输电线路巡检缺陷识别方法研究

龚翔，冯伟耀，吕强

广东电网有限责任公司清远供电局，广东 清远 511500

摘要：为了搞高输电线路巡检过程中缺陷识别的准确度和效率，对输电线路巡检缺陷识别方法进行了总结，通过移动边缘计算算法进行图像采集，将图像信息传输到后端服务器，进行图像的预处理，将缺陷进行分类，对输电线路缺陷分类进行测试与修正，从而实现输电线路缺陷识别准确性提升。

关键词：输电线路；巡检；缺陷识别；图像

1输电线路巡检缺陷识别方法

1.1基于移动边缘计算的图像采集

输电线路巡检图像主要通过无人机巡检采集，获得的图像可能存在无用的图像数据，如在某一个巡检位置收集的图像中，出现障碍物将目标遮挡住，对于输电线路巡检图像识别，没有完整的输电线路图像的图片是无用的。针对这种情况，采用移动边缘技术，设计边缘数据处理层，该层在接收输电线路巡检图像数据后，临时保存在云空间，在线识别含有输电线路的图像数据。基于移动边缘计算的图像数据采集和处理过程如图1所示。

图1 图像数据采集和处理过程

每个城市都会有呈规律性的大规模输电线路，将具有高分辨率、高像素且具有网络传输功能的摄像机安装在无人机上，摄像头覆盖前方80 m范围，设置巡检的时间的路线进行巡检，收集输电线路图像数据信息，并实时传送至边缘服务器，同时部分电网工作人员在地面上，通过移动设备传送到边缘服务器。边缘服务器与其附近的无人机等移动设备的连接主要通过无线数据链实现，连接完成后即可实现部分服务请求的在线处理，同时临时保存部分输电线路巡检图像数据。其安装位置在密集的输电线路中心。经过处理后，剩余的图像用于后续识别。

1.2 输电线路图像信息传输

通过前端视频监控设备拍摄到的现场图片需要传输到后端服务器，当前主要通过CDMA/GPRS/3G/4G等方式进行数据传输。随着相机技术发展，图像分辨率及其所能包含的信息量大大提升，越清晰的图像意味着视频监控设备与后端服务器的数据传输量越大。输电线路运维现场所需要的图像采样率较为密集，同一位置所拍摄的图片多为极度相似，大量无用的图像回传后台造成电量损耗及后台的存储空间浪费。由于数据传输是设备电量消耗的重要因素，在延长设备电池使用时间的制约下就要求所传输的图像信息传是有效的，这就要求在图像信息传输前就有图像识别的过程。

1.3输电线路巡检图像预处理

由于前端进行大量数据计算同样消耗大量电源，目前架空输电线路图像识别技术的前端识别功能仅做一个图像的初步识别，通过低功耗且能提供较强算力的芯片，既能实现现场的高频次图像采样，又能保证对采样图像的预处理。前端进初步识别的图像中若无特殊情况将以更低频次进行定时采样回传至后端设备，若有疑似存在问题的图片，将会回传至后台服务器进入卷积神经网络进行精确识别，通过前端和后端配合，提升图像识别的准确性和实时性。

在实际巡检过程中，获得的图像数据中存在模糊、畸变和失真情况，造成图像质量下降，对于识别有较大影响。使用预处理技术，提高图像质量，图像预处理技术主要包括灰度化、亮度均衡、对比度增强以及图像去噪。

在图像中，以RGB表示图像颜色，当R=G=B时为灰度值，采用加权平均法实现图像灰度化处理。根据各个指标的重要性，将RGB三个分量进行加权平均，公式如下：

        （1）

式中：表示加权平均后的图像的灰度值；x,y表示图像中的像素点。

在图像采集过程中，由于摄像机曝光等原因，容易出现图像整体或局部过亮或过暗，使得图像亮度不均衡。采用直方图均衡方法均衡图像亮度。获得原始图像变换之后图像的灰度级，统计出图像中不同灰度级的像素个数，计算原始图像直方图为：

                          （2）      

式中：表示图像灰度级的像素个数；表示图像灰度级。

1.4 输电线路缺陷分类

对输电线路的缺陷问题、正常数据等进行分析，并对缺陷图片进行标注，在建立训练数据集与测试数据集的基础上，可通过输电线路的数据传输与信息处理，满足输电线路的缺陷识别分析需求。训练输电线路缺陷分类器，并对训练样本数据训练分类器进行综合处理，在输电线路分类识别与处理的基础上，可满足输电线路缺陷识别与分析的需求。

1.5 对输电线路缺陷分类进行测试与修正

对输电线路缺陷分类过程进行优化，通过模型参数更新与数据分析处理，可对输电线路缺陷的数据训练样本进行综合分析。在现有的识别图片分析中，可在原有模型的基础上，对不同分类数据进行识别与分析，通过缺陷分类与检验，实现输电线路缺陷识别准确性提升。

2 输电线路巡检缺陷识别方法应用的注意事项

2.1 基于连通域分析的图像背景干扰去除

图像中存在较多的干扰线段，这些线段主要是从背景图像中提取出来的，将为后续电力铁塔、线路的进一步提取带来较大困难；除此之外，由于线路及杆塔中交叉线路，这也为线段的分割与提取带来一定的困难，本小节将对以上两种问题进行处理。本节采用种子填充法对连通域进行分析。针对航拍输电线路的二值图像，采用种子填充法时，先在经边缘提取后的二值图像中选择种子点，通常选择各个线段矢量的某一端点，开始搜索区域内白色像素点。当搜索区域内不存在白色像素点时，重新选取新的像素点进行处理，依据以上步骤，以此处理区域内的所有白色像素点。当区域内所有像素点均被处理、识别标记后，最终将形成若干个白色像素区域。

2.2针对不同特征参数的算法

图像识别中的特征参数提取只针对某特定的特征，针对防外力破坏的图像识别只对吊车等超高机具进行识别，由于架空输电线路设备本体种类繁多，不同的构成部分其特征参数提取也不尽相同，不同的测量角度下也有不同的特征参数提取方法，这就要求对图像的预处理，消除背景影响并增强本体特征，并对不同的特征参数提取方式设计不同的算法，通过同一图片采用不同卷积算法的方式来进行不同类别特征参数的图像识别。

2.3输电线路图像识别技术的瓶颈

输电线路缺陷种类繁多，不同运行工况下对设备状态要求存在差异，其缺陷样本的建立需要大量数据支持，一些细小金具、异物、销钉等缺陷由于图像品质难以检测，除此，输电线路的外部环境更为复杂，外力破坏形式多样，如此复杂的运行工况决定了输电线路图像识别的精度普遍不高，在保证检出率的同时误报率大大提升，在控制误报率的同时检出率又大大下降，且最终的识别结果仍需检查人员进行进一步确认。

3 结束语

近年来智能电网发展迅速，输电线路规模越来越大，为了保证输电线路的安全，采用多种手段对输电线路进行巡检，获得巡检图像，从而获取缺陷位置。将巡检过程中采集的图像作为研究对象，引用移动边缘计算技术，实现电网输电线路巡检的图像识别。通过同一图片采用不同卷积算法的方式来进行不同类别特征参数的图像识别，通过缺陷分类与检验，实现输电线路缺陷识别准确性提升。

参考文献：

[1]陈嘉琛，俞曜辰，陈中，等.基于改进YOLOv3的输电线路缺陷识别方法[J].南方电网技术，2021,15(01):114-120.

[2]林俊省，郭锦超，王昊.基于AI图像识别的输电线路缺陷自动识别技术研究[J].数字技术与应用，2020,38(12):147-149.

[3]方志丹，林伟胜，范晟，等.基于层级识别模型的输电线路杆塔小金具缺陷识别方法[J].电力信息与通信技术，2020,18(09):16-24.

[4]侯春萍，章衡光，张巍，等.输电线路绝缘子自爆缺陷识别方法[J].电力系统及其自动化学报，2019,31(06):1-6.