图像处理技术在无人机电力线路巡检中的应用耿晨洋--中国期刊网

字体：大中小

首页> 原创作品> 正文

图像处理技术在无人机电力线路巡检中的应用耿晨洋

发表时间：2020/8/7 来源：《基层建设》2020年第10期作者：耿晨洋

[导读] 摘要：近年来无人机应用市场日趋火热，无人机开始被应用在多个领域之中，比如航拍、植保、运输、安防等。电网的数字化建设催生海量的数据，其中在输变电系统中的设备和环境视频监控、无人化巡检等应用场景，视频图像智能识别技术以其强大的图像数据价值萃取能力引起了广泛的关注。

        天津全华时代航天科技发展有限公司天津市 300000
        摘要：近年来无人机应用市场日趋火热，无人机开始被应用在多个领域之中，比如航拍、植保、运输、安防等。电网的数字化建设催生海量的数据，其中在输变电系统中的设备和环境视频监控、无人化巡检等应用场景，视频图像智能识别技术以其强大的图像数据价值萃取能力引起了广泛的关注。
        关键词：图像处理技术；无人机；电力线路；巡检；应用
        引言
        无人机的自主飞行依赖导航系统提供的定位信息进行控制。输变电系统依托现代通信技术，大多可实现对被监测对象的远程监控，降低了巡检人员要爬塔巡检或远距离到现场校验督查的工作强度，提高了巡检巡查的工作效率，但是在图像数据处理方式上，仍然需要经验丰富的专业技术人员对采集回来的巡检视频图像人工判别缺陷类型，对巡查视频图像人工纠察典型违章行为。这种工作方式有三大缺点：一是视频数量多，图像数据大，保存周期有限，需要及时回看视频；二是异常的发现依赖于观看人员的技能水平，经验丰富的专家往往较少；三是长时间观看容易因视觉疲劳导致漏检缺陷和漏纠违章行为，增加了设备和人身安全的隐患。当前人工智能作为技术研究热点，在图像分析、语音识别[、数据挖掘等领域取得了举世瞩目的成效，尤其是深度学习技术的发展，很好地解决了传统图像处理领域中的两大难题：自动设计图像特征和复杂环境的强健适应能力。

期刊文章分类查询,尽在期刊图书馆

        1电力无人机概述
        根据无人机的机体结构，通常可将无人机分为无人直升机、多旋翼无人机和固定翼无人机三类．目前在电力巡检中都有应用，但由于三种无人机的性能特点存在较大差异，其所承担的巡检任务也有所侧重．无人直升机与传统直升机类似，但由操控人员在地面站进行操控，是早期电网无人机巡检试验方案之一．由于无人直升机体积较大，操控难度较高，存在与电力设施碰撞产生严重后果的潜在风险，且成本较高，目前已较少应用在电力巡检领域．多旋翼无人机由多个旋翼产生升力，通过改变各个旋翼的转速控制飞行器的姿态，具有小巧灵活、垂直起降、精准悬停的优点，但机动性和飞行高度较低，负载较小，续航时间短．因此，在架空线路巡检中，多旋翼无人机通常负责小范围精细作业，或杆塔精细化建模等任务．固定翼无人机依靠螺旋桨或涡轮发动机提供前进动力，由机翼与空气的相对运动产生升力，其巡航速度快，续航时间长，但起降需要跑道，且无法悬停．在架空线路巡检中，固定翼通常负责大范围、有较高航程要求的任务．除此之外，还有结合固定翼与多旋翼的复合翼无人机，兼具垂直起降、精准悬停与巡航速度快的优点，在灾后应急等恶劣复杂环境的应用场景中极具潜力，但在电力巡检领域尚未有大范围落地应用．从功能来说，无人机在电力巡检中所扮演的角色主要为遥感承载平台．
        2图像处理技术在无人机电力线路巡检中的应用
        2.1可见光影像数据处理
        从目前研究来看，深度学习技术在检测准确率及算法泛用性上都优于人工设计特征的机器学习方法，但距离实际应用还有相当长的一段路要走．制约深度学习技术在该领域发展的最主要因素是数据集问题．深度学习技术需要大量数据的支撑，据笔者所知，目前全球范围内尚未有公开的电力巡检数据集，所有已发表的研究均是基于各研究团队自建的小型数据集．其次，电力线路缺陷存在的严重的类不平衡现象，即高发缺陷与罕见缺陷存在较大的数量差异，同种缺陷具有多种外观表现，其分布也非完全均衡．另一方面，电力巡检缺陷种类较多，一种算法仅能检测少量缺陷因而缺乏工程意义，但要利用深度学习技术的算法泛用性，首先要解决的是缺陷的分类问题．目前的分类方法主要以生产管理为导向，并不完全契合人工智能技术的开发和应用需求．对电力缺陷进行统计分析，制定标准化的、兼顾日常生产与人工智能技术的电力缺陷描述及分类方法，有助于推动智能化技术发展及数据库建设的规范化．在检测算法方面，目前该领域大多数研究以算法的迁移应用为主，所用算法大多为FastＲCNN、YOLO等成熟的模型框架，在算法创新上有所欠缺．图像测距是使用图像处理方法进行电力巡检可见光缺陷检测的另一项关键技术，主要针对电力巡检中的限距类缺陷，如导线与周围树木、建筑物安全距离不足等．目前限距类缺陷检测主要依靠激光三维建模、电子经纬仪等手段，存在检测时效差或使用环境限制等问题．图像测距的优势在于其不需要额外的设备与巡检计划，可以直接利用无人机搭载的摄像机，在日常机巡工作中就能完成距离类缺陷检测．但由于电力线路巡检需要无人机保持10m以上的安全距离，且工作场景以户外日间为主，无法使用精度较高的主动式测距方法（如结构光投射或飞行时间法等），而基于可见光图像分析的被动式测距方法目前在精度和算法可靠性方面仍存在不足，因此该技术在巡检中尚未有实际应用，且相关研究较少．
        2.2输电线路移动摄像头巡检
        输电线路移动摄像头巡检主要包括无人机巡检、直升机巡检和巡检机器人巡检，目前较常用的是无人机巡检，通过搭载摄像头，动态拍摄采集输电线路视频图像数据，主要对绝缘子、金具、杆塔等设备缺陷进行检测。移动摄像头巡检采集到的视频图像数据，主要运用在设备缺陷识别，针对移动摄像机获取的绝缘子图像，采用基于YOLOv2网络，并结合边缘检测、直线检测、图像旋转和垂直投影等图像处理方法，对绝缘子进行自动识别和缺陷诊断，实验表明，YOLOv2网络具有较强的深度学习能力，可充分平衡识别精度和速度，并且在树木、土地等复杂背景下表现出较强的抗噪识别鲁棒性。通过建立图像样本库，并提取样本图像HOG特征，构建SVM分类器，实现输电线路螺栓缺陷识别，可快速定位出高分辨率无人机图像中螺栓目标的位置；通过空中巡检获得视频数据，采用LBP-HF特征训练SVM分类器进行输电线路绝缘子的破损缺陷识别，准确率可达93.33%，可精细辨识绝缘子破损的程度差异。同时，红外图像等不可见光数据也对设备缺陷诊断起到很大作用，利用SLIC超像素图像分割技术对变电设备红外图像进行分割，通过HSV颜色空间转换后，动态地设定色调（H）阈值，提取出发热故障区域，提高了红外图像的分析效率。以上多采用机器学习的方法对设备缺陷进行识别分类，识别效果普遍优于传统图像处理方法，但由于设备典型缺陷的图像样本数量往往仍然无法满足神经网络的需求，限制了算法识别精度的进一步提升。
        结语
        总之，随着当前人工智能技术发展，计算机计算性能的提高及电网视频图像数据的大规模获取，为输变电系统的安全管理工作带来了颠覆性的影响。通过将视频图像处理技术结合电力场合进行应用，以保障电网输变电系统中设备和人员及其所处环境的安全，是未来电力系统提升感知能力的必然趋势。
        参考文献：
        [1]彭向阳，金亮，王柯，等.变电站机器人智能巡检系统设计及应用[J].中国电力，2018，51（2）：82-89.
        [2]翟永杰，王迪.一种快速有效的变电站监控视频质量检测方法[J].广东电力，2016，29（7）：88-92.
        [3]付文龙，谭佳文，吴喜春，等.基于图像处理与形态特征分析的智能变电站保护压板状态识别[J].电力自动化设备，2019，39（7）：203-207.
        [4]梁英宏，王知衍，曹晓叶，等.视频图像理解的一般性框架研究[J].计算机应用研究，2008（7）：2203-2207.