輸電線路缺陷無人機(jī)圖像識別技術(shù)應(yīng)用

張利

（中國石化集團(tuán)勝利石油管理局有限公司電力分公司，山東 東營 257000）

0 引言

基于無人機(jī)圖像識別技術(shù)的應(yīng)用，對輸電線路的缺陷分析與處理效果提升方面有積極作用。隨著電力需求的逐漸增加，電網(wǎng)規(guī)模也在逐漸擴(kuò)大，輸電線路的缺陷對輸電穩(wěn)定性會產(chǎn)生直接的影響，因此，定期對輸電線路進(jìn)行巡檢與分析處理，可保證輸電線路的穩(wěn)定性[1]。但是，由于輸電線路的布設(shè)地形比較復(fù)雜，交通不便，巡檢人員的安全保障比較低，因此，通過無人機(jī)圖像識別技術(shù)的應(yīng)用，對輸電線路缺陷問題進(jìn)行識別與分析，該技術(shù)的應(yīng)用具有操作性以及靈活性，可提高輸電線路缺陷識別與分析水平[2]。

1 無人機(jī)圖像識別技術(shù)概述

1.1 概念

無人機(jī)圖像識別技術(shù)的應(yīng)用，則是在無線通信鏈路的基礎(chǔ)上，對數(shù)據(jù)傳輸過程進(jìn)行優(yōu)化，在識別過程中，包含無人機(jī)飛行控制、數(shù)據(jù)管理等內(nèi)容[3]。無人機(jī)在飛行后，從地面到高壓輸電塔之間進(jìn)行控制，并對巡視目標(biāo)進(jìn)行識別與分析，在巡視結(jié)束后，返回地面，結(jié)束分析處理任務(wù)。數(shù)據(jù)管理是無人機(jī)飛行到巡檢目標(biāo)時，可通過采集數(shù)據(jù)分析，對數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲、數(shù)據(jù)清除等方面進(jìn)行分析，從而實(shí)現(xiàn)無人機(jī)圖像識別分析水平提升。無線通信鏈路可對無人機(jī)飛行狀態(tài)、圖像信息等進(jìn)行數(shù)據(jù)整合，對不同數(shù)據(jù)進(jìn)行分類與處理的基礎(chǔ)上，提高數(shù)據(jù)信息的綜合處理水平。通過對無人機(jī)實(shí)時傳輸?shù)耐ㄐ盘幚?，可對輸電線路巡檢數(shù)據(jù)進(jìn)行采集與處理，可實(shí)現(xiàn)圖像數(shù)據(jù)傳輸與圖像識別分析[4]。

1.2 系統(tǒng)組成

無人機(jī)圖像識別技術(shù)的應(yīng)用，則是在智能巡檢與分析處理的角度，對實(shí)時數(shù)據(jù)進(jìn)行分析，并對圖像的缺陷位置進(jìn)行標(biāo)注，通過對數(shù)據(jù)結(jié)果與原始圖像數(shù)據(jù)進(jìn)行備份與處理，可實(shí)現(xiàn)無人機(jī)圖像識別與分析水平提升[5]。無人機(jī)圖像識別與分析中，其中包含視頻傳輸、圖像傳輸兩大功能模塊，無人機(jī)搭載高清相機(jī)以及圖傳模塊發(fā)射端，地面工作終端則是圖傳模塊接收端、4G傳輸模塊，通過無人機(jī)圖像識別系統(tǒng)的搭建，可利用深度卷積神經(jīng)網(wǎng)絡(luò)算法，對圖像數(shù)據(jù)進(jìn)行預(yù)處理分類識別。在對圖像缺陷進(jìn)行分析與處理的基礎(chǔ)上，可對識別結(jié)果進(jìn)行分析與處理，為輸電線路缺陷識別提供依據(jù)[6]。與此同時，對圖像結(jié)果以及原始圖像數(shù)據(jù)進(jìn)行備份，并利用4G網(wǎng)絡(luò)對圖像數(shù)據(jù)進(jìn)行分析，將其發(fā)送到控制中心，從而達(dá)到輸電線路缺陷辨認(rèn)與分析處理的目的[7]。

2 輸電線路缺陷無人機(jī)圖像識別技術(shù)實(shí)踐要點(diǎn)

2.1 輸電線路缺陷識別

輸電線路缺陷識別可采用層次化特征的表達(dá)方式，對輸電線路的數(shù)據(jù)傳輸進(jìn)行計算，在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，可對圖像缺陷位置進(jìn)行識別，如果存在圖像數(shù)據(jù)缺失的情況，可通過缺陷數(shù)據(jù)進(jìn)行標(biāo)注，將有問題的圖像結(jié)果反饋到人機(jī)交互界面。在此基礎(chǔ)上，深度學(xué)習(xí)的輸電線路缺陷圖像識別與分析，重點(diǎn)是對被識別圖像的識別點(diǎn)進(jìn)行提取與處理，并通過制作樣本數(shù)據(jù)，對訓(xùn)練的數(shù)據(jù)集進(jìn)行對比分析，分析輸電線路的實(shí)際應(yīng)用與運(yùn)行情況。

（1）對圖像數(shù)據(jù)進(jìn)行處理，建立數(shù)據(jù)集合空間。

（2）Faster-Rcnn的模型訓(xùn)練，在對標(biāo)簽的數(shù)據(jù)輸入進(jìn)行訓(xùn)練與分析的基礎(chǔ)上，采用隨機(jī)梯度處理的方式，對數(shù)據(jù)信息的迭代處理過程進(jìn)行優(yōu)化，完成多目標(biāo)識別分析任務(wù)。

（3）Fastrer-Rcnn模型測試與修正，在對相關(guān)數(shù)據(jù)進(jìn)行分析與處理的基礎(chǔ)上，可對數(shù)據(jù)以及訓(xùn)練參數(shù)等進(jìn)行調(diào)整，達(dá)到模型分析與信息處理的目的。

（4）輸電線路缺陷分類分析，對輸電線路的缺陷問題、正常數(shù)據(jù)等進(jìn)行分析，并對缺陷圖片進(jìn)行標(biāo)注，在建立訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集的基礎(chǔ)上，可通過輸電線路的數(shù)據(jù)傳輸與信息處理，滿足輸電線路的缺陷識別分析需求。

（5）訓(xùn)練輸電線路缺陷分類器，并對訓(xùn)練樣本數(shù)據(jù)訓(xùn)練分類器進(jìn)行綜合處理，在輸電線路分類識別與處理的基礎(chǔ)上，可滿足輸電線路缺陷識別與分析的需求。

（6）對輸電線路缺陷分類進(jìn)行測試與修正，并對測試數(shù)據(jù)的準(zhǔn)確率進(jìn)行檢驗(yàn)。結(jié)合搭建的多目標(biāo)識別模型，對輸電線路缺陷分類過程進(jìn)行優(yōu)化，通過模型參數(shù)更新與數(shù)據(jù)分析處理，可對輸電線路缺陷的數(shù)據(jù)訓(xùn)練樣本進(jìn)行綜合分析。在現(xiàn)有的識別圖片分析中，可在原有模型的基礎(chǔ)上，對不同分類數(shù)據(jù)進(jìn)行識別與分析，通過缺陷分類與檢驗(yàn)，實(shí)現(xiàn)輸電線路缺陷識別準(zhǔn)確性提升。

2.2 模型

多目標(biāo)物體識別分析中，可通過Faster-Rcnn算法對無人機(jī)巡檢圖片識別進(jìn)行分析，并實(shí)現(xiàn)輸電線路缺陷的有效控制。在實(shí)際應(yīng)用中，模型操作步驟如下：

（1）利用卷積神經(jīng)網(wǎng)絡(luò)對輸電線路缺陷圖片的卷積特征進(jìn)行提取。

（2）利用Region Rroposal Network提取輸電線路缺陷信息的處理與檢驗(yàn)。

（3）在對輸電線路缺陷圖像進(jìn)行處理中，可從原始圖片卷積特征中提取特征向量，并對不同特征數(shù)據(jù)進(jìn)行分析，可對矩形區(qū)域的坐標(biāo)及信息處理過程進(jìn)行完善，從而提高多目標(biāo)識別分析的準(zhǔn)確性[8]。

卷積神經(jīng)網(wǎng)絡(luò)模型的搭建，則是對卷積操作以及池化操作過程進(jìn)行控制，輸入數(shù)字圖像后，對卷積層、池化層進(jìn)行處理，通過網(wǎng)絡(luò)模型對圖像數(shù)據(jù)的參數(shù)處理，按照3＊3卷積核在5＊5的圖像上進(jìn)行卷積操作，通過特征提取與數(shù)據(jù)分析處理，降低位移變形的敏感程度。深層卷積神經(jīng)網(wǎng)絡(luò)的搭建，可通過輸出向量分析與信息處理，達(dá)到輸電線路缺陷識別與分析的目的。輸電線路缺陷分類與識別，可在多目標(biāo)識別與檢驗(yàn)的基礎(chǔ)上，對輸電線路缺陷圖像的特征向量進(jìn)行映射處理，并通過分類輸出向量檢驗(yàn)與處理，對輸入圖像以及神經(jīng)網(wǎng)絡(luò)計算等方面進(jìn)行優(yōu)化，提高輸電線路的缺陷識別處理水平。

2.3 實(shí)驗(yàn)

輸電線路缺陷無人機(jī)圖像識別技術(shù)的應(yīng)用，則是在圖像識別以及智能巡檢分析的視角下，對智能巡檢平臺進(jìn)行綜合控制，從而滿足輸電線路缺陷分析與處理的需求。因此，無人機(jī)圖像識別技術(shù)在實(shí)際應(yīng)用中，可對輸電線路缺陷圖像進(jìn)行快速識別。為檢驗(yàn)技術(shù)應(yīng)用的水平，采用1000張無人機(jī)航拍圖像識別分析處理的方式進(jìn)行分析，其中包含20類輸電物體、設(shè)備的圖像，每個物體可發(fā)現(xiàn)有25張有缺陷、無缺陷的圖像。在進(jìn)行實(shí)驗(yàn)分析的過程中，識別輸電線路缺陷診斷的設(shè)備以及缺陷類型、缺陷位置等內(nèi)容。在進(jìn)行實(shí)驗(yàn)分析中，結(jié)果表明，利用Faster-Rcnn的多目標(biāo)物體識別算法，可對輸電線路的不同設(shè)備進(jìn)行分類識別與處理，而且，具有識別精度高、效率快的特征。一張2400萬像素的高清圖片的處理，可通過Nvidia TitanX實(shí)現(xiàn)快速處理，處理的時間為0.4s左右。利用ImasgeNet完成不同物體的分類識別，其精度為85%。在現(xiàn)有的實(shí)驗(yàn)條件下，對輸電線路的識別與處理的精度為83%。為實(shí)現(xiàn)缺陷定位，可采用深度殘差神經(jīng)網(wǎng)絡(luò)的方式，對絕緣子破裂、銷釘缺失等問題進(jìn)行識別，其識別精度為75%。因此，不同特征的缺陷，其具有較高的精度，而且，在對輸電線路缺陷進(jìn)行處理中，可對輸電線路裂紋、燒傷等缺陷進(jìn)行識別與分析，其識別精度分別為45%、37%。通過深度卷積神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用，可提高無人機(jī)圖像識別效率及精度，降低人工識別輸電線路缺陷圖像的工作量，進(jìn)一步提高輸電線路的巡視效率及質(zhì)量。

3 結(jié)語

無人機(jī)圖像識別技術(shù)在輸電線路缺陷分析中的應(yīng)用，可利用深度卷積神經(jīng)網(wǎng)絡(luò)算法，對輸電設(shè)備缺陷識別進(jìn)行分析。輸電線路中的圖像信息識別是在Faster-Rcnn算法的應(yīng)用下，對圖像識別、輸電處理過程等進(jìn)行信號檢驗(yàn)與分析，以此保證輸電線路的缺陷識別水平。無人機(jī)圖像識別技術(shù)的應(yīng)用，則是在輸電線路缺陷識別與分析處理的基礎(chǔ)上，對輸電線路缺陷的圖像處理過程、缺陷圖像分析等方面進(jìn)行優(yōu)化，滿足輸電線路缺陷識別與分析的綜合需求?；谏疃染矸e神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用，可對輸電線路的不同缺陷進(jìn)行分類，并對不同缺陷進(jìn)行分類與識別，滿足輸電線路缺陷識別分析需求。