極寒環(huán)境的輸電線路機(jī)器人巡檢關(guān)鍵技術(shù)研究

高春輝,李方,秘立鵬,王澤禹

極寒環(huán)境的輸電線路機(jī)器人巡檢關(guān)鍵技術(shù)研究

高春輝1,李方2,秘立鵬1,王澤禹3

1. 國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司電力科學(xué)研究院, 內(nèi)蒙古 呼和浩特 010020 2. 廣東科凱達(dá)智能機(jī)器人有限公司, 廣東 佛山 528300 3. 國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司檢修分公司, 內(nèi)蒙古 通遼 028000

國(guó)內(nèi)高壓輸電線路機(jī)器人巡檢存在運(yùn)行環(huán)境復(fù)雜、傳感器信息量大且多樣和越障效率低等問(wèn)題。本文以極寒條件下500 kV輸電線路典型障礙物為研究對(duì)象，提出一種利用圖像處理技術(shù)預(yù)處理提取目標(biāo)特征，機(jī)器學(xué)習(xí)SVM分類決策算法分類，再與結(jié)構(gòu)約束結(jié)合從而可以高效準(zhǔn)確地識(shí)別高壓輸電線路障礙物，并通過(guò)準(zhǔn)確性和有效性驗(yàn)證。結(jié)果表明，該算法可以準(zhǔn)確地識(shí)別定位防震錘等障礙物，對(duì)我國(guó)高壓輸電線路智能機(jī)器人巡檢技術(shù)的發(fā)展提供了參考和借鑒。

輸電線路; 機(jī)器人巡檢

架空高壓輸電線路是遠(yuǎn)距離輸配電的主要方式，也是其重要的安全保證[1]。高壓輸電線路架設(shè)在野外，易發(fā)生腐蝕、磨損、斷鏈等情況，有時(shí)還會(huì)在其上附著塑料袋、樹枝等異物[2]。這對(duì)電力的輸配影響非常嚴(yán)重，極大的危害了電力的輸送。隨著機(jī)器人技術(shù)的發(fā)展，國(guó)內(nèi)外許多學(xué)者及研究機(jī)構(gòu)都開始對(duì)高壓巡檢機(jī)器人進(jìn)行研究。在文獻(xiàn)[3]中，開發(fā)出一種巡線機(jī)器人來(lái)檢測(cè)傳輸線絕緣子劣化和損壞等障礙，實(shí)現(xiàn)了傳輸設(shè)備絕緣子串的狀態(tài)檢測(cè)和實(shí)時(shí)評(píng)估[3]。在文獻(xiàn)[4]中，開發(fā)了一種能夠在500 kv傳輸線上行走并越過(guò)障礙物的巡檢機(jī)器人，機(jī)器人可獨(dú)立沿直線桿塔線路巡檢[4]。

基于以上研究，本文以500 kv輸電線路典型障礙物為研究對(duì)象，提出了一種低溫條件下高壓輸電線路的典型障礙物檢測(cè)識(shí)別方法。并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的正確性和有效性。

1 輸電線路巡檢機(jī)器人概述

通常高壓輸電路上機(jī)器人巡檢視覺(jué)系統(tǒng)包括高清數(shù)字CCD或CMOS圖像傳感器、上位工控機(jī)、圖像處理軟件等。巡檢機(jī)器人前端搭載高清的數(shù)字CCD或CMOS圖像傳感器，其視場(chǎng)與前進(jìn)方向呈一定角度可以拍攝上方導(dǎo)線上障礙物，采集圖像并經(jīng)過(guò)灰度、濾波平滑等預(yù)處理，再對(duì)圖像特征提取和分析，上位工控機(jī)發(fā)送決策指令，輸電線路上機(jī)器人巡檢示意圖，如圖1所示。

圖 1 輸電線路機(jī)器人巡檢示意圖

2 障礙物識(shí)別算法

500 kV四分裂輸電線路常見障礙物有間隔棒、防震錘、懸掛線夾等[10]。但這些障礙物的表面結(jié)構(gòu)和顏色特征并不十分清晰。但其原始特性與高壓線呈一定的位置關(guān)系。識(shí)別算法主要分為障礙物特征提取與障礙物分類識(shí)別模塊。

2.1 障礙物特征提取

通常輸電線路上機(jī)器人巡檢作業(yè)受光照、惡劣環(huán)境條件的影響，其采集的圖像會(huì)有一定的噪聲等干擾，給障礙目標(biāo)圖像的特征提取帶來(lái)一定的影響。為降低噪聲干擾的影響，需要對(duì)圖像進(jìn)行預(yù)處理，另外由于圖像邊緣提取方法的Canny算子在圖像邊緣檢測(cè)方面具有較強(qiáng)抗干擾性，為在惡劣外界環(huán)境如極寒條件下得到清晰的邊緣圖，本文采用數(shù)學(xué)形態(tài)學(xué)方法與Canny算子結(jié)合，去除灰度圖像中的毛刺，只留障礙目標(biāo)的大體形狀。以高壓輸電線路上的防震錘為例，對(duì)改進(jìn)前后算法進(jìn)行目標(biāo)識(shí)別對(duì)比，如下圖2所示。從圖2中可以看出改進(jìn)的Canny算子（c）圖提取的目標(biāo)受噪聲對(duì)特征的影響更小。

圖 2 不同方法提取的邊緣圖像

2.2 識(shí)別算法

目前人工智能技術(shù)在輸電線路檢測(cè)及其故障診斷方面具有廣泛的應(yīng)用，如何對(duì)預(yù)處理的圖像進(jìn)行障礙物特征的快速、準(zhǔn)確識(shí)別至關(guān)重要。本文通過(guò)提取大量樣本圖像Haar與HOG特征，再通過(guò)SVM分類識(shí)別方法建立模板特征數(shù)據(jù)庫(kù)，將巡檢機(jī)器人在運(yùn)行過(guò)程中采集到的圖像經(jīng)過(guò)上述同樣的方法處理并進(jìn)行快速特征查詢與匹配。

關(guān)于支持向量機(jī)SVM方法對(duì)大量采集的障礙目標(biāo)樣本圖像進(jìn)行訓(xùn)練，提取其特征訓(xùn)練多分類，為兼顧算法效率與準(zhǔn)確率對(duì)算法具體優(yōu)化措施如下：

（1）選取大量的不同環(huán)境下的障礙目標(biāo)物多角度、不同距離拍攝的樣本圖像作為訓(xùn)練樣本?；诔Ｓ玫能囕v與人臉識(shí)別的圖像Harr特征，再對(duì)提取圖像的HOG特征降維，只留區(qū)分性大的特征信息并保證訓(xùn)練識(shí)別的速度與效率。

（2）SVM算法核函數(shù)的優(yōu)化選取

描述決策的SVM分類函數(shù)如式（1）所示：

在式中，x和y分別是訓(xùn)練集的特征向量和類標(biāo)簽；(,x)是SVM的核函數(shù)；β是拉格朗日乘數(shù)的向量。支持向量機(jī)的性能可以通過(guò)懲罰參數(shù)“C”和核函數(shù)來(lái)評(píng)價(jià)。

（3）利用SVM算法將實(shí)現(xiàn)障礙目標(biāo)的多分類問(wèn)題，將其轉(zhuǎn)化為多目標(biāo)函數(shù)求解，文中采用決策樹的方法，通過(guò)大量的正負(fù)樣本進(jìn)行訓(xùn)練。

以上方法在一般的氣象環(huán)境下可以快速的識(shí)別出障礙目標(biāo)，但在極寒條件下，時(shí)常輸電線上的障礙目標(biāo)可能有結(jié)冰雪遮擋以及存在高反光等嚴(yán)重影響障礙目標(biāo)原有的特征信息。

可以通過(guò)結(jié)構(gòu)約束來(lái)解決，結(jié)構(gòu)約束利用分類器識(shí)別的區(qū)域分割，提取邊緣輪廓去除干擾因素后，然后擬合輪廓離散點(diǎn)的中心線。懸垂線夾由輪廓中心線和高壓線之間的橫坐標(biāo)距離通過(guò)約束條件來(lái)識(shí)別。通過(guò)對(duì)障礙物類型的檢測(cè)和識(shí)別，可以得到障礙物的具體位置，幫助巡查機(jī)器人提前做出控制策略越障，以下給出該方法檢測(cè)實(shí)物圖例如圖3所示。

圖 3 結(jié)構(gòu)約束實(shí)物目標(biāo)識(shí)別

通過(guò)簡(jiǎn)單的目標(biāo)結(jié)構(gòu)特點(diǎn)、位置識(shí)別定位與以上SVM特征分類方法結(jié)合，可以更快速、準(zhǔn)確的識(shí)別極寒條件下的輸電線上的障礙目標(biāo)，以下給出整個(gè)算法的流程圖如圖4所示。

3 結(jié)果與分析

鑒于實(shí)驗(yàn)室環(huán)境與實(shí)際環(huán)境有很大的差異，對(duì)實(shí)驗(yàn)結(jié)果有很大的影響，實(shí)驗(yàn)驗(yàn)證在室外環(huán)境進(jìn)行。下面以常見的防震錘、間隔器以及懸垂線夾三種障礙目標(biāo)為例對(duì)算法進(jìn)行驗(yàn)證，在機(jī)器人檢測(cè)到目標(biāo)后，啟動(dòng)障礙目標(biāo)識(shí)別，對(duì)實(shí)時(shí)采集的圖像預(yù)處理得到邊緣圖像，提取圖像的特征并將其輸入到SVM中訓(xùn)練分類，經(jīng)過(guò)決策樹方法識(shí)別障礙物。

目前文中機(jī)器人處于優(yōu)化設(shè)計(jì)階段，以下針對(duì)高壓輸電線路上防震錘、懸垂線線夾以及間隔器等幾種不同障礙物，通過(guò)采用輸電線機(jī)器人視頻圖像來(lái)驗(yàn)證算法是否準(zhǔn)確高效識(shí)別定位不同障礙物并越障，如下圖5所示。

從圖5中看出，上面三幅圖分別為經(jīng)過(guò)寒冷條件下未經(jīng)過(guò)優(yōu)化的SVM分類算法處理有防震錘、懸垂線夾以及間隔器的特征圖像，受到特定環(huán)境背景的影響，通過(guò)對(duì)特征圖像的檢測(cè)部分仍存在一定的檢測(cè)誤差，圖中存在誤檢區(qū)域。但通過(guò)優(yōu)化后SVM分類算法結(jié)合障礙目標(biāo)與導(dǎo)線的位置及其結(jié)構(gòu)約束能夠快速準(zhǔn)確的識(shí)別出障礙目標(biāo)。下面三幅圖根據(jù)實(shí)驗(yàn)檢測(cè)的目標(biāo)框，返回目標(biāo)框中心點(diǎn)坐標(biāo)和障礙物與攝像機(jī)之間的距離，達(dá)到智能識(shí)別越障的目標(biāo)。發(fā)現(xiàn)本文所給的輸電線路上特殊環(huán)境下檢測(cè)目標(biāo)的識(shí)別定位精確度高。

為了驗(yàn)證算法的正確性和計(jì)算實(shí)時(shí)性，選擇了3000張視頻圖像，包括1000個(gè)防震錘，1000個(gè)間隔棒和1000個(gè)懸垂線線夾，利用上述方法對(duì)樣本圖像檢測(cè)結(jié)果如表1所示。

圖 4 障礙物識(shí)別算法流程圖

圖 5 不同障礙物檢測(cè)識(shí)別

表 1 障礙目標(biāo)物檢測(cè)實(shí)驗(yàn)數(shù)據(jù)

從表1中可以看出，SVM算法與結(jié)構(gòu)約束方法可以檢測(cè)幾乎所有圖像中的目標(biāo)區(qū)域，但誤檢測(cè)較嚴(yán)重。通過(guò)優(yōu)化后的SVM算法處理分類訓(xùn)練，結(jié)合結(jié)構(gòu)約束進(jìn)一步消除誤檢區(qū)域，可以更準(zhǔn)確的對(duì)障礙目標(biāo)識(shí)別定位。三個(gè)障礙物的檢測(cè)識(shí)別率均在96%以上，達(dá)到了在極寒條件下的預(yù)期效果。

4 結(jié)論

高壓輸電線路巡檢機(jī)器人使用高壓線路地線作為工作路徑完成基本巡檢任務(wù)。本文以極寒環(huán)境下500 kv輸電線路典型障礙物為研究對(duì)象，給出利用SVM分類決策算法結(jié)合不同障礙物與導(dǎo)線位置的結(jié)構(gòu)性約束實(shí)現(xiàn)高壓輸電線路上不同障礙物的精準(zhǔn)定位識(shí)別的方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的正確性和有效性。實(shí)驗(yàn)結(jié)果初步表明：對(duì)防震錘、間隔器以及懸垂線夾三種障礙物的檢測(cè)識(shí)別率均達(dá)到96%以上，取得了預(yù)期效果。鑒于目前的實(shí)驗(yàn)室設(shè)備和數(shù)據(jù)規(guī)模，本文仍處于早期階段，在此基礎(chǔ)上，逐步改進(jìn)和完善將成為下一步工作的重點(diǎn)。

[1] 羅朝祥,萬(wàn)華艦,羅文博,等.輸電線路導(dǎo)線覆冰圖像處理與識(shí)別技術(shù)[J].中國(guó)電力,2014,47(9):132-136

[2] 彭向陽(yáng),錢金菊,麥曉明,等.大型無(wú)人直升機(jī)電力線路全自動(dòng)巡檢技術(shù)及應(yīng)用[J].南方電網(wǎng)技術(shù),2016,10(2):24-31

[3] 史帥彬,汪清,俞龍飛,等.基于配網(wǎng)功率預(yù)估的輸配網(wǎng)全局潮流計(jì)算[J].電測(cè)與儀表,2018,55(18):44-49

[4] Azumaya CM, Days EL, Vinson PN,. Screening for AMPA receptor auxiliary subunit specific modulators [J]. PLoS ONE, 2017,12(3):1523-1538

Study on the Key Technology of Routing Inspection for Transmission Line by Robot under an Extremely Cold Environment

GAO Chun-hui1, LI Fang2, MI Li-peng1, WANG Ze-yu3

1.010020,2.528300,3.028000,

There are some problems such as complex operating environment, large and diverse sensor information and low obstacle surmounting efficiency.Based on the 500 kV transmission lines under the condition of cold typical obstacles as the research object, put forward a kind of pretreatment of the technology of image processing to extract target feature, machine learning classification SVM classification decision algorithm, then combined with structural constraints which can efficiently and accurately identify high voltage transmission line obstacles, and through the accuracy and validation.The results show that the algorithm can accurately identify and locate obstacles such as shockproof hammers, which provides a reference for the development of intelligent robot patrol technology of high-voltage transmission lines in China.

High voltage transmission line; robot inspection

TM755

A

1000-2324(2020)03-0525-04

10.3969/j.issn.1000-2324.2020.03.028

2019-01-05

2019-03-06

高春輝(1972-),男,碩士,高級(jí)工程師,主要研究方向?yàn)殡姎夤こ? E-mail:zhang2016128@163.com