配電網(wǎng)無人機(jī)紅外照片自動分析工具的設(shè)計及應(yīng)用

劉威權(quán)

（廣東電網(wǎng)有限責(zé)任公司江門新會供電局，廣東 江門 529100）

無人機(jī)在對配電網(wǎng)設(shè)備進(jìn)行自動巡視的過程中，通常會在關(guān)鍵的巡視點(diǎn)位拍攝可見光照片與紅外照片。其中，無人機(jī)拍攝的紅外照片是識別和分析配電網(wǎng)設(shè)備溫度異常缺陷的重要依據(jù)。然而，現(xiàn)有的配電網(wǎng)無人機(jī)紅外照片分析軟件對關(guān)鍵部位識別的準(zhǔn)確性和穩(wěn)定性較低，可識別的熱缺陷類型也不夠全面，因此目前仍須要依賴人工對每張紅外照片中可能存在的溫度異常區(qū)域和類型進(jìn)行逐個識別分析，影響了無人機(jī)紅外照片處理分析工作的效率。

為此，本次研究開發(fā)配電網(wǎng)無人機(jī)紅外照片自動分析工具，可在對紅外模版照片進(jìn)行關(guān)鍵部位區(qū)域標(biāo)注和缺陷識別策略制定的基礎(chǔ)上，通過圖像配準(zhǔn)技術(shù)將無人機(jī)拍攝的紅外照片與模版照片進(jìn)行配準(zhǔn)校正，以準(zhǔn)確識別圖像中的設(shè)備關(guān)鍵部位，并按照紅外缺陷識別策略對重點(diǎn)設(shè)備區(qū)域進(jìn)行溫度分析計算，從而自動識別變電設(shè)備的電流致熱型、電壓致熱型、綜合致熱型等多類型的溫度異常缺陷，提高無人機(jī)紅外照片處理分析工作的效率。

1 技術(shù)方案

1.1 技術(shù)原理

基于無人機(jī)的配電網(wǎng)智能巡檢工作開展時，往往通過人工分析、軟件自動分析和軟件初選人工分析3種方式實(shí)現(xiàn)熱斑照片的處理，如表1所示。

表1 紅外照片分析方式

1.2 系統(tǒng)組成

本地區(qū)配電網(wǎng)設(shè)備巡檢工作開展過程中主要使用大疆系列紅外攝像無人機(jī)，其一鍵巡視時須拍攝大量的紅外照片，僅靠人工分析工作量大、耗時長，容易出現(xiàn)疏漏。因此，借助大疆紅外熱分析工具（DJI Thermal SDK）搭建無人機(jī)紅外照片智能識別平臺，利用該軟件中的功能模塊快速分析、處理紅外照片。

DJI Thermal SDK軟件中用戶可以在Windows或Linux 系統(tǒng)中開發(fā)相應(yīng)功能，實(shí)現(xiàn)對R-JPEG 紅外照片的處理和溫度測量等。本次配電網(wǎng)無人機(jī)紅外照片自動工具主要基于可擴(kuò)展性良好的Python語言實(shí)現(xiàn)，功能設(shè)計如下：

溫度解析。利用軟件中工具欄中的像素模塊對R-JPEG格式的紅外照片進(jìn)行逐像素點(diǎn)溫度解析。

綜合分析。利用numpy 模塊對像素點(diǎn)的溫度、像素點(diǎn)的位置坐標(biāo)、像素點(diǎn)之間的距離等因素進(jìn)行綜合分析。

處理展示。利用PIL 模塊繪制紅外照片的處理分析展示結(jié)果，對圖片的批量化識別和處理結(jié)果進(jìn)行整合展現(xiàn)。

人機(jī)交互。利用Tkinter模塊制作平臺與使用人員的交互前端，形成友好的人機(jī)交互界面，保證人員能夠快速獲取關(guān)鍵圖片信息。

2 功能優(yōu)化

為進(jìn)一步提升配電網(wǎng)無人機(jī)紅外照片自動分析工具的可靠性、準(zhǔn)確性和有效性，在設(shè)計過程中應(yīng)做好識別功能的調(diào)整和處理性能的優(yōu)化。

2.1 紅外模版照片標(biāo)注

要開發(fā)具備友好人機(jī)交互界面的紅外模版照片標(biāo)注功能，對紅外模版照片進(jìn)行重點(diǎn)設(shè)備區(qū)域標(biāo)注，以及紅外缺陷識別策略制定，便于后續(xù)按照紅外缺陷識別標(biāo)準(zhǔn)規(guī)范，對各種類型的紅外缺陷進(jìn)行識別，如圖1所示。

圖1 紅外模板照片標(biāo)注

圖1 中主要對配電網(wǎng)運(yùn)行過程中的橋架間隔溫度進(jìn)行測定，通過圈定主供區(qū)域，重點(diǎn)分析該范圍內(nèi)的溫度變化情況，確定是否存在主供異常、漏電斷電等情況，以便于及時發(fā)現(xiàn)配電網(wǎng)運(yùn)行過程中的缺陷隱患，開展對應(yīng)處理和防控，提升配電網(wǎng)運(yùn)行的安全效益和經(jīng)濟(jì)效益。

2.2 紅外照片配準(zhǔn)校正

本地區(qū)配電網(wǎng)無人機(jī)自動巡檢工作開展過程中主要通過一鍵巡視方式實(shí)現(xiàn)，其紅外照片拍攝過程中按照飛行軌跡和功能設(shè)定進(jìn)行定點(diǎn)拍照或定時拍照，其照片拍攝的角度和溫度與紅外模板照片往往存在較大差異。

為解決上述問題，在配電網(wǎng)無人機(jī)紅外照片自動分析工具設(shè)計過程中可以采用圖像配準(zhǔn)算法，將無人機(jī)拍攝的紅外照片與紅外模版照片進(jìn)行配準(zhǔn)，進(jìn)而確定紅外照片的重點(diǎn)關(guān)注區(qū)域，提高對電力設(shè)備關(guān)鍵部件和部位的識別準(zhǔn)確性。如利用相對配準(zhǔn)原理，在紅外模板照片上提取特征點(diǎn)，對拍攝的紅外照片特征點(diǎn)進(jìn)行擬合，按照相似性度量擬合拍攝的紅外照片空間坐標(biāo)，確定其是否與紅外模板照片一致。若坐標(biāo)變換參數(shù)擬合，則紅外照片與紅外模板照片配準(zhǔn)，可用于配電網(wǎng)設(shè)備關(guān)鍵部位的缺陷識別。

2.3 紅外缺陷識別算法開發(fā)

開發(fā)紅外缺陷識別算法，按照所制定的紅外缺陷識別策略，對紅外照片中的電力設(shè)備重點(diǎn)部件和部位進(jìn)行溫度自動分析計算，從而實(shí)現(xiàn)變電設(shè)備的電流致熱型、電壓致熱型、綜合致熱型等多類型溫度異常缺陷的自動識別。

表面溫度。可直接根據(jù)配電網(wǎng)設(shè)備的表面溫度值判斷是否超出安全閾值，確定是否存在電流致熱型缺陷。如開關(guān)表面溫度的安全閾值為60 ℃，監(jiān)測結(jié)果顯示表面溫度為92 ℃，則開關(guān)存在嚴(yán)重電流致熱缺陷，須立刻停用檢修。

相對溫度。可按照同類型、同環(huán)境、同功能的設(shè)備運(yùn)行情況，對比設(shè)備間的溫度差異數(shù)值，確定是否存在異常情況。如在同一環(huán)境中的三相刀閘使用過程中，A 相和C 相刀閘最高溫度均為50 ℃以下，而B相刀閘的使用溫度達(dá)到63.9 ℃，最大相對溫差達(dá)到17.2 ℃，則B相刀閘存在嚴(yán)重電壓致熱缺陷，應(yīng)配合調(diào)度作業(yè)檢修。

定級溫差。可按照不同位置的配電網(wǎng)設(shè)備情況設(shè)置響應(yīng)的定級溫度。該模型構(gòu)建過程中應(yīng)對設(shè)備進(jìn)行分區(qū)，測定各個分區(qū)的溫度情況，提取最高溫度記作TR。然后計算最高溫度與設(shè)備最高溫度之間的差值ΔT，將其作為依據(jù)判斷發(fā)熱缺陷級別。如ΔT小于0.5 ℃可以視為不存在發(fā)熱，ΔT在0.5～1 ℃之間可以視為其他缺陷，ΔT在1～3 ℃之間可以視為一般缺陷，ΔT在3～5 ℃之間應(yīng)認(rèn)為存在重大缺陷，若超過5 ℃則認(rèn)為有緊急缺陷，須立刻停機(jī)處理。

3 應(yīng)用分析

本次設(shè)計的配電網(wǎng)無人機(jī)紅外照片自動識別工具在投入使用后，可將紅外照片分析時間縮短到min級。2021年本地區(qū)精細(xì)化巡視中采集到的近10萬張照片經(jīng)自動識別工具處理后，共發(fā)現(xiàn)溫度缺陷圖片2842 張，識別準(zhǔn)確率可達(dá)到92.5%，遠(yuǎn)遠(yuǎn)高于人工識別的準(zhǔn)確率。同時，在自動識別過程中還可實(shí)現(xiàn)溫度標(biāo)注和缺陷標(biāo)注，提升了圖片整理的可靠度，優(yōu)勢非常顯著，如表2所示。

表2 無人機(jī)紅外照片自動識別工具的應(yīng)用效果

配電網(wǎng)無人機(jī)紅外照片自動分析工具應(yīng)用的過程中要不斷更新紅外模型照片，按照配電網(wǎng)運(yùn)行現(xiàn)狀做好關(guān)鍵點(diǎn)的設(shè)置和溫度數(shù)據(jù)的采集，這樣才能夠保證紅外模板照片擬合結(jié)果與實(shí)際缺陷情況相契合，為配電網(wǎng)運(yùn)維管理提供有效參考。

4 結(jié)束語

配電網(wǎng)無人機(jī)紅外照片自動分析工具有助于提升紅外照片分析的時效性、準(zhǔn)確性和可靠性，在設(shè)計時應(yīng)注意做好軟件平臺的選擇。可利用DJI Thermal SDK 開發(fā)工具進(jìn)行功能模塊的設(shè)計，展開紅外模板照片標(biāo)注、紅外照片配準(zhǔn)校正、紅外缺陷識別處理，精準(zhǔn)識別配電網(wǎng)設(shè)備的運(yùn)行現(xiàn)狀，對其關(guān)鍵部位缺陷進(jìn)行處理。