基于深度學(xué)習(xí)的變電設(shè)備缺陷檢測

李昊，周帥

（云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650217）

0 前言

變電設(shè)備缺陷檢測在保證電網(wǎng)安全穩(wěn)定運(yùn)行等方面有著非常重要的價值，近年來，隨著各類成像設(shè)備在變電站的安裝和使用，通過圖像來發(fā)現(xiàn)設(shè)備缺陷已經(jīng)成為變電站檢修人員的日常工作之一，但是由于變電站每天存儲的圖片或視頻較多，人工審核的壓力較大，且容易出現(xiàn)由于人眼疲勞而導(dǎo)致未能發(fā)現(xiàn)部分設(shè)備缺陷的問題。一般而言，變電站成像設(shè)備都暴露在自然環(huán)境中，由于條件限制，也很少有人去維護(hù)，這就導(dǎo)致在拍攝到的圖片中經(jīng)常會有水汽、霧氣、灰塵等，其中，霧氣對圖片質(zhì)量的影響尤為嚴(yán)重，這些都對變電設(shè)備缺陷檢測有嚴(yán)重影響。因此，本文提出將去霧算法和深度學(xué)習(xí)算法相結(jié)合的方式來進(jìn)行缺陷監(jiān)測，使用暗通道去霧算法改善圖片質(zhì)量，然后使用YOLOV4對設(shè)備缺陷進(jìn)行檢測。

1 基于暗通道去霧算法的圖像優(yōu)化

1.1 暗通道去霧算法基本原理

1.1.1 暗通道先驗(yàn)理論

基于暗通道先驗(yàn)的去霧算法實(shí)際上是一種統(tǒng)計(jì)意義上的算法，何愷明博士總結(jié)了大量的室外無霧圖像，發(fā)現(xiàn)了在無霧圖像中局部區(qū)域存在一些像素，這些像素中至少有一個顏色通道的像素非常低（低亮度值區(qū)域不包括天空區(qū)域），基于這一統(tǒng)計(jì)結(jié)論，定義了暗通道，公式如下所示。

其中，Jc代表圖像J的某一個顏色通道，而Ω(x)是以x為中心的一塊方形區(qū)域，Jdark為對應(yīng)的暗通道圖。對于圖像J而言，獲取其暗通道圖的流程是：先求出圖像中每個像素的三個顏色通道在鄰域窗口Ω(x)內(nèi)的最小值，組成一幅與原圖相同大小的灰度圖，再通過最小值濾波濾掉圖像中可能存在的白色場景目標(biāo)。暗通道圖的獲取示意圖如圖1所示。

圖1 暗通道圖的獲取示意圖

2）有霧條件下圖像退化模型

在計(jì)算機(jī)視覺和計(jì)算機(jī)圖形領(lǐng)域，一個常用來描述有霧圖像的成像模型是：

其中，I(x)表示有霧圖像，J(x)是要恢復(fù)的無霧的圖像，A是全局大氣光照，t(x)為透射率。要想計(jì)算出無霧圖像J(x)，需要先求出全局大氣光照A和透射率t(x)。

3）暗通道去霧算法

暗通道去霧算法以暗通道先驗(yàn)理論為基礎(chǔ)，借助暗通道圖估計(jì)出原始圖像中的全局大氣光照A和始粗糙透射率圖，然后使用軟摳圖（Soft Matting）算法對初始粗糙透射率進(jìn)行細(xì)化處理，最后根據(jù)大氣散射模型，實(shí)現(xiàn)對霧天圖像的清晰化去霧處理。

1.2 全局大氣光照的計(jì)算

在何愷文博士的論文中給出了一種簡單有效的全局大氣光照計(jì)算方法：

1）降序排列暗通道圖中的各像素點(diǎn)灰度值，選擇前0.1%的灰度值像素點(diǎn)；

2）在上一步選擇的像素點(diǎn)中，選取對應(yīng)霧天圖像中最大灰度值作為全局大氣光照的估計(jì)值。

1.3 初始透射率和細(xì)化透射率的計(jì)算

1）初始透射率的計(jì)算

首先，假設(shè)已知全局大氣光照A的值，并且假設(shè)初始透射率在一個局部窗口區(qū)域內(nèi)為一恒定常數(shù)對式(2)進(jìn)行變形并在局部窗口區(qū)域內(nèi)進(jìn)行最小值濾波可得到下面的式子：

對式(3)在三個顏色通道上進(jìn)行最小值濾波可得到：

根據(jù)前述的暗通道先驗(yàn)理論，無霧圖像J的暗通道圖Jdark的像素點(diǎn)灰度值趨近于0，而且Ac為正值，所以有：

結(jié)合式(4)和式(5)可以得到初始透射率的預(yù)估值：

為防止霧氣的徹底去除，引入一個可以調(diào)節(jié)大小的參數(shù)因子w(o＜w＜1)防止霧氣被徹底除盡而導(dǎo)致人類視覺不能感受到圖像的景深。對式(6)的修正如下：

2）細(xì)化透射率的計(jì)算

式(7)得到的透射率只是一個粗略的估計(jì)值，若用該值來恢復(fù)圖像會導(dǎo)致去霧后的圖像中有嚴(yán)重的光暈現(xiàn)象，因此采用Matting Laplacian 算法對公式(7)中得到的初始透射率進(jìn)行改進(jìn)修正。用表示細(xì)化透射率t(x)的向量形式，表示初始透射率的向量形式，可得到如下?lián)p失函數(shù)：

其中，T表示轉(zhuǎn)置矩陣，L表示m×n圖像的拉普拉斯矩陣，λ為正則化參數(shù)。元素為(i,j)時矩陣L的定義如下：

式中，Ii和Ij是圖像I在像素點(diǎn)i和j處的灰 度 值，δij為Kronecker De系 數(shù)，Uk和Σk是以k為中心的窗口wk中像素的均值和協(xié)方差，|wk|是wk窗口中像素點(diǎn)的數(shù)量，ε(10-4-10-3)是一個正則化參數(shù)，U3是一個(3×3)的單位矩陣。最小化損失函數(shù)可得到：

式中，U是與L大小相同的單位矩陣，λ是一個值較小的參數(shù)(一般設(shè)置為10-4)，通過上式即可求出細(xì)化透射率。

2 暗通道去霧算法的實(shí)驗(yàn)結(jié)果

選取3幅圖像進(jìn)行實(shí)驗(yàn)，結(jié)果如圖2所示。從結(jié)果中可以看出，盡管經(jīng)過暗通道去霧后物體周圍會出現(xiàn)光暈現(xiàn)象，但是圖像的整體質(zhì)量提升了，更有利于物體缺陷的檢測，而且對于任一幅圖像，本文設(shè)置只有當(dāng)暗通道圖像的平均灰度值大于0.6的時候才進(jìn)行去霧操作，即只有圖像中出現(xiàn)濃霧的時候才進(jìn)行暗通道去霧，進(jìn)一步限制了光暈的影響。

圖2 暗通道去霧算法實(shí)驗(yàn)結(jié)果

3 基于YOLOV4的變電設(shè)備缺陷檢測

3.1 YOLOV4的基本原理

YOLOV4目前是大家公認(rèn)的最新的YOLO系列算法，它是在YOLOV3的基礎(chǔ)上吸收了大量優(yōu)化技巧后形成的，其主要改進(jìn)有：將YOLOV3中卷積塊的激活函數(shù)和殘差模塊分別替換為Mish激活函數(shù)和CSPnet結(jié)構(gòu)，形成了主干特征提取網(wǎng)絡(luò)CSPDarknet53；在CSPDarknet53的基礎(chǔ)上增加了加深卷積網(wǎng)絡(luò)的特征金字塔結(jié)構(gòu)( SPP)， 針對不同級別的檢測器，選用PANet作為對不同骨干層進(jìn)行參數(shù)聚合的方法,此外優(yōu)化方法還包括Mosaic數(shù)據(jù)增強(qiáng)、余弦退火衰減學(xué)習(xí)率、自對抗訓(xùn)練等。YOLOV4的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示。

圖3 YOLOV4網(wǎng)絡(luò)結(jié)構(gòu)圖

3.2 YOLOV4的訓(xùn)練

收集整理3000張變電設(shè)備的缺陷照片作為訓(xùn)練集，200張圖片作為測試集，訓(xùn)練集中隨機(jī)選取總數(shù)的10%作為驗(yàn)證集。將變電設(shè)備缺陷分為熔斷、滲漏和部件損壞3類，相關(guān)圖片示例如圖4所示。

圖4 常用的COCO數(shù)據(jù)集

本文訓(xùn)練時的硬件環(huán)境：GPU是NVIDIA Tesla V100，CPU是Intel i7，操 作 系 統(tǒng) 是Ubuntu 16.04.7 LTS，訓(xùn)練參數(shù)設(shè)置如下：訓(xùn)練批尺寸為8，學(xué)習(xí)率為1×10-3，epoch設(shè)置為100，使用早停法防止過擬合，當(dāng)驗(yàn)證集損失函數(shù)的值連續(xù)10個epoch沒有下降則停止訓(xùn)練。

4 實(shí)驗(yàn)結(jié)果與分析

訓(xùn)練結(jié)束后在測試集上檢驗(yàn)?zāi)Ｐ偷臋z測效果，相關(guān)指標(biāo)和檢測結(jié)果如圖5和圖6所示。

圖5 YOLOV4檢測變電設(shè)備缺陷的性能指標(biāo)

圖6 變電設(shè)備缺陷檢測結(jié)果

由于在部件損壞這一類缺陷中包含了缺損和破裂兩個小類，滲漏缺陷發(fā)生的部位一般會出現(xiàn)銹蝕的情況，導(dǎo)致滲漏部位的顏色各異，這些都導(dǎo)致部件損壞和滲漏兩類缺陷的檢測指標(biāo)偏低，后續(xù)將從細(xì)化缺陷分類、擴(kuò)充訓(xùn)練集等方面進(jìn)一步改進(jìn)。

5 結(jié)束語

本文使用深度學(xué)習(xí)方法實(shí)現(xiàn)了熔斷、部件損壞和滲漏3類變電設(shè)備缺陷的檢測，并且針對變電站攝像頭處于自然環(huán)境下，容易受到霧氣、水汽、灰塵的影響而導(dǎo)致成像質(zhì)量不佳的問題，使用了暗通道去霧算法對有霧圖像進(jìn)行處理，改善了待檢測圖像的質(zhì)量，從而提高檢測準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，對三類缺陷的檢測基本滿足實(shí)際使用的要求。