基于紅外光熱成像的架空輸電線路巡檢方法

摘 要：常規架空輸電線路巡檢模型多針對特定區域處理，巡檢效率低，頻次受限。為此提出對基于機載紅外光熱成像技術的架空輸電線路巡檢方法研究。根據當前的巡檢需求，先進行巡檢節點部署及圖像預處理。采用機載紅外光熱成像技術，強化整體的巡檢效率，設計機載紅外光熱成像架空輸電線路巡檢模型，采用不定期畸變捕捉的方式來最終實現電路巡檢。測試結果表明，與無人機機載AI模塊架空輸電線路巡檢方法、長距離復雜地形架空輸電線路無人機載雷達巡檢方法相比，這次設計的機載紅外光熱成像架空輸電線路巡檢方法最終得出的巡檢頻次相對較高，說明本次設計的巡檢處理結構更靈活、可靠，不僅提升了真實性與穩定性，而且提升了架空輸電線路的針對效果，具有實際的應用價值和創新意義。

關鍵詞：機載紅外；紅外技術；架空安全處理；電路巡檢；巡檢方法；輸電線路

中圖分類號：TM 75" " " " 文獻標志碼：A

目前的輸電線路巡檢方式多為人工或者目標式方法，通常采用定點定位的方式巡檢并標定存在異常的位置，例如無人機機載AI模塊架空輸電線路巡檢技術利用搭載智能識別算法，能夠自動識別架空輸電線路上的危險源、異物和故障點，高效、精準地進行巡檢[1]。長距離復雜地形架空輸電線路無人機載雷達巡檢技術基于無人機載雷達巡檢處理結構，利用高精度雷達掃描，可以全面、準確地檢測輸電線路潛在問題，提高巡檢覆蓋面，保障電網安全[2]。該類方法雖然可以完成預期的巡檢任務，但是存在巡檢效率低、安全隱患大和人力成本高等問題，使其無法滿足現代智能電網的發展需求。因此，本文對基于機載紅外光熱成像技術的架空輸電線路巡檢方法進行研究。紅外光熱成像技術是一種非接觸式的測溫技術，能夠檢測物體表面發出的紅外輻射，反映其溫度分布[3]。在目前的行業發展中，融合紅外成像技術，可以在短時間內進行高效巡檢，減少巡檢人員的工作量和風險，提高巡檢的智能化和自動化水平，更好地克服巡檢地形復雜、交通不便等限制，最大程度地提高巡檢的覆蓋面和靈活性，推動電力巡檢技術創新和發展。

1 架空輸電線路機載紅外光熱成像巡檢方法

1.1 巡檢節點部署和圖像預處理

巡檢節點部署需要考慮的因素包括線路長度、地形地貌和氣象條件等，為了保證巡檢的準確性和全面性，本文選擇在輸電線路中的關鍵節點和易發生故障的區段重點部署監測點，并與無人機上的紅外設備建立聯系，以均勻分布的方式為主，保證節點監測可以覆蓋標定區域，有助于后期數據和信息采集[4]。在架空輸電線路巡檢中，機載紅外光熱成像通常針對遠距離測溫、實時監測等進行巡檢信息采集和判定[5]，因此需要在輸電線路中部署一定數量的監測節點，節點間互相搭接，建立聯系。捕捉多個周期的紅外圖像，并對其進行預處理，即對圖像進行灰度化處理[6]。使用疊加的方式進行成像轉換，采用加權平均法計算多個周期紅外圖像的最佳灰度值標準W，如公式（1）所示。

（1）

式中：W為最佳灰度值；B為轉換頻次；χ為疊加比；π和α分別為預設灰度標準和實際灰度標準。

基于計算所得灰度值對圖像進行灰度處理，如圖1所示。

灰度圖能夠更接近巡檢處理的實際判斷條件。進而對圖像進行去噪處理。可以采用軟件進行修正調整，保證輸電線路圖像的色彩均勻，根據計算的最佳灰度值標準去除噪聲，保證不丟失圖像中的信息[7]。因為輸電線路的應用狀態易受外部環境與特定因素的影響，所以圖像的預處理并不固定，并且整體的巡檢標準基于人工判斷和分析，該方式主觀巡檢的概率較高，容易出現部分誤差。因此具體的預處理要求需要根據標準條件進行修正，以保證最終巡檢結果的真實、穩定。

1.2 機載紅外光熱成像架空輸電線路巡檢模型設計

利用無人機搭載的紅外熱像儀，捕捉實時輸電線路的紅外圖像，進行預處理后，對巡檢的圖像進行去噪。鑒于紅外光熱的特征，成像會出現一定差異，通常表現為溫度的分布變化，可以設定基礎的巡檢目標，對線路中的異常點或者異常位置進行瞬間識別，例如過熱、斷路等[8]。進而比較紅外圖像中的溫度分布與預設閾值，進一步縮小檢測到的異常點范圍，立即采集異常點位置信息。此時，需要對巡檢的瞬時警示時間T進行控制，如公式（2）所示。

T=∫?2-? " " （2）

式中：T為瞬時警示時間；?為最大巡檢時間；?為最小巡檢時間。

將巡檢異常檢測的時間控制在上述范圍內，根據線路的實際情況和巡檢需求，合理規劃后續巡檢路徑。本文設計模型的巡檢流程如圖2所示。

對紅外成像處理標定的異常位置進行邊緣檢測，在圖像中提取較完整的邊緣信息，利用零交叉Canny算法，根據巡檢可識別區域δ，預設巡檢目標Y、巡檢交叉值α'和重復特征值x，計算巡檢異常目標特征值O，如公式（3）所示。

（3）

式中：O為巡檢異常目標特征值；δ為巡檢可識別區域；Y為預設巡檢目標；α'為巡檢交叉值；x為重復特征值。

對得出的特征目標值進行區域識別處理，同時計算出巡檢異常誤識率，構建機載紅外光熱成像架空輸電線路巡檢模型的表達式，如公式（4）所示。

（4）

式中：I為異常誤識率；β為標定邊緣巡檢區域；J為巡檢頻次。

根據上述測定，比較并分析最終得出的巡檢結果，綜合考慮并輸出一個可靠的機載紅外熱成像架空輸電線路巡檢模型處理結果。

1.3 不定期畸變捕捉

不定期畸變捕捉指的是以模型輸出的結果為標準，對架空的輸電線路進行不定期抽查和監測，對存在異常或者畸變的位置進行修正處理，保證線路的穩定運行。在巡檢模型中引入不定期畸變捕捉機制，對后期采集的紅外圖像進行實時畸變檢測與校正，以保證圖像的真實性。比較圖像中的特征點，當圖像中實時特征點與參考點間的偏差超過預設閾值時，即可判定為畸變發生。采用仿射變換（Affine Transformation）恢復畸變圖像。在圖像畸變檢測和校正中，仿射變換可以用于恢復各種因素導致的圖像畸變。對畸變圖像應用適當的仿射變換矩陣，可以將其恢復到接近原始的無畸變狀態，如公式（5）所示。

（5）

式中：C為仿射變換處理值；γ為平移量；a為平衡點。

采用該處理方式，不斷調整采集圖像中的齊次坐標，實時檢測并校正紅外圖像中的畸變，從而提高巡檢結果的準確性和可靠性，完成關聯技術的創新和優化。但是不定期的畸變修正處理是范圍性的，需要對各個區域的輸電線路實況進行實時比較，以便在復雜的電力環境下提高線路運行穩定性，加強實時性控制，有助于后期的電力調度。

2 方法測試

采用當前架空輸電線路運行巡檢方法，融合機載紅外光熱成像技術，對最終的巡檢結果進行分析，考慮最終測試結果的真實與可靠，本文進行了比較測試。將K區域的輸電線路作為測試主要目標，參考文獻設定無人機機載AI模塊架空輸電線路巡檢方法、長距離復雜地形架空輸電線路無人機載雷達巡檢方法，與本文設計的機載紅外光熱成像架空輸電線路巡檢方法進行比較。匯總往期的歷史應用數據和信息，將其進行精準存儲，以待后續的應用和比較，并對初始的測試環境進行細化設置與部署。

2.1 測試基礎準備

結合機載紅外成像技術，設置K區域的輸電線路巡檢測方法基礎輔助環境。為驗證本設計方法的可靠性和準確性，需要隨機選定6條可測試的架空輸電線路，計算輸電線路的最小安全距離，根據采集的數據和信息，判斷此時測試區域是否安全。在測試區域內部署一定數量的紅外監測節點，節點間互相搭接，形成覆蓋性的紅外監測區域，并對每一個線路進行邊緣標定處理，如圖3所示。

對鎖定的位置進行實時監測，采集對應的數據和信息。進而設置紅外實測距離為105 m，準備好測試的無人機，在無人機上搭載紅外成像設備，明確此時的輸電線路覆蓋區域，與部署的節點建立聯系，完善測試條件。無人機輔助測試環境見表1。

表1是對無人機輔助測試環境參數的預設和調整，在架空輸電線路巡檢過程中不僅可以保證穩定性和安全性，而且可以保證采集數據的真實、可靠。調節當前試驗的云臺角度，使用安裝在地面計算機上的控制裝置發送或者接收相關信息指令，進行多維處理，完成測試環境的部署。

2.2 測試過程與結果探討

基于上述測試環境，結合紅外成像技術，對K區域的輸電線路巡檢測方法進行測試與比較核驗。調整當前無人機紅外光熱設備為2 250萬像素，國際標準化組織（International Organization for Standardization，ISO）規定相機感光元件對光線的敏感程度范圍為100～120，將初始等效焦距設置為20 mm～25 mm。無人機中安放紅外攝像頭，適當調整當前無人機的飛行高度，使其與部署的節點間建立實時匹配關系。進而針對部署的節點和數據，計算此時的巡檢覆蓋率G，如公式（6）所示。

（6）

式中：G為巡檢覆蓋率；δ'為預估巡檢區域；?為單元可識別區域；i為單元點位；k為成像掃描位置；υ為邊緣檢測可擴展位置。

根據計算所得巡檢覆蓋率，利用紅外光成像技術，對目標位置進行掃描處理。基于邊緣標定的位置，對采集圖像進行去噪處理。同時結合邊緣檢測的方式，根據采集的數據，標定當前巡檢存儲異常位置，如圖4所示。

進而基于標定的位置，利用紅外光成像和邊緣檢測處理，以折疊的方式進行比較，并利用通過輸電覆蓋率G、紅外成像布設節點t、重復巡檢頻次?，計算出單個輸電線路的巡檢頻次U，如公式（7）所示。

（7）

式中：U為單個輸電線路巡檢頻次；G為輸電覆蓋率；t為紅外成像布設節點；?為重復巡檢頻次。

根據當前測定，對所得結果進行比較，見表2。

與無人機機載AI模塊架空輸電線路巡檢方法、長距離復雜地形架空輸電線路無人機載雷達巡檢方法相比，本文設計的機載紅外光熱成像架空輸電線路巡檢方法的巡檢頻次相對較高，說明本文設計的巡檢處理結構更靈活、可靠，真實性與穩定性有所提升，對架空輸電線路的巡檢效果較好，具有實際的應用價值和創新意義。

3 結語

綜上所述，本文對基于機載紅外光熱成像技術的架空輸電線路巡檢方法進行了研究。結合紅外成像技術，設計更靈活、穩定的線路巡檢模式，以獨特的非接觸式測溫優勢和高效便捷的巡檢方法，擴展巡檢的整體結構，提高現代電網運行的可行性與有效性，深入優化巡檢過程中的數據處理和圖像識別算法，進一步提升了巡檢的準確性和效率。

參考文獻

[1]陳琨.基于無人機機載AI模塊的架空輸電線路巡檢技術[J].中國新技術新產品，2024（16）：4-6.

[2]林懷德，楊劍.長距離復雜地形架空輸電線路無人機載雷達巡檢技術研究[J].微型電腦應用，2024，40（7）：230-233.

[3]馬朝，李永亮，范學軍，等.架空輸電線路巡檢裝置用伺服電機設計分析[J].微特電機，2024，52（7）：31-35，39.

[4]柳翠，陳國洲，褚寧，等.從城市道路點云數據中快速提取架空線路及其參數[J].北京測繪，2024，38（7）：1004-1009.

[5]王斐然，韓庚，郭昕陽，等.激光雷達數據下架空輸電線路點云場景分割及凈空入侵檢測[J].測繪通報，2024（5）：133-137.

[6]白津陽，郭江震，李敏，等.架空輸電線路中巡檢與監控技術的應用研究[J].光源與照明，2024（4）：65-67.

[7]劉冉.基于無人機巡檢的高壓架空輸電線路故障測距方法[J].今日制造與升級，2024（4）：103-105，120.

[8]劉宏杰，陳泊遠.基于無人機低空攝影技術的架空輸電線路智能巡檢方法[J].電工技術，2024（3）：80-83.