電力巡檢智能缺陷檢測(cè)

柯珂　冷悅　鄭克勇

摘要：隨著我國經(jīng)濟(jì)的不斷發(fā)展，各行各業(yè)對(duì)用電的需求越來越大，為了保障輸電線路的安全、可靠運(yùn)行，國家電網(wǎng)會(huì)定期對(duì)輸電線路以及變電系統(tǒng)進(jìn)行巡檢、維修以及維護(hù)老確保消除故障或者隱患。傳統(tǒng)的人工巡檢勞動(dòng)強(qiáng)度大、效率低，在高壓線路檢查作業(yè)時(shí)存在危險(xiǎn)，并且對(duì)荒山、峽谷等地的輸電線路無能為力。運(yùn)用直升機(jī)/無人機(jī)搭載高分相機(jī)對(duì)輸電線路進(jìn)行航空攝影，并對(duì)影像進(jìn)行檢測(cè)能有效提高檢測(cè)效率、減少危險(xiǎn)，并且可以對(duì)危險(xiǎn)地區(qū)的輸電線路進(jìn)行檢測(cè)。本論文中我們利用編程語言Python作為工具，設(shè)計(jì)圖像分割算法，對(duì)絕緣子串珠所在的區(qū)域進(jìn)行分割，并且根據(jù)分割圖像初步識(shí)別絕緣子所在的位置。

關(guān)鍵詞：絕緣子? 深度學(xué)習(xí)? Python? 圖像分割

1 引言

作為電力系統(tǒng)中不可或缺的部件，絕緣子具有電絕緣和機(jī)械支撐的雙重作用。絕緣子裂縫，表面污染和損壞等故障極有可能危害電力系統(tǒng)的安全運(yùn)行，造成巨大的經(jīng)濟(jì)損失和人員傷亡，因此絕緣子狀態(tài)監(jiān)測(cè)具有很重要的現(xiàn)實(shí)意義。絕緣子是一種特殊的絕緣部件，用于防止輸電線路與地面連接成接地通道導(dǎo)致輸電線路短路。由于絕緣子長期處于惡劣的自然環(huán)境中，所以經(jīng)常會(huì)出現(xiàn)破損故障，如何及時(shí)識(shí)別出絕緣子破損對(duì)輸電線路的安全十分重要。

2 模型的建立

FCN由特征提取網(wǎng)絡(luò)層、反卷積層、Softmax層構(gòu)成。FCN模型通過卷積層提取特征，反卷積層對(duì)最后一個(gè)卷積層的特征圖進(jìn)行上采樣，Softmax層獲得二分類結(jié)果，達(dá)到圖像像素級(jí)分割。傳統(tǒng)FCN模型的訓(xùn)練中，固定特征提取網(wǎng)絡(luò)中的卷積層參數(shù)，使用日常物體數(shù)據(jù)集PASCAL VOC 2011對(duì)反卷積層的參數(shù)微調(diào)訓(xùn)練。直接使用遙感圖像訓(xùn)練FCN模型容易導(dǎo)致網(wǎng)絡(luò)模型過擬合，DC-DNN中在VGG-16模型基礎(chǔ)上進(jìn)行調(diào)整獲得FCN模型。訓(xùn)練集中圖像樣本均為64×64×3大小，故訓(xùn)練時(shí)輸入設(shè)定為64×64×3，由于沒有全連接層的限制，F(xiàn)CN可以適應(yīng)任意大小的輸入，測(cè)試時(shí)將整張圖像輸入進(jìn)FCN中即可獲得原圖大小的預(yù)測(cè)圖。首先固定VGG-16中所有卷積層（Conv1_1到Conv5_3），去掉VGG-16模型中的Softmax層，將全連接層變成相應(yīng)的反卷積層（Conv6，Conv7，Conv8），并使用跳躍結(jié)構(gòu)對(duì)最后一層卷積層進(jìn)行逐級(jí)上采樣（Deconv1，Deconv2，Deconv3），獲得Conv8的32倍上采樣結(jié)果Deconv3，Deconv3后并加入Softmax層執(zhí)行二分類，獲得原圖對(duì)應(yīng)的像素級(jí)預(yù)測(cè)，考慮到相鄰像素點(diǎn)之間的類別應(yīng)相似，對(duì)Softmax的分類結(jié)果進(jìn)行膨脹、腐蝕操作，使最終結(jié)果更加平滑、精確，即獲得最終分割圖。訓(xùn)練時(shí)固定卷積層和全連接層參數(shù)，進(jìn)行反卷積層的微調(diào)訓(xùn)練。FCN的模型公式如下：

3 模型的求解

圖像分割的原理解釋：圖像分割是按照一定的規(guī)則把圖像劃分成若干個(gè)互不相交、具有一定性質(zhì)的區(qū)域，把人們關(guān)注的部分從圖像中提取出來，進(jìn)一步加以研究分析和處理。圖像分割的結(jié)果是圖像特征提取和識(shí)別等圖像理解的基礎(chǔ)，對(duì)圖像分割的研究一直是數(shù)字圖像處理技術(shù)研究中的熱點(diǎn)和焦點(diǎn)。圖像分割使得其后的圖像分析，識(shí)別等高級(jí)處理階段所要處理的數(shù)據(jù)量大大減少，同時(shí)又保留有關(guān)圖像結(jié)構(gòu)特征的信息。圖像分割在不同的領(lǐng)域也有其它名稱，如目標(biāo)輪廓技術(shù)、目標(biāo)檢測(cè)技術(shù)、閾值化技術(shù)、目標(biāo)跟蹤技術(shù)等，這些技術(shù)本身或其核心實(shí)際上也就是圖像分割技術(shù)。

常用方法有如下幾點(diǎn)：

閾值分割：對(duì)圖像進(jìn)行度量，設(shè)置不同類別的閾值，達(dá)到分割目的。

邊緣分割：對(duì)圖像邊緣進(jìn)行檢測(cè)，即即檢測(cè)圖像中灰度值放生跳變的地方，則為一片區(qū)域的邊緣。

以上分割方法都是基于聚類分析，小波變換的理論完成圖像分割。代碼運(yùn)行的部分結(jié)果如下圖：

根據(jù)我們建立的模型可以分析出，對(duì)圖像中的自爆絕緣子位置進(jìn)行檢測(cè)，并利用BoundingBox 對(duì)其進(jìn)行標(biāo)記如下：

4 結(jié)論

實(shí)驗(yàn)分析表明，本文算法可有效定位復(fù)雜背景下遙感影像中任意角度的絕緣子，剔除了絕大部分背景，有助于為下一步絕緣子缺陷檢測(cè)排除干擾。但是算法存在對(duì)于密集小目標(biāo)會(huì)出現(xiàn)漏檢、檢測(cè)精度低的問題，因此算法的可靠性距離工程實(shí)際應(yīng)用的需求仍然有差距，后期如何提高算法的穩(wěn)定性將是主要的研究方向。在此次解題的過程當(dāng)中，我們明白了可以運(yùn)用計(jì)算機(jī)進(jìn)行數(shù)據(jù)挖掘和科學(xué)計(jì)算，并能夠?qū)⑽覀兊乃惴ㄟ\(yùn)用到更多的實(shí)際問題之中。如：每塊太陽板之間均存在明顯的間隙，就可以實(shí)現(xiàn)分割。具體的做法是檢測(cè)所有的直線，并將其涂黑，這樣二值化時(shí)，太陽板中心為白，邊緣為黑，太陽板的輪廓自然會(huì)凸顯出來，即可進(jìn)行分割。希望這個(gè)算法思想能夠在更多的領(lǐng)域廣泛應(yīng)用。

參考文獻(xiàn)

[1]蟻群算法在文字識(shí)別中的應(yīng)用研究[J].古婷婷.信息與電腦（理論版）.2019（22）.

[2]基于深度學(xué)習(xí)的視覺跟蹤算法研究綜述[J].賈靜平，覃亦華.計(jì)算機(jī)科學(xué).2017（S1）.

[3]基于師生交流機(jī)制的改進(jìn)類電磁機(jī)制算法[J].吳擎，徐惟罡，張春江.計(jì)算機(jī)集成制造系統(tǒng).2018（07）.