變電站設(shè)備缺陷圖像識(shí)別算法的實(shí)用化評(píng)價(jià)方法

陳 昊，姚 凱，張海華，劉懷宇，何嘉弘，施 濤

（1.國(guó)網(wǎng)江蘇省電力有限公司檢修分公司，江蘇 南京211102；2.東南大學(xué)，江蘇 南京210096；3.南京郵電大學(xué)，江蘇 南京210023）

0 引言

變電站站內(nèi)運(yùn)行設(shè)備的健康水平，對(duì)于維護(hù)電網(wǎng)安全穩(wěn)定運(yùn)行水平有著重要的意義。長(zhǎng)期以來，變電運(yùn)檢人員通過人工巡視（目視或使用紅外測(cè)溫儀等儀器設(shè)備）發(fā)現(xiàn)設(shè)備缺陷，人工成本和管理成本投入高昂［1-4］。近年來，一方面，隨著電網(wǎng)建設(shè)的迅猛發(fā)展，變電運(yùn)檢人員短缺和運(yùn)檢工作量不斷增長(zhǎng)的矛盾日益彰顯［5-8］；另一方面，隨著變電站智能運(yùn)檢工作的深入推進(jìn)，使用各種圖像采集設(shè)備（高清視頻、站內(nèi)巡視機(jī)器人、站內(nèi)巡視無人機(jī)）獲取圖像進(jìn)而識(shí)別變電站設(shè)備缺陷的條件日趨成熟，已呈現(xiàn)未來大面積取代人工巡視的技術(shù)發(fā)展趨勢(shì)［9-11］。文獻(xiàn)［12］-文獻(xiàn)［14］討論了基于視頻圖像識(shí)別變電設(shè)備缺陷的方法；文獻(xiàn)［15］-文獻(xiàn)［17］討論了變電站用巡視機(jī)器人的圖像處理與設(shè)備缺陷識(shí)別；文獻(xiàn)［18］-文獻(xiàn)［19］討論了無人機(jī)在變電站缺陷識(shí)別的應(yīng)用。

然而，現(xiàn)階段變電站設(shè)備缺陷圖像識(shí)別算法在理論層面和實(shí)踐層面存在著較大的鴻溝［20-24］。以江蘇某500 kV變電站智能運(yùn)檢的實(shí)踐為例，將因通訊條件引起的圖像采集質(zhì)量問題排除在外，變電設(shè)備缺陷圖像識(shí)別算法識(shí)別正確率仍普遍低于50%，甚至對(duì)于多種主要設(shè)備缺陷識(shí)別正確率低于15%。更為值得重視的是，目前研究重心聚焦于變電設(shè)備缺陷圖像識(shí)別算法本身，而對(duì)不同算法識(shí)別效果評(píng)價(jià)準(zhǔn)則討論不足［25-28］。現(xiàn)場(chǎng)缺乏評(píng)價(jià)準(zhǔn)則或使用不適當(dāng)?shù)脑u(píng)價(jià)指標(biāo)造成了圖像識(shí)別算法實(shí)際效果評(píng)價(jià)困難，難以客觀比較不同廠家圖像識(shí)別算法之間的高下，甚至可能得出誤導(dǎo)性的比較結(jié)論。

本文分析了常規(guī)評(píng)價(jià)指標(biāo)評(píng)價(jià)變電站設(shè)備缺陷圖像識(shí)別算法的局限性，基于500 kV及以上變電站智能運(yùn)檢的實(shí)踐經(jīng)驗(yàn)提出了一種實(shí)用化評(píng)價(jià)方法，包括評(píng)價(jià)算法實(shí)際識(shí)別效果的實(shí)用評(píng)價(jià)指標(biāo)和評(píng)價(jià)算法改進(jìn)潛力的潛力評(píng)價(jià)指標(biāo)。實(shí)際應(yīng)用情況來看，所提方法可以有效比對(duì)不同圖像識(shí)別方法的實(shí)用效果，為電網(wǎng)運(yùn)檢單位現(xiàn)場(chǎng)工作中的圖像識(shí)別算法有效性評(píng)價(jià)提供支撐。

1 變電站設(shè)備圖像識(shí)別常用評(píng)價(jià)指標(biāo)及局限性

目前，在變電站運(yùn)檢工作中一種常用評(píng)價(jià)指標(biāo)為缺陷檢出率，其計(jì)算公式如下：

式（1）中，A為被圖像識(shí)別算法檢測(cè)出異常類樣本的個(gè)數(shù)，A1為被圖像識(shí)別算法檢測(cè)出異常類樣本且正確的個(gè)數(shù)。

缺陷檢出率指標(biāo)雖然直觀便捷，但根據(jù)在江蘇地區(qū)500 kV變電站的實(shí)際應(yīng)用情況來看，存在以下缺點(diǎn)：

1）檢出率指標(biāo)缺乏對(duì)錯(cuò)檢的考量，指標(biāo)的參考價(jià)值本身存疑。存在通過抬高（或降低）識(shí)別閾值降低（或抬高）缺陷檢出總數(shù)可能，這種人為操控因素使不同識(shí)別方法的比較失去了客觀依據(jù)；

2）在全國(guó)范圍內(nèi)高電壓等級(jí)變電站（尤其是500 kV變電站）設(shè)備具有同質(zhì)性，設(shè)備缺陷類型分類是相對(duì)明確的。當(dāng)前現(xiàn)場(chǎng)使用的各種圖像識(shí)別算法對(duì)不同類型缺陷場(chǎng)景識(shí)別正確率差異極大，只考核總體檢出率不能反應(yīng)不同類型設(shè)備缺陷的檢出率差別，某些算法對(duì)某類設(shè)備缺陷識(shí)別的很有價(jià)值改進(jìn)極易淹沒在總體樣本中無法得到體現(xiàn)；

3）某些設(shè)備缺陷的識(shí)別有時(shí)間要求，檢出率指標(biāo)對(duì)圖像識(shí)別的實(shí)時(shí)性無法評(píng)價(jià)。

4）在變電站設(shè)備缺陷圖像識(shí)別率不充分高的前提下，前兩個(gè)缺點(diǎn)會(huì)被進(jìn)一步放大。

有鑒于上述問題，有針對(duì)性地提出一種新的變電站設(shè)備缺陷圖像識(shí)別的實(shí)用評(píng)價(jià)指標(biāo)是必要和有益的。

2 評(píng)價(jià)指標(biāo)

2.1 概述

鑒于缺陷檢出率指標(biāo)現(xiàn)場(chǎng)應(yīng)用時(shí)的局限性，現(xiàn)場(chǎng)實(shí)用化評(píng)價(jià)指標(biāo)應(yīng)具有以下特征。

1）利用單一指標(biāo)難以同時(shí)表征漏報(bào)和錯(cuò)報(bào)等維度的信息，宜使用多維度評(píng)價(jià)指標(biāo)。

2）同一算法對(duì)不同類型缺陷識(shí)別效果經(jīng)常存在很大差異，不同算法對(duì)同一類型缺陷識(shí)別效果也可能存在很大差異，宜分類統(tǒng)計(jì)。

3）閾值變動(dòng)等可操控因素對(duì)算法評(píng)價(jià)結(jié)果的影響應(yīng)盡可能小。

4）實(shí)用指標(biāo)計(jì)算表達(dá)式宜簡(jiǎn)單直觀，便于變電運(yùn)檢人員復(fù)核。

2.2 樣本集的構(gòu)建

在進(jìn)行評(píng)價(jià)之前，首先基于對(duì)變電站設(shè)備實(shí)際可能出現(xiàn)的缺陷統(tǒng)計(jì)建立樣本集。結(jié)合現(xiàn)場(chǎng)的變電運(yùn)維檢修工作經(jīng)驗(yàn)，模擬特定場(chǎng)景的缺陷，構(gòu)建缺陷樣本集（樣本數(shù)m一般不少于60）；上述樣本集根據(jù)缺陷類型分為n類缺陷樣本子數(shù)據(jù)集（如目前國(guó)家電網(wǎng)有限公司系統(tǒng)常用的25類缺陷分類，即有n=25），其中，n類缺陷樣本子數(shù)據(jù)集分別歸屬于高清視頻、站內(nèi)巡視機(jī)器人、站內(nèi)巡視無人機(jī)3大類樣本數(shù)據(jù)集（樣本數(shù)據(jù)集數(shù)量分別為nj，其中j=1、2、3，分別對(duì)應(yīng)于高清視頻、站內(nèi)巡視機(jī)器人、站內(nèi)巡視無人機(jī)，且有基于現(xiàn)場(chǎng)實(shí)拍的無缺陷圖片，結(jié)合上述缺陷樣本集構(gòu)建方法，構(gòu)建作為對(duì)比的、與缺陷樣本集對(duì)應(yīng)的無缺陷樣本集。

缺陷樣本集為計(jì)算漏報(bào)類指標(biāo)的基礎(chǔ)；無缺陷樣本集為計(jì)算錯(cuò)報(bào)類指標(biāo)的基礎(chǔ)。

2.3 漏報(bào)類指標(biāo)

評(píng)價(jià)指標(biāo)第一個(gè)維度是漏報(bào)類指標(biāo)，包括總體漏報(bào)指標(biāo)和分類漏報(bào)指標(biāo)。總體漏報(bào)指標(biāo)的計(jì)算公式如下：

式（2）中，O為所有缺陷的測(cè)試樣本全體個(gè)數(shù)，L為被測(cè)圖像識(shí)別系統(tǒng)（基于高清視頻、機(jī)器人或無人機(jī)）正確檢測(cè)出缺陷的樣本個(gè)數(shù)。

分類漏報(bào)指標(biāo)IA_class的計(jì)算公式如下：

式（3）中，Oi為第i類缺陷類別的測(cè)試樣本個(gè)數(shù)，Li為被測(cè)圖像識(shí)別系統(tǒng)（基于高清視頻、機(jī)器人或無人機(jī)）正確檢測(cè)出第i類缺陷的樣本個(gè)數(shù)，n為缺陷類型總數(shù)。

2.4 錯(cuò)報(bào)類指標(biāo)

評(píng)價(jià)指標(biāo)第二個(gè)維度是錯(cuò)報(bào)類指標(biāo)，包括總體錯(cuò)報(bào)指標(biāo)和分類錯(cuò)報(bào)指標(biāo)。

總體錯(cuò)報(bào)指標(biāo)IB的計(jì)算公式如下：

式（4）中，E為無缺陷測(cè)試樣本全體個(gè)數(shù)，C為被測(cè)圖像識(shí)別系統(tǒng)（基于高清視頻、機(jī)器人或無人機(jī)）錯(cuò)報(bào)為缺陷的樣本個(gè)數(shù)。

分類錯(cuò)報(bào)指標(biāo)IB_class的計(jì)算公式如下：

式（5）中，E為無缺陷測(cè)試樣本全體個(gè)數(shù)，Ci為被測(cè)圖像識(shí)別系統(tǒng)（基于高清視頻、機(jī)器人或無人機(jī)）錯(cuò)報(bào)為第i類缺陷的樣本個(gè)數(shù)，n為缺陷類型總數(shù)。

2.5 錯(cuò)報(bào)類指標(biāo)

考慮到部分類別設(shè)備缺陷的識(shí)別存在實(shí)效要求，評(píng)價(jià)指標(biāo)第3個(gè)維度設(shè)定為時(shí)延指標(biāo)，計(jì)算公式如下：

式（6）中，｛m1，…，mi，…，mk｝為對(duì)圖像識(shí)別效率（如實(shí)時(shí)性）有要求的缺陷類型全體；t為該缺陷的識(shí)別時(shí)間（單位為ms）；Tmi為第mi類缺陷識(shí)別效率的閾值（單位為ms）。

應(yīng)注意，考慮到實(shí)際應(yīng)用時(shí)延時(shí)指標(biāo)可能受到拍攝角度等外界因素影響，不同算法對(duì)不同缺陷的識(shí)別時(shí)間（尤其是識(shí)別時(shí)間在閾值附近時(shí)）的比較應(yīng)盡可能在外界條件接近的情況下進(jìn)行。

3 基于不對(duì)稱評(píng)價(jià)函數(shù)的潛力評(píng)價(jià)指標(biāo)

站用巡視無人機(jī)、變電站巡視機(jī)器人、高清視頻是目前最主流的3種圖像采集方式。當(dāng)前高頻視頻最為普及，已在220 kV及以上變電站大規(guī)模使用；巡視機(jī)器人已在500 kV及以上變電站普遍使用，在220 kV變電站的使用正在深入；巡視無人機(jī)受制于一些管理因素，在變電站缺陷識(shí)別目前雖尚處于配角地位，考慮到技術(shù)發(fā)展趨勢(shì)，在變電站得以更廣泛地應(yīng)用可計(jì)日而待。本文所提的潛力評(píng)價(jià)指標(biāo)基于上述3種圖像采集方式展開。

巡視無人機(jī)由于可調(diào)整空間位置，視角最為靈活，拍攝角度、光線等問題較少；巡視機(jī)器人有在變電站地表調(diào)整位置的余地，拍攝角度和光線問題次之；高清視頻的調(diào)整受限于云臺(tái)，因拍攝角度、光線問題導(dǎo)致圖片質(zhì)量不佳影響后期圖像識(shí)別的概率最大。換而言之，從圖片質(zhì)量角度來看，提升潛力依次為高清視頻、機(jī)器人、無人機(jī)。

為了表征基于不同圖源的圖像識(shí)別算法提升潛力，提出圖源改進(jìn)指數(shù)｛K1，K2，K3｝一般有K1＞K2＞K3。目前圖源改進(jìn)指數(shù)依托于實(shí)際現(xiàn)場(chǎng)應(yīng)用經(jīng)驗(yàn)獲取。江蘇地區(qū)某500 kV變電站使用的一組K1，K2，K3的經(jīng)驗(yàn)值分別取0.5，0.3，0.05。

另一方面，一般認(rèn)為漏檢、錯(cuò)報(bào)率越高，提升潛力相對(duì)較大，可將潛力指標(biāo)考慮為關(guān)于漏報(bào)率和錯(cuò)報(bào)率的單調(diào)增函數(shù)，即有

式（7）中，f(·)為定義在［0，1］2上的連續(xù)函數(shù)，值域?yàn)閇0，+∞)。

特別提出的是，現(xiàn)場(chǎng)關(guān)注的漏檢率、錯(cuò)報(bào)率的重要性是不對(duì)等的，而且兩者相對(duì)的重要性隨著現(xiàn)場(chǎng)缺陷檢出率的變化而變化。檢出率過低時(shí)，現(xiàn)場(chǎng)更為注重漏檢指標(biāo)，檢出率較高時(shí)錯(cuò)報(bào)率的作用相對(duì)抬升，甚至和錯(cuò)檢率相比擬，基于此，構(gòu)建一種不對(duì)稱評(píng)價(jià)函數(shù)如圖1。

圖1 構(gòu)建不對(duì)稱評(píng)價(jià)函數(shù)Fig.1 Construction of the asymmetric evaluation function

一種經(jīng)驗(yàn)性的不對(duì)稱評(píng)價(jià)函數(shù)［29-30］形如

式（8）中，為標(biāo)準(zhǔn)化后的Ig，p為正整數(shù)冪參數(shù)。a為不對(duì)稱指標(biāo)參數(shù)，a的取值范圍為[0，+∞)。如果a=1，函數(shù)退化為對(duì)稱函數(shù)。通過不對(duì)稱評(píng)價(jià)函數(shù)調(diào)整漏檢、錯(cuò)報(bào)指標(biāo)對(duì)潛力評(píng)價(jià)的影響。

綜合考慮上述因素，可構(gòu)造圖像識(shí)別算法改進(jìn)潛力評(píng)價(jià)指標(biāo)，如公式（9）。

應(yīng)注意，出于簡(jiǎn)化問題考慮，潛力評(píng)價(jià)指標(biāo)估算時(shí)忽略了時(shí)延指標(biāo)。

4 應(yīng)用實(shí)例

2019年起，江蘇地區(qū)某500 kV變電站結(jié)合智能運(yùn)檢工作完成全站設(shè)備缺陷圖像識(shí)別系統(tǒng)的建設(shè)。下面以2021年5月中旬，某次高清視頻、機(jī)器人、無人機(jī)立體聯(lián)合巡檢的圖像為例，驗(yàn)證本文所提設(shè)備缺陷圖像識(shí)別算法的評(píng)價(jià)方法。

排除通訊傳輸問題造成的圖像不清等問題，對(duì)高清視頻、機(jī)器人、無人機(jī)3種設(shè)備采集的合格圖像應(yīng)用兩種深度學(xué)習(xí)算法實(shí)現(xiàn)目標(biāo)缺陷檢測(cè)。其中，第一種方法為YOLOv3［20］，第二種方法為Backbone+Transformer［31］。。

分別計(jì)算缺陷高檢出率模式和低檢出率模式下的算法圖像識(shí)別的實(shí)用評(píng)價(jià)指標(biāo)與潛力評(píng)價(jià)指標(biāo)，見表1?；诔Ｒ?guī)缺陷檢出率的對(duì)比結(jié)果亦見表1。

由表1可得以下結(jié)論：

表1 評(píng)價(jià)效果對(duì)比Table 1 Comparison of evaluation results

1）現(xiàn)場(chǎng)常用的檢出率指標(biāo)易受算法模式（如檢出模式）等人為可調(diào)因素調(diào)整影響，在算法本身沒有實(shí)質(zhì)改進(jìn)的情況下，檢出率指標(biāo)會(huì)有大幅變化，如算法1從15.2%大幅提升至49.6%。而實(shí)用評(píng)價(jià)指標(biāo)在算法檢出率提高后，算法1的漏報(bào)率指標(biāo)正向改善（72.8%下降至53.5%）的同時(shí)，錯(cuò)報(bào)率指標(biāo)將惡化（4.2%上升至7.4%），受人為調(diào)整控制因素較小。只有算法本身有實(shí)質(zhì)性改進(jìn)，實(shí)用評(píng)價(jià)指標(biāo)才能在錯(cuò)報(bào)漏報(bào)兩個(gè)維度上同時(shí)改善。

2）從缺陷類型上看，同一算法對(duì)不同類缺陷圖像識(shí)別算法效果差別較大，如算法1對(duì)“設(shè)備銹蝕”的錯(cuò)報(bào)、漏報(bào)率均低，對(duì)“硅膠變色”錯(cuò)報(bào)、漏報(bào)率均高；不同算法對(duì)同一類缺陷圖像識(shí)別算法效果也存在較大差別，對(duì)“設(shè)備銹蝕”缺陷的識(shí)別，算法1優(yōu)于算法2。

3）存在某些缺陷雖然能正確識(shí)別，但識(shí)別時(shí)延過長(zhǎng)的問題。對(duì)包含多種圖像識(shí)別算法的變電站智能運(yùn)檢系統(tǒng)，遴選特定的設(shè)備缺陷最適用的圖像識(shí)別算法，作為經(jīng)驗(yàn)加以積累是必要和有益。

4）從潛力評(píng)價(jià)指標(biāo)來看，隨著變電站用無人機(jī)應(yīng)用的推廣，當(dāng)前檢出率水平下，算法2的潛力評(píng)價(jià)較高。

此外，當(dāng)前的評(píng)價(jià)結(jié)果是基于特定缺陷和具體樣本得到的結(jié)果。顯然基于多次識(shí)別結(jié)果的實(shí)用化評(píng)價(jià)進(jìn)而給出魯棒性更強(qiáng)的比較結(jié)果是更為有益的?？梢越梃b文獻(xiàn)［29］的改進(jìn)DM方法，拓展出魯棒性更強(qiáng)的實(shí)用評(píng)價(jià)方法。

5 結(jié)語

本文提出了一種變電站設(shè)備缺陷圖像識(shí)別算法的實(shí)用評(píng)價(jià)指標(biāo)，進(jìn)而提出了一種基于不對(duì)稱評(píng)價(jià)函數(shù)的潛力評(píng)價(jià)指標(biāo)。江蘇某500 kV變電站的應(yīng)用表明，該實(shí)用評(píng)價(jià)方法具有以下特點(diǎn)：

1）實(shí)用評(píng)價(jià)指標(biāo)可以用于評(píng)價(jià)不同圖像識(shí)別算法的現(xiàn)場(chǎng)實(shí)用效果，大幅降低了評(píng)價(jià)指標(biāo)的人為影響因素；

2）實(shí)用評(píng)價(jià)指標(biāo)度量了不同算法針對(duì)不同類型典型缺陷的識(shí)別效果差異，為探究具體某種缺陷最適合的圖像識(shí)別方法提供了支撐。

3）提出的潛力評(píng)價(jià)指標(biāo)，為圖像識(shí)別算法應(yīng)用于實(shí)際生產(chǎn)現(xiàn)場(chǎng)的有效性評(píng)價(jià)提供了支撐。

未來的研究中可以對(duì)典型缺陷最適用的圖像識(shí)別算法進(jìn)行進(jìn)一步的匹配，提升設(shè)備特定類型缺陷的發(fā)現(xiàn)概率，提升變電站智能運(yùn)檢水平。