算法優(yōu)化和模型訓練集成功能，針對不同業(yè)務場景，進行定制化邊緣計算模型開發(fā)，并實現(xiàn)算法的遠程自動化更新測試。算法升級流程見圖6。

圖6 算法遠程升級流程

■5.4 實驗結(jié)果

單張圖像的通道隱患目標識別時長小于 2s；且漏報率不高于 5%。具體目標檢測準確率如表2 所示。保證國家電力資源傳輸?shù)姆€(wěn)定性，節(jié)省了大量人力物力，預防可控災難的發(fā)生。同時，智能識別的應用不限于電網(wǎng)，還可應用于支付寶推出的刷臉支付，刷臉門禁等需要智能識別、分析的企業(yè)。

表2 測定目標準確率

6 結(jié)論

通過改進SSD 目標識別算法，應用于智能化識別的輸電線防外破監(jiān)測裝置，并加入邊緣計算、算法遠程升級等功能，可以實現(xiàn)高準確率的輸電線防外破監(jiān)測識別，并及時報警處理，最大程度的保護輸電線路的正常工作，節(jié)省人力物力。