安徽理工大學(xué)電氣與信息工程學(xué)院 張卿洪
近年來,隨著高壓輸電線路越來越廣泛地被應(yīng)用,輸電線路上的故障檢測實(shí)時(shí)性就會受到影響。受光照強(qiáng)度等多種自然條件因素制約,傳統(tǒng)人工巡檢方式會出現(xiàn)很多問題:不僅費(fèi)時(shí)費(fèi)力,還會導(dǎo)致圖像故障判斷錯(cuò)誤或者漏判。伴隨著深度學(xué)習(xí)的不斷發(fā)展,通過操縱無人機(jī)搭載攝像機(jī)實(shí)現(xiàn)輸電線路重要部件的識別檢測將成為智能電網(wǎng)電力巡檢的主流趨勢。本文介紹了輸電線路的關(guān)鍵部件的作用以及部件可能出現(xiàn)的故障,輸電線路部件的多種檢測方法,和輸電線路數(shù)據(jù)集的獲取與擴(kuò)充,最后總結(jié)了無人機(jī)巡檢輸電線路并采集圖像,通過深度學(xué)習(xí)進(jìn)行關(guān)鍵部件檢測的現(xiàn)實(shí)意義。
如今,刮風(fēng)、下雨、打雷等自然災(zāi)害時(shí)有發(fā)生,使得城市輸電線路不斷發(fā)生故障,造成城市大面積線路故障跳閘,影響人們的正常生活。但是由于地形的復(fù)雜,天氣的影響,人工巡檢很不現(xiàn)實(shí)。所以用無人機(jī)巡檢使接下來的搶修工作更方便高效。
通過無人機(jī)可以采集到大量輸電線路的圖像,這些圖像如果僅靠人眼識別判斷,不僅費(fèi)時(shí)費(fèi)力,還會因?yàn)槿搜坶L時(shí)間看圖造成疲勞,導(dǎo)致圖像故障判斷錯(cuò)誤或者漏判,影響檢修過程。將機(jī)器視覺技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的技術(shù)可以識別出圖像中的部件,以及具體位置,在極大減少人工識別主觀判斷的錯(cuò)誤率的同時(shí),還擴(kuò)寬了機(jī)器識別的視野,能夠?qū)崟r(shí)監(jiān)控輸電線路狀況。因此,提取無人機(jī)采集到的圖像并通過神經(jīng)網(wǎng)絡(luò)處理圖像進(jìn)行定位識別檢測,這是我國以及全世界電網(wǎng)巡檢的趨勢。
絕緣子的功能:電氣絕緣和支撐導(dǎo)線,在過電壓作用下,不容易發(fā)生故障;在輸電線路中,能承受住導(dǎo)線的荷重和拉力。
絕緣子會發(fā)生的故障:當(dāng)雨季來臨時(shí),絕緣子絕緣性降低,因而當(dāng)受熱時(shí)會膨脹炸裂;遇到外力時(shí)使絕緣子破損。
輸電線路中,防震錘可以減弱或消除導(dǎo)線的振動(dòng)。
所以它的主要作用是為了防止風(fēng)力破壞金具、線路絕緣子以及防止線路斷股或斷裂,保證輸電線路的安全。
因?yàn)榉勒疱N采用傳統(tǒng)的螺桿螺母連接固定在輸電線路上,難免會遇到螺桿出現(xiàn)松動(dòng)的情況,使防震錘發(fā)生松動(dòng)、脫落,導(dǎo)致防震效果降低,影響導(dǎo)線的使用壽命。
均壓環(huán)的作用是電壓分布平均。均壓環(huán)故障主要是均壓環(huán)脫落,由于均壓環(huán)是通過一個(gè)螺栓環(huán)來固定在整個(gè)絕緣子上,在供電線路長期正常運(yùn)行中,如果螺栓安裝不緊固或刮風(fēng)使均壓環(huán)脫落。
SSD運(yùn)行速度很快,它只需要對圖像進(jìn)行一次處理即可檢測識別到多目標(biāo)。SSD的檢測的基礎(chǔ)網(wǎng)絡(luò)是VGGNet,但由于它的結(jié)構(gòu)比較簡單,提取特征的能力不太強(qiáng),對輸電線路關(guān)鍵部件的識別不是很準(zhǔn)確。李偉性等人將SSD結(jié)構(gòu)中原有的VGGNet替換為ResNet網(wǎng)絡(luò),使網(wǎng)絡(luò)的深度增加,從而提高了檢測準(zhǔn)確度。改進(jìn)的SSD算法不僅替換了VGGNet網(wǎng)絡(luò),并通過比較絕緣子和缺陷絕緣子部位的位置關(guān)系,計(jì)算IOU并進(jìn)行判斷,提高了缺陷位置檢測的穩(wěn)定性。
YOLOV4作為目前最先進(jìn)的實(shí)時(shí)目標(biāo)檢測方法之一,其采用DarkNet網(wǎng)絡(luò)構(gòu)建了CSPDarkNet-53特征提取網(wǎng)絡(luò),增強(qiáng)了模型的特征學(xué)習(xí)能力,降低了對計(jì)算內(nèi)存的要求.YOLOv4的目標(biāo)檢測流程圖如圖1所示。
圖1 YOLOv4目標(biāo)檢測流程圖
鄭偉等人根據(jù)無人機(jī)拍攝下輸電線路目標(biāo)圖像的特征,對YOLOv4進(jìn)行改進(jìn),結(jié)合了MobileNet重新設(shè)計(jì)了一種輕量的特征提取網(wǎng)絡(luò)來獲取更高的特征提取效率,利用空洞模塊增強(qiáng)感受野減少小目標(biāo)的信息損失;在特征融合模塊中添加自適應(yīng)路徑網(wǎng)絡(luò),得到更高的準(zhǔn)確率?;赮OLOv4改進(jìn)的網(wǎng)絡(luò)能夠在無人機(jī)機(jī)載端實(shí)現(xiàn)實(shí)時(shí)多尺度目標(biāo)檢測,模型的平均準(zhǔn)確率很高,檢測速度也很高,能夠滿足無人機(jī)嵌入式平臺上實(shí)時(shí)檢測的需求。
傳統(tǒng)的YOLOv3屬于Anchor-Base單步目標(biāo)檢測方法,即由骨干網(wǎng)絡(luò)提取特征,再由檢測網(wǎng)絡(luò)進(jìn)行分類與定位,采用的是端對端的檢測。YOLOv3算法的檢測流程圖如圖2所示。
圖2 YOLOv3算法的檢測流程
YOLOv3是采用相互級聯(lián)的殘差網(wǎng)絡(luò)加深了網(wǎng)絡(luò)結(jié)構(gòu)層數(shù),檢測速度很快,但是算法適用性不廣泛,如對小目標(biāo)的檢測不精準(zhǔn)。為了解決這一問題,翁智等人用Res2Net殘差模塊代替原有的殘差模塊,使網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)更加豐富,提高了網(wǎng)絡(luò)對小目標(biāo)的檢測的精度。但由于Res2Net殘差模塊減少了的網(wǎng)絡(luò)深度,對目標(biāo)的特征提取能力有所影響,最后通過知識蒸餾的方式使檢測精度提升。
由于現(xiàn)在的數(shù)據(jù)集中并沒有輸電線路部件這個(gè)分類,所以需要自行構(gòu)建數(shù)據(jù)集,主要可以通過無人機(jī)航拍和網(wǎng)站搜索獲取輸電線路典型部件的圖像數(shù)據(jù)。數(shù)據(jù)集中的圖像并不是單一存在的,有的圖像包含很多類的目標(biāo),為保障數(shù)據(jù)集的廣泛性,收集到的數(shù)據(jù)集應(yīng)包含多種復(fù)雜且廣泛的背景、不同的天氣狀況、不同光照強(qiáng)度、不同拍照角度、不同大小尺寸、不同遮擋條件的圖片。
在制作數(shù)據(jù)集時(shí),我們可以用Labellmg軟件標(biāo)注數(shù)據(jù)集。信息標(biāo)注的目的是為了在原始圖像中能夠根據(jù)標(biāo)注信息找到目標(biāo)物體的位置和類別。
數(shù)據(jù)量的不足可能導(dǎo)致深度神經(jīng)網(wǎng)絡(luò)沒有訓(xùn)練出準(zhǔn)確的模型,導(dǎo)致傳輸線元件檢測泛化性能較差,難以準(zhǔn)確檢測,因此要對數(shù)據(jù)進(jìn)行擴(kuò)充。且研究表明,對數(shù)據(jù)進(jìn)行擴(kuò)充,比全部使用采集圖像制作數(shù)據(jù)集更能防止過擬合現(xiàn)象。主要采用圖像多角度翻轉(zhuǎn)、圖像亮度增強(qiáng)、圖像垂直拉伸以及裁剪圖像大小等方法擴(kuò)充。
近年來,將無人機(jī)技術(shù)用于電路巡檢越來越受歡迎,深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測上取得了顯著的進(jìn)步,有很多用于組件識別訓(xùn)練的模型在更復(fù)雜的背景下具有優(yōu)異的魯棒性,可以結(jié)合樣本擴(kuò)充和深度學(xué)習(xí)方法應(yīng)用于電網(wǎng)識別系統(tǒng),能實(shí)時(shí)準(zhǔn)確地檢測,更好的地應(yīng)用到相關(guān)電氣工業(yè)領(lǐng)域。
將無人機(jī)和深度學(xué)習(xí)技術(shù)相結(jié)合運(yùn)用到檢測輸電線路關(guān)鍵部件有著深遠(yuǎn)的意義,既解決了人工巡檢可能造成的不安全性問題,又提高了檢測速度,可以方便工作人員更加快速的展開維修工作,對輸電線路系統(tǒng)的安全運(yùn)行有著重要意義。