基于深度學(xué)習(xí)的電力設(shè)備狀態(tài)檢測的研究

吳 媚

（江蘇方天電力技術(shù)有限公司，江蘇 南京 211100）

近十年來，國內(nèi)已經(jīng)研制成功很多傳感器和監(jiān)測裝置，也取得了較好的成果。國外企業(yè)電力設(shè)備在線監(jiān)測傳感技術(shù)、監(jiān)測裝置的集成性等方面要優(yōu)于國內(nèi)，但都是離散的、單一的針對(duì)單個(gè)設(shè)備進(jìn)行監(jiān)測研究。設(shè)備巡檢過程中產(chǎn)生了大量視頻圖像數(shù)據(jù)，巡檢人員能夠通過視頻圖像了解現(xiàn)場情況、設(shè)備運(yùn)行情況等，從而為日常工作、應(yīng)急處理、事故分析等工作提供直觀的輔助決策依據(jù)。但是，隨著圖像處理技術(shù)的不斷深入研究，設(shè)備狀態(tài)巡檢業(yè)務(wù)應(yīng)用對(duì)圖像的智能化程度、可靠性、可用性等需求提出了更高的要求。本文針對(duì)這些問題，提出了基于深度學(xué)習(xí)的電力設(shè)備狀態(tài)檢測方案。

1 系統(tǒng)架構(gòu)

系統(tǒng)分層結(jié)構(gòu)包括數(shù)據(jù)采集層、數(shù)據(jù)接入層、服務(wù)支撐層和應(yīng)用展現(xiàn)層。數(shù)據(jù)采集層包括機(jī)器人、無人機(jī)、監(jiān)控?cái)z像機(jī)、智能手機(jī)、PDA、Pad、單兵設(shè)備、電力設(shè)備狀態(tài)圖像采集裝置等巡檢采集設(shè)備，為上層提供巡檢數(shù)據(jù)；數(shù)據(jù)接入層包括盒子、電力設(shè)備狀態(tài)圖像分析裝置，提供安全防護(hù)、靈活接入和數(shù)據(jù)分析能力；服務(wù)支撐層為各項(xiàng)功能提供技術(shù)支撐服務(wù)，包括應(yīng)用服務(wù)、網(wǎng)管服務(wù)、控制服務(wù)、視頻大數(shù)據(jù)智能分析服務(wù)；應(yīng)用展現(xiàn)層根據(jù)各業(yè)務(wù)的需求實(shí)現(xiàn)功能應(yīng)用，提供B/S應(yīng)用客戶端和APP應(yīng)用客戶端滿足不同用戶對(duì)不同使用場景的使用需要。總體應(yīng)用功能架構(gòu)由前端應(yīng)用功能、支撐服務(wù)功能、系統(tǒng)應(yīng)用功能三大部分構(gòu)成，前端應(yīng)用功能包括電力設(shè)備狀態(tài)圖像采集和分析功能；支撐服務(wù)功能包括控制服務(wù)、網(wǎng)管服務(wù)、視頻大數(shù)據(jù)圖像分析服務(wù)，向電力設(shè)備狀態(tài)監(jiān)測應(yīng)用提供統(tǒng)一服務(wù)；系統(tǒng)應(yīng)用功能包括智能分析管理、視圖庫管理、應(yīng)用、APP應(yīng)用，實(shí)現(xiàn)對(duì)視頻圖像信息的可看、可管、可控。系統(tǒng)應(yīng)用功能架構(gòu)由前端應(yīng)用功能、支撐服務(wù)功能、系統(tǒng)應(yīng)用功能三大部分構(gòu)成。前端應(yīng)用功能包括電力設(shè)備狀態(tài)圖像采集和分析功能；支撐服務(wù)功能包括控制服務(wù)、網(wǎng)管服務(wù)、視頻大數(shù)據(jù)圖像分析服務(wù)，向電力設(shè)備狀態(tài)監(jiān)測應(yīng)用提供統(tǒng)一服務(wù)；系統(tǒng)應(yīng)用功能包括智能分析管理、視圖庫管理、APP應(yīng)用。該系統(tǒng)架構(gòu)實(shí)現(xiàn)對(duì)視頻圖像信息的可看、可管、可控。

2 基于異構(gòu)硬件平臺(tái)的多類電力設(shè)備狀態(tài)檢測及效率提升技術(shù)

1）電力傳輸線檢測。采用圖像灰度化，圖像增強(qiáng)、去噪、銳化、閾值分割、形態(tài)學(xué)和邊緣提取等算法，提取絕緣子串的形狀特征，再基于像素點(diǎn)分類方法，對(duì)同類像素點(diǎn)擬合，實(shí)現(xiàn)對(duì)傳輸線的檢測。步驟一：讀入直升機(jī)、無人機(jī)、機(jī)器人、固定攝像機(jī)等智能設(shè)備巡檢過程中產(chǎn)生的關(guān)于電網(wǎng)傳輸線的圖像。步驟二：將輸入的圖片灰度化處理，即將采集到的24位真彩色圖像轉(zhuǎn)化為8位灰度圖，得到灰度圖像。步驟三：利用高斯算子對(duì)灰度化圖像進(jìn)行高斯模糊去噪，將高斯分布權(quán)值矩陣與原始圖像矩陣做卷積運(yùn)算，減少圖像噪聲平滑圖像。步驟四：對(duì)平滑后的圖像進(jìn)行算術(shù)運(yùn)算，將圖像整體像素值降低，便于后續(xù)進(jìn)行線性變換。步驟五：對(duì)算數(shù)運(yùn)算后的圖像進(jìn)行灰度線性變換，增強(qiáng)圖像的對(duì)比度，擴(kuò)大傳輸線和背景之間的差值，這有利于提升邊緣檢測的效果。

2）安全帽、紅馬甲檢測。在基建場景下，安全員負(fù)責(zé)現(xiàn)場的安全管理，對(duì)于整個(gè)建筑項(xiàng)目的完成起著至關(guān)重要的作用，安全員若不在現(xiàn)場，整個(gè)項(xiàng)目就存在巨大的安全隱患。利用安全員身著紅色馬甲、戴安全帽這一明顯特征，我們可以利用計(jì)算機(jī)視覺檢測技術(shù)，通過確定紅色馬甲位置來檢測安全員是否在工作現(xiàn)場。對(duì)采集的訓(xùn)練圖像行預(yù)處理的步驟如下。步驟一：利用攝像頭采集多個(gè)不同場景下的安全員。步驟二：篩去上述圖像中受環(huán)境因素影響較大的部分，保留安全員紅色馬甲特征較為明顯的圖片。步驟三：人工的框出行人以及紅色馬甲的位置，并為其邊界框打上標(biāo)簽。在深度學(xué)習(xí)方案中，將神經(jīng)網(wǎng)絡(luò)的53個(gè)卷積層在ImageNet數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，得到這些卷積層之間的權(quán)重，用于提取圖片的特征。將訓(xùn)練圖片輸入神經(jīng)網(wǎng)絡(luò)，經(jīng)過卷積層提取特征之后通過全連接層進(jìn)行分類，根據(jù)損失函數(shù)算出預(yù)測值與真實(shí)值之間的損失，通過反向傳播算法調(diào)整神經(jīng)網(wǎng)絡(luò)各個(gè)隱層的權(quán)重，當(dāng)損失值下降到一定的閾值時(shí)，停止訓(xùn)練，得到最終的神經(jīng)網(wǎng)絡(luò)。

3）基于嵌入式平臺(tái)的電力設(shè)備檢測。SSD是一種基于深度學(xué)習(xí)的經(jīng)典目標(biāo)檢測算法。與R-CNN系列目標(biāo)檢測算法相比，SSD取消了中間候選項(xiàng)和像素特征的重新采樣過程，確保了速度，同時(shí)確保了檢測精度，SSD輸出了一系列離散候選箱，候選箱生成了字符模式SSD產(chǎn)生一系列固定大小的方塊，使用小型回旋篩選來預(yù)測目標(biāo)類別和候選方塊位置偏移（即候選方塊包含目標(biāo)類別的可能性），并透過移除值的方法取得最終預(yù)測結(jié)果但是，使用特征提取網(wǎng)絡(luò)需要大量的計(jì)算資源，通常部署在圖形處理器上，這就需要大量的硬件，并且使得在集成平臺(tái)上執(zhí)行如此重要的網(wǎng)絡(luò)模型非常困難，這可能會(huì)對(duì)使ssd與內(nèi)置設(shè)備兼容。我們使用MobileNet替換SSD中的VGG-16網(wǎng)絡(luò)。mobiliet使用深度來分隔卷，而不是傳統(tǒng)卷層，深度可以分隔卷，從而將整個(gè)標(biāo)準(zhǔn)卷轉(zhuǎn)換為深卷，并將每個(gè)點(diǎn)一個(gè)卷。當(dāng)輸入可分為深體積：16×3×3，得到16通道特征輪廓，點(diǎn)體積：16×1×1×32。如果使用標(biāo)準(zhǔn)體積，計(jì)算體積如下：mxnx16×3×32=m×n×4608，在深度分解體積后計(jì)算體積如下：m×n×16×3+m×n×16×1×32=m×n656，計(jì)算體積和體積神經(jīng)網(wǎng)絡(luò)參數(shù)體積減小，運(yùn)行效率降低。

3 電力設(shè)備狀態(tài)檢測和應(yīng)急處置中的示范應(yīng)用

針對(duì)運(yùn)維檢修工作需要，本文在技術(shù)研究基礎(chǔ)上，依托統(tǒng)一視頻監(jiān)控平臺(tái)，實(shí)現(xiàn)電力設(shè)備狀態(tài)圖像采集裝置、電力設(shè)備狀態(tài)圖像分析裝置、音視頻遠(yuǎn)程盒子的示范應(yīng)用，達(dá)到設(shè)備狀態(tài)自動(dòng)監(jiān)視、突發(fā)事件應(yīng)急處置、疑難問題遠(yuǎn)程交流、歷史問題研判分析的目標(biāo)。系統(tǒng)部署架構(gòu)主要包括主站側(cè)及站端側(cè)。主站側(cè)部署視頻監(jiān)控平臺(tái)，平臺(tái)新增大數(shù)據(jù)存儲(chǔ)與分析服務(wù)集群，包括管理節(jié)點(diǎn)服務(wù)和計(jì)算節(jié)點(diǎn)服務(wù)，基于大數(shù)據(jù)框架和深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)分類模型的訓(xùn)練算法、對(duì)象分類算法和設(shè)備狀態(tài)分析算法，以保證各算法在后端服務(wù)中運(yùn)行的高效性，實(shí)現(xiàn)對(duì)下載和導(dǎo)入的歷史視頻圖像的分析。平臺(tái)執(zhí)行分析任務(wù)，發(fā)現(xiàn)設(shè)備狀態(tài)異常時(shí)，歷史分析將以任務(wù)結(jié)果形式查閱；平臺(tái)新增網(wǎng)關(guān)服務(wù)、控制服務(wù)、部署盒子，從而實(shí)現(xiàn)視頻平臺(tái)資源與遠(yuǎn)程進(jìn)行整合，用戶可以靈活接入會(huì)場音視頻信號(hào)，與遠(yuǎn)程移動(dòng)終端進(jìn)行會(huì)話，并調(diào)用查看平臺(tái)監(jiān)控視頻、應(yīng)急處置等業(yè)務(wù)應(yīng)用中提供大量現(xiàn)場監(jiān)控圖像，服務(wù)于業(yè)務(wù)指揮。站端側(cè)移動(dòng)終端安裝遠(yuǎn)程軟件實(shí)現(xiàn)與會(huì)場的遠(yuǎn)程視頻；部署電力設(shè)備狀態(tài)圖像采集及分析裝置，以滿足多種場景的應(yīng)用，一旦發(fā)生設(shè)備狀態(tài)問題將立刻向平臺(tái)推送告警信息，啟動(dòng)遠(yuǎn)程查看、現(xiàn)場核實(shí)、遠(yuǎn)程會(huì)診等預(yù)案。電力設(shè)備狀態(tài)圖像分析裝置，實(shí)現(xiàn)對(duì)前端電力設(shè)備狀態(tài)圖像的實(shí)時(shí)監(jiān)視，發(fā)現(xiàn)設(shè)備狀態(tài)異常時(shí)，將向后臺(tái)推送告警信息。

4 結(jié)束語

本文件中討論的電氣設(shè)備狀態(tài)圖像收集和分析裝置等結(jié)果將直接應(yīng)用于電氣設(shè)備狀態(tài)檢測和緊急處置，以便在典型情況下準(zhǔn)確監(jiān)測電氣設(shè)備狀態(tài)，例如，保證電氣設(shè)備正常運(yùn)行，保證電網(wǎng)安全運(yùn)行，同時(shí)提高可靠性，可以改進(jìn)電氣設(shè)備檢查方式，提高設(shè)備狀態(tài)控制和運(yùn)輸檢查決策水平，加快計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)是非常實(shí)用的學(xué)科。第一條電力線的視頻數(shù)據(jù)是測試算法有效性的最佳試金石。它們還提供了提高算法性能、改進(jìn)算法和算法創(chuàng)新的機(jī)會(huì)，對(duì)相關(guān)通用技術(shù)的發(fā)展進(jìn)步產(chǎn)生推進(jìn)作用，并可為類似應(yīng)用提供借鑒和啟發(fā)。