基于關(guān)鍵點(diǎn)識(shí)別的避雷器安裝效果檢測(cè)方法

黃 玲，趙 鍇，李繼東，沈 洋，余 謙，韓譯鋒

(1.國家電網(wǎng)北京電力公司豐臺(tái)供電局，北京 100073；2.國網(wǎng)北京延慶供電公司,北京 102100；3.浙江大學(xué)電氣工程學(xué)院，浙江 杭州 310027)

0 引 言

電力行業(yè)作為支持國民生產(chǎn)、生活的重要行業(yè)，需要嚴(yán)格的現(xiàn)場(chǎng)監(jiān)督與驗(yàn)收以確保電力施工的質(zhì)量。在配電網(wǎng)施工現(xiàn)場(chǎng)，每個(gè)關(guān)系到電力系統(tǒng)正常運(yùn)行的設(shè)備從搬運(yùn)、安放到安裝都有嚴(yán)格的規(guī)范。使用人工監(jiān)理模式雖然能在很大程度上監(jiān)控現(xiàn)場(chǎng)的施工狀況，但耗費(fèi)了大量的人力物力。隨著視頻智能監(jiān)控技術(shù)的發(fā)展，通過圖像識(shí)別技術(shù)判斷施工的規(guī)范性逐漸成為研究探索的新方向。在圖像目標(biāo)檢測(cè)領(lǐng)域中，關(guān)鍵點(diǎn)識(shí)別技術(shù)多用于人臉、人體行為等識(shí)別任務(wù)，很少有算法將關(guān)鍵點(diǎn)技術(shù)與對(duì)物體的識(shí)別任務(wù)相結(jié)合[1]。為此，本文采用關(guān)鍵點(diǎn)檢測(cè)技術(shù)來定位設(shè)備安放細(xì)節(jié)，從而判定設(shè)備安裝是否規(guī)范[2-3]。以避雷器為例，通過對(duì)圖像中設(shè)備狀態(tài)的判斷，確認(rèn)避雷器安裝是否符合規(guī)范。

1 研究背景

避雷器作為電力系統(tǒng)中的一個(gè)重要元件，連接在電網(wǎng)導(dǎo)線和地面之間，用于保護(hù)電氣設(shè)備免受瞬態(tài)過電壓的影響，并限制持續(xù)時(shí)間。由于避雷器內(nèi)部構(gòu)造特殊，在避雷器安裝過程中，應(yīng)嚴(yán)格遵守安裝規(guī)定，將避雷器正確地安裝在預(yù)置位，否則會(huì)使避雷器無法實(shí)現(xiàn)相應(yīng)的功能。本文重點(diǎn)關(guān)注避雷器施工過程中安裝的牢固程度、連接的可靠程度以及上端引流線是否連接妥當(dāng)。根據(jù)避雷器安裝及日常運(yùn)維管理規(guī)定：避雷器要求安裝牢固、引流線要短而直、連接不能過緊也不能過松。所以，本文重點(diǎn)關(guān)注避雷器施工過程中安裝的牢固程度、連接的可靠程度以及上端引流線連接是否妥當(dāng)?shù)取?/p>

避雷器如圖1所示，避雷器規(guī)范安裝后要求引線與避雷器本體在同一條直線上，所以，判定避雷器本體部位與頭部引流線之間的關(guān)系是施工驗(yàn)收的重點(diǎn)。避雷器安裝示意如圖2所示。圖2(a)中，引線部分與避雷器本體之間傾斜角度相差過大，可能會(huì)出現(xiàn)安裝不牢固等問題，故判定為錯(cuò)誤安裝；圖2(b)中，避雷器引線部分與本體之間斜率相差不大的情況，判定為正確安裝。

圖1 避雷器示意圖

圖2 避雷器安裝示意圖

在圖像處理領(lǐng)域發(fā)展過程中，目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺領(lǐng)域發(fā)展過程中最為重要的一項(xiàng)組成部分。圖像領(lǐng)域的目標(biāo)檢測(cè)算法能夠自動(dòng)檢測(cè)出圖像中的目標(biāo)對(duì)象，將所關(guān)注的對(duì)象自動(dòng)框出并給出具體的目標(biāo)位置。然而，檢測(cè)框只能框出固定的矩形區(qū)域，無法對(duì)目標(biāo)的細(xì)節(jié)點(diǎn)進(jìn)行智能捕捉。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，關(guān)鍵點(diǎn)檢測(cè)技術(shù)逐步成為研究熱點(diǎn)，尤其以人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)的發(fā)展最為迅速[4-5]。通過對(duì)人體關(guān)鍵點(diǎn)位置的智能捕捉，利用這些關(guān)鍵點(diǎn)信息來聯(lián)合判斷人體的姿態(tài)。目前已有的人體關(guān)鍵點(diǎn)識(shí)別技術(shù)有很多，卷積姿態(tài)機(jī)(Convolutional Pose Machines, CPM)[6]技術(shù)是卡耐基梅隆大學(xué)早期開發(fā)的識(shí)別人體姿態(tài)的算法框架。隨后，卡耐基梅隆大學(xué)又提出open-pose[7]人體關(guān)鍵點(diǎn)檢測(cè)算法，利用自下而上的方法檢測(cè)關(guān)鍵點(diǎn)，不僅在準(zhǔn)確率上有所提高，還實(shí)現(xiàn)了多人的關(guān)鍵點(diǎn)檢測(cè)。上海交通大學(xué)開發(fā)了Alpha-pose系統(tǒng)，在準(zhǔn)確率得到進(jìn)一步提高[8]。人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)幫助計(jì)算機(jī)判斷人的行動(dòng)、姿態(tài)等信息，除了上述人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)外，Mask-RCNN[9]的提出推動(dòng)了物體關(guān)鍵點(diǎn)檢測(cè)技術(shù)的發(fā)展。本文所提出的任務(wù)需要對(duì)避雷器安裝時(shí)的具體部位細(xì)節(jié)進(jìn)行判斷。本文所提出的算法是對(duì)安裝后的避雷器的幾個(gè)具體部位進(jìn)行定位并判斷安裝是否正確，在基于Mask-RCNN關(guān)鍵點(diǎn)的識(shí)別技術(shù)基礎(chǔ)上，針對(duì)電力施工現(xiàn)場(chǎng)的設(shè)備(以避雷器為例)安裝規(guī)范，開發(fā)出一種基于物體關(guān)鍵點(diǎn)識(shí)別的電力施工現(xiàn)場(chǎng)避雷器安裝效果檢測(cè)分析算法。使用手機(jī)端采集圖像，用后臺(tái)算法實(shí)現(xiàn)對(duì)避雷器安裝規(guī)范的監(jiān)控，同時(shí)，智能識(shí)別結(jié)果的存儲(chǔ)也為后續(xù)復(fù)查及故障源頭查找提供依據(jù)。

2 算法框架

在目標(biāo)檢測(cè)領(lǐng)域中，以卷積特征區(qū)域網(wǎng)絡(luò)(Regions with CNN Feature，RCNN)系列開始，研究者們開發(fā)出各具優(yōu)勢(shì)的算法，比如Fast-RCNN[10]，F(xiàn)aster-RCNN[11]，YOLO[12]，SSD[13-14]，Mask-RCNN等。Mask-RCNN作為RCNN系列的一員，采用雙階段方法實(shí)現(xiàn)檢測(cè)任務(wù)。首先，找出候選框，并對(duì)每個(gè)候選框進(jìn)行分類、定位，找到二進(jìn)制掩模(Mask)；然后，使用網(wǎng)絡(luò)分類器在網(wǎng)絡(luò)輸出端得到目標(biāo)檢測(cè)或分割的結(jié)果。Mask-RCNN特征的提取采用Resnet和FPN的組合，并且在原有的Faster-RCNN基礎(chǔ)上添加了Mask預(yù)測(cè)分支，在學(xué)術(shù)界與工業(yè)界的實(shí)踐中取得較好的效果。

Mask-RCNN算法網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。首先，輸入的圖像經(jīng)過卷積層得到相應(yīng)的特征圖，一條分支將特征圖輸入到RPN網(wǎng)絡(luò)中，得到相應(yīng)的候選框，候選框與另一條分支的特征圖對(duì)應(yīng)后輸入到RoI-Align層；然后，通過全連接層和卷積層分別得到分類結(jié)果、檢測(cè)框的位置以及二進(jìn)制掩模的輸出結(jié)果。

本文根據(jù)避雷器安裝規(guī)范選取避雷器的3個(gè)特征點(diǎn)作為關(guān)鍵點(diǎn)，如圖4所示。在標(biāo)注和訓(xùn)練過程中，將3個(gè)關(guān)鍵點(diǎn)作為one-hot mask，預(yù)測(cè)Mask實(shí)現(xiàn)關(guān)鍵點(diǎn)檢測(cè)的功能。關(guān)鍵點(diǎn)檢測(cè)完畢后，將3個(gè)關(guān)鍵點(diǎn)連線后，通過判斷斜率之間的差距來確定避雷器本體與引流線部分安裝是否符合規(guī)范。關(guān)鍵點(diǎn)1位于引流線與避雷器本體之間的連接處，用于定位上部引流線的走向位置；關(guān)鍵點(diǎn)2位于避雷器的本體上，用于定位避雷器本體的位置；關(guān)鍵點(diǎn)3位于避雷器底部與底座的連接處，用于確定避雷器底部的位置。

圖3 Mask-RCNN算法網(wǎng)絡(luò)結(jié)構(gòu)在本文中的應(yīng)用

圖4 避雷器關(guān)鍵點(diǎn)展示

本文提出的基于關(guān)鍵點(diǎn)識(shí)別的避雷器安裝效果檢測(cè)方法的算法流程如圖5所示。通過制作好的避雷器關(guān)鍵點(diǎn)識(shí)別數(shù)據(jù)集對(duì)圖3所示的Mask-RCNN網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，訓(xùn)練得到的模型可以自動(dòng)找到輸入畫面中避雷器關(guān)鍵點(diǎn)的位置。訓(xùn)練完成后，將所得的模型部署到服務(wù)器中。檢測(cè)識(shí)別時(shí)，將施工現(xiàn)場(chǎng)圖片輸入到訓(xùn)練好模型中，通過訓(xùn)練好的網(wǎng)絡(luò)自動(dòng)獲取避雷器3個(gè)關(guān)鍵點(diǎn)的位置坐標(biāo)，將關(guān)鍵點(diǎn)1與關(guān)鍵點(diǎn)2連接并獲取斜率k1，將關(guān)鍵點(diǎn)2與關(guān)鍵點(diǎn)3連接并獲取斜率k2，通過判斷斜率之間的差距來判定避雷器是否安裝牢固以及引流線是否短而直。

假設(shè)關(guān)鍵點(diǎn)1的坐標(biāo)為(x1,y1)，關(guān)鍵點(diǎn)2的坐標(biāo)為(x2,y2)，關(guān)鍵點(diǎn)3的坐標(biāo)為(x3,y3)，其示意圖如圖6所示。根據(jù)避雷器的尺寸大小及現(xiàn)場(chǎng)的安裝環(huán)境，在規(guī)范安裝條件下，測(cè)量關(guān)鍵點(diǎn)1，2之間連線斜率與關(guān)鍵點(diǎn)2，3之間連線之間的差距并以此為基準(zhǔn)，后續(xù)安裝的設(shè)備如果大于此閾值，則判定為安裝不規(guī)范。具體規(guī)范如下：記錄標(biāo)準(zhǔn)安裝時(shí)k1與k2之間差值的絕對(duì)值e0并確定為標(biāo)準(zhǔn)值，若安裝過程中k1與k2之間差值的絕對(duì)值大于e0則說明避雷器的上部引線部分彎折過度，不符合引線安裝規(guī)定。

圖5 本文算法流程圖

圖6 基于斜率的判定算法示意圖

3 算法模型訓(xùn)練及實(shí)驗(yàn)結(jié)果

3.1 數(shù)據(jù)集制作及服務(wù)器參數(shù)配置

本文所使用的訓(xùn)練數(shù)據(jù)集是在不同室外場(chǎng)景下拍攝的避雷器圖像，通過人工標(biāo)注的方式對(duì)所采集的數(shù)據(jù)進(jìn)行標(biāo)注，使用專業(yè)的關(guān)鍵點(diǎn)標(biāo)注工具，先將圖像中的整個(gè)避雷器框選出，再按順序依次標(biāo)注出3個(gè)關(guān)鍵點(diǎn)。本文所使用的數(shù)據(jù)集共3 500張，其中2 400張為訓(xùn)練集，600張為交叉驗(yàn)證集，500張為測(cè)試集。數(shù)據(jù)集盡量包含不同場(chǎng)景下以及不同形態(tài)的避雷器，以確保數(shù)據(jù)的多樣性。

實(shí)驗(yàn)在PC機(jī)上進(jìn)行訓(xùn)練和驗(yàn)證，PC機(jī)服務(wù)器的基本配置參數(shù)如下：訓(xùn)練服務(wù)器使用的CPU為Intel(R) Xeon(R) CPU E5-2678 v3，2.5 GHz；GPU為4塊GeForce RTX 2080Ti，操作系統(tǒng)為Ubuntu16.04；開發(fā)語言及框架為Python+Pytorch。

3.2 關(guān)鍵點(diǎn)檢測(cè)結(jié)果

表1 避雷器關(guān)鍵點(diǎn)識(shí)別結(jié)果

表1列出2種關(guān)鍵點(diǎn)檢測(cè)結(jié)果：Mask-RCNN(只有關(guān)鍵點(diǎn))算法表示只利用關(guān)鍵點(diǎn)信息進(jìn)行訓(xùn)練，Mask-RCNN(關(guān)鍵點(diǎn)+掩膜)算法表示將掩膜(Mask)信息加入到關(guān)鍵點(diǎn)檢測(cè)模型訓(xùn)練中，為訓(xùn)練過程提供更充足的信息?？梢詮谋?看出，加入Mask信息后，訓(xùn)練效果更好，但是，掩膜標(biāo)注的工作量大，耗費(fèi)了大量人力成本。若訓(xùn)練數(shù)據(jù)量少，可以通過加入Mask信息來提高檢測(cè)精度；若訓(xùn)練數(shù)據(jù)量足夠完成關(guān)鍵點(diǎn)檢測(cè)任務(wù)，可只引入關(guān)鍵點(diǎn)信息進(jìn)行訓(xùn)練。避雷器關(guān)鍵點(diǎn)檢測(cè)結(jié)果如圖7所示。

圖7 避雷器關(guān)鍵點(diǎn)自動(dòng)檢測(cè)結(jié)果圖

3.3 避雷器安裝效果判斷

測(cè)試集共有500張圖片，為檢驗(yàn)安裝效果判斷的準(zhǔn)確率，測(cè)試集模擬了避雷器引線不同的彎折情況，選取的場(chǎng)景為隨機(jī)場(chǎng)景，包含室內(nèi)室外的不同場(chǎng)景。圖8列出了幾種有代表性的情況，判斷結(jié)果分為彎折過度和符合標(biāo)準(zhǔn)兩種。圖8(a)展示了避雷器引線彎折過度的情況，圖8(b)和(c)展示了符合標(biāo)準(zhǔn)的情況。從圖8可以看出，本文算法不僅能準(zhǔn)確檢測(cè)到3個(gè)關(guān)鍵點(diǎn)，并能通過連線斜率準(zhǔn)確判斷安裝是否符合規(guī)范。在測(cè)試集的500張圖中，共有462張結(jié)果圖中正確判斷出“彎折過度”或“符合標(biāo)準(zhǔn)”，判斷準(zhǔn)確率達(dá)到92.4%。

圖8 避雷器安裝效果判斷結(jié)果圖

4 結(jié)束語

本文提出一種基于Mask-RCNN的電力施工現(xiàn)場(chǎng)避雷器安裝效果檢測(cè)分析算法。通過檢測(cè)避雷器的主要關(guān)鍵點(diǎn)來確定避雷器安裝是否符合安裝及日常運(yùn)維管理規(guī)范的要求，具有較高的準(zhǔn)確率，解決了施工過程中人工監(jiān)理任務(wù)重、工作量大的問題，提高了施工驗(yàn)收效率，并為后續(xù)施工設(shè)備復(fù)查提供記錄。