圖像識(shí)別在電力行業(yè)的應(yīng)用

長(zhǎng)沙理工大學(xué) 馮 席

當(dāng)前，電力信息化飛速發(fā)展，信息技術(shù)為電力行業(yè)增添了新生力量，推動(dòng)了電氣設(shè)備產(chǎn)品智能化升級(jí)。近年來，我國(guó)經(jīng)濟(jì)水平不斷提高，人們用電需求也在不斷增加。傳統(tǒng)的供電結(jié)構(gòu)已有不能滿足需求的趨勢(shì)。電力系統(tǒng)改革迫在眉睫，需要安全高效地為社會(huì)發(fā)展提供充足的電能[1]。電力系統(tǒng)龐大，其中包括大量的冗余信息，依靠人工進(jìn)行處理會(huì)耗費(fèi)大量的人力、物力和財(cái)力。并且人力進(jìn)行信息處理，難免會(huì)發(fā)生誤判，電力系統(tǒng)運(yùn)行可靠性得不到保障。由于圖像識(shí)別技術(shù)具有高智能化，將其引入電力系統(tǒng)檢測(cè)代替人工檢測(cè)可提高檢測(cè)精度，提高工作效率，進(jìn)一步提高了我國(guó)電力的安全性、可靠性。圖像識(shí)別技術(shù)的應(yīng)用和發(fā)展為今后電力系統(tǒng)智能化的持續(xù)發(fā)展提供鋪墊。

1 圖像識(shí)別概述

圖像識(shí)別技術(shù)是以計(jì)算機(jī)為基礎(chǔ)，對(duì)一系列海量的圖像進(jìn)行分析，區(qū)分歸納出不同圖像的技術(shù)，該技術(shù)是對(duì)輸入的圖像進(jìn)行特征提取、分析、分類的過程。

根據(jù)圖1，圖像識(shí)別步驟環(huán)環(huán)相扣，相輔相成，缺一不可。圖像識(shí)別嚴(yán)密性和順利性，直接關(guān)系到電力公司檢測(cè)工作的準(zhǔn)確性。圖像識(shí)別流程為：圖像采集、圖像預(yù)處理、圖像特征提取、圖像分類。圖像采集為后續(xù)的圖像識(shí)別網(wǎng)絡(luò)訓(xùn)練做了鋪墊，圖像預(yù)處理是必不可少的一環(huán)。由于傳感器受到自身、通信等因素的影響，所采集的圖像包含了大量的噪聲，因此使用圖像預(yù)處理可以增加圖像識(shí)別的精度。圖像特征提取為最后的圖像分類步驟做了鋪墊，需要提取足量的特征信息，特征分類的精度才會(huì)上升。

圖1 圖像識(shí)別流程

一是圖像采集。借助傳感器、數(shù)碼相機(jī)、攝像頭等外用工具生成數(shù)字圖像，并將圖像存儲(chǔ)在計(jì)算機(jī)內(nèi)，展示在計(jì)算機(jī)屏幕上。這些圖像包括人們所需要的訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集以及測(cè)試集。

二是圖像預(yù)處理。圖像預(yù)處理是指對(duì)采集的圖像進(jìn)行降噪、增強(qiáng)等操作，提高圖片質(zhì)量，避免后續(xù)識(shí)別圖像過程造成誤測(cè)。在構(gòu)建圖像識(shí)別模型的過程中，要結(jié)合具體的情況選擇原型匹配模型或者模板匹配模型。圖像增強(qiáng)：圖像在成像過程中由于無線電波、物體相對(duì)移動(dòng)、射線輻射等各種影響，不可避免會(huì)發(fā)生分辨率降低的情況，可稱之為圖像退化。為了保證后續(xù)的識(shí)別質(zhì)量，利用圖像增強(qiáng)使圖片分辨率進(jìn)一步提高，使圖片的輪廓更加清晰，特征更加容易提取。圖像重建：將圖像增強(qiáng)提取出來的特征信息（通常為數(shù)據(jù)）建立為圖像。

三是圖像特征提取。由于神經(jīng)網(wǎng)絡(luò)的非線性特征，處理大量的圖像數(shù)據(jù)和容錯(cuò)性高的特點(diǎn)，此模塊通常采用神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法以人類的神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，算法中的神經(jīng)元類似人類的神經(jīng)細(xì)胞，以此來模仿學(xué)習(xí)人類的行為。神經(jīng)網(wǎng)絡(luò)通過各個(gè)神經(jīng)元的信息連接進(jìn)行學(xué)習(xí)，從而達(dá)到處理信息的目的。利用多種卷積神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的重要特征進(jìn)行提取，這是圖像識(shí)別至關(guān)重要的一環(huán)。

圖片中一個(gè)像素點(diǎn)為一個(gè)數(shù)據(jù)，那么一張圖片包含著多個(gè)像素點(diǎn)，因此其含有大量的信息。這些像素信息有相互聯(lián)系性，而傳統(tǒng)的圖像識(shí)別算法并不能充分學(xué)習(xí)數(shù)據(jù)之間的信息，因此由于神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性表達(dá)能力和處理大量數(shù)據(jù)的能力，其在一定程度上要優(yōu)于傳統(tǒng)模型[2]。

四是圖像分類。此環(huán)節(jié)用于特征對(duì)應(yīng)，通過softmax函數(shù)對(duì)圖片特征進(jìn)行概率計(jì)算，以此找到超過所設(shè)置概率閾值的類別，通過非線性極大抑制得出最大概率的預(yù)測(cè)框，此類別就是最后識(shí)別出的類別。與圖像分類不同的是，圖像識(shí)別技術(shù)是采用多個(gè)預(yù)測(cè)框?qū)ν粡垐D片的多種對(duì)象進(jìn)行“分類”，而圖像分類僅僅針對(duì)一個(gè)對(duì)象。

2 圖像識(shí)別應(yīng)用于電力行業(yè)場(chǎng)景

早在20世紀(jì)九十年代，日本便提出電力機(jī)器人的構(gòu)想。2018年建立了國(guó)家電網(wǎng)公司電力系統(tǒng)人工智能聯(lián)合實(shí)驗(yàn)室，充分發(fā)揮大數(shù)據(jù)、先進(jìn)計(jì)算與人工智能在電網(wǎng)領(lǐng)域的應(yīng)用價(jià)值，結(jié)合人工智能基礎(chǔ)支撐能力與電網(wǎng)業(yè)務(wù)場(chǎng)景應(yīng)用成效，促進(jìn)電網(wǎng)智能化發(fā)展；2019年2月，國(guó)家電網(wǎng)輸電線路巡檢圖像智能分析云服務(wù)系統(tǒng)建成，并于當(dāng)年12月面向公司系統(tǒng)開放。南方電網(wǎng)中山供電局在2019年12月31日至2020年9月30日，已有25個(gè)省級(jí)電力公司訪問使用了輸電線路巡檢圖像智能分析云服務(wù)系統(tǒng)，建立賬號(hào)600余個(gè)，通過該系統(tǒng)累計(jì)處理線路本體和通道山火相關(guān)圖像740余萬張。

南方電網(wǎng)公司實(shí)現(xiàn)了輸電線路絕緣子破損、鳥巢等機(jī)巡圖像多類缺陷的自動(dòng)識(shí)別；國(guó)家電網(wǎng)公司實(shí)現(xiàn)了復(fù)雜環(huán)境中多種電力監(jiān)控目標(biāo)及其位移、狀態(tài)的識(shí)別，研制了電力人工智能硬件模塊FPGA，可集成到巡檢無人機(jī)、機(jī)器人及監(jiān)控?cái)z像頭中。利用工業(yè)機(jī)器人使用圖像識(shí)別技術(shù)對(duì)電力設(shè)備進(jìn)行檢查，大大提高了檢測(cè)效率，減少人力的浪費(fèi)；同時(shí)人工巡檢往往耗費(fèi)人力、物力，尤其是一些高壓設(shè)備會(huì)危及工作人員性命的危險(xiǎn)。以下為智能化設(shè)備巡檢所應(yīng)用的典型場(chǎng)景[3]。

一是需要進(jìn)行檢測(cè)的高危地區(qū)。經(jīng)濟(jì)不發(fā)達(dá)的地區(qū)部分電力設(shè)備放置在高危地區(qū)，如陡峭山區(qū)，工人不方便進(jìn)行設(shè)備檢測(cè)，應(yīng)用無人機(jī)進(jìn)行圖像識(shí)別可完成檢測(cè)工作。

二是地下隧道檢測(cè)。地下隧道長(zhǎng)期處于黑暗中，不易進(jìn)行人工檢查。利用圖像識(shí)別技術(shù)可以輕易檢測(cè)出墻壁裂縫、漏水處以及部分設(shè)備老化、腐蝕損壞處。

三是惡劣環(huán)境下輸電線路檢測(cè)。大風(fēng)、冰雹、暴雨、掛墜物等惡劣環(huán)境下可造成電氣設(shè)備的損壞，如2008年湖南電網(wǎng)遭遇了歷史以來最嚴(yán)重的冰凍災(zāi)害，冰凍災(zāi)害對(duì)輸電線路和電網(wǎng)結(jié)構(gòu)帶來了較大破壞。

3 圖像識(shí)別適用于電力行業(yè)案例

目前，隨著深度學(xué)習(xí)的飛速發(fā)展，圖像識(shí)別技術(shù)愈加成熟，其在電力行業(yè)中得到廣泛應(yīng)用，在智能巡檢變電站可以通過檢測(cè)高壓套管狀態(tài)、儀表示數(shù)、變壓器狀態(tài)、絕緣子等戶外設(shè)備狀態(tài)，人工判斷此時(shí)變電站的情況是否異常。以下為圖像識(shí)別技術(shù)在電力檢測(cè)中的典型應(yīng)用[4]。

3.1 電氣設(shè)備檢測(cè)

一是指示儀表檢測(cè)。隨著時(shí)間的累積，“老齡”電氣設(shè)備經(jīng)過風(fēng)吹日曬，儀表數(shù)字、設(shè)備說明等單純用人眼難以分辨。目前，我國(guó)一些電力企業(yè)在執(zhí)行填寫撤回電能表表數(shù)的工作環(huán)節(jié)時(shí)，依然是采用人工錄入的形式，這就導(dǎo)致極易出現(xiàn)操作失誤現(xiàn)象，從而降低信息準(zhǔn)確性，對(duì)企業(yè)自身和消費(fèi)者造成不必要的損失。圖像識(shí)別技術(shù)自動(dòng)化、智能化的優(yōu)勢(shì)可幫助企業(yè)通過計(jì)算機(jī)與專業(yè)程序自動(dòng)填寫撤回電能表表數(shù)，提升信息準(zhǔn)確率。將圖片進(jìn)行二值化處理，通過高效的網(wǎng)絡(luò)模型，如Yolox模型對(duì)指針的角度、儀表的刻度、指針的位置進(jìn)行定位、識(shí)別，方便后續(xù)數(shù)據(jù)處理工作。

二是絕緣子等戶外設(shè)備故障檢測(cè)。電氣設(shè)備往往設(shè)置在戶外，如絕緣子、螺栓等器件。設(shè)備表面的污穢、裂紋、損壞往往會(huì)造成輸電故障。對(duì)在高處的電氣設(shè)備進(jìn)行人為檢測(cè)耗費(fèi)過大。若工作人員僅靠肉眼觀看無人機(jī)檢測(cè)設(shè)備視頻進(jìn)行查詢故障，易發(fā)生誤判、漏判的情況，使檢測(cè)成本增加。應(yīng)用圖像識(shí)別技術(shù)能對(duì)故障處進(jìn)行定位識(shí)別可提高故障檢測(cè)準(zhǔn)確率。

三是變壓器設(shè)備故障檢測(cè)。變壓器是電力系統(tǒng)中的核心設(shè)備，在工作過程中，變壓器發(fā)生油位異常、溫度異常均會(huì)發(fā)生設(shè)備故障。變壓器漏油的周期不同且速度過快，人工不易檢測(cè)且容易出現(xiàn)誤判的情況。利用變壓器的液滴滴落視頻，以及漏油軌跡對(duì)變壓器設(shè)備漏油故障點(diǎn)進(jìn)行預(yù)測(cè)、分類討論。此外，采用紅外測(cè)溫技術(shù)，對(duì)運(yùn)行中的變壓器實(shí)施溫度監(jiān)控。若超過一定的閾值，則報(bào)警。

四是斷路器檢測(cè)。斷路器避免了頻繁啟動(dòng)電機(jī)設(shè)備，對(duì)各個(gè)電力設(shè)備和輸電線路實(shí)施保護(hù)，在輸配電中起著至關(guān)重要的作用。將圖像進(jìn)行預(yù)處理，去除由于外部條件對(duì)圖像產(chǎn)生的干擾，隨后進(jìn)行二值化，通過神經(jīng)網(wǎng)絡(luò)對(duì)斷路器的特征進(jìn)行提取，觀測(cè)斷路器的狀態(tài)。

五是在穿戴式電力設(shè)備上應(yīng)用圖像識(shí)別技術(shù)，從而預(yù)防誤操作，實(shí)現(xiàn)了技術(shù)的創(chuàng)新。利用采集穿戴式設(shè)備的標(biāo)牌與間隔名稱，借助于無線網(wǎng)絡(luò)將采集的圖像向計(jì)算機(jī)服務(wù)器進(jìn)行傳輸，計(jì)算機(jī)服務(wù)器識(shí)別采集的圖像，和操作票相結(jié)合對(duì)工作人員是否存在誤操作進(jìn)行判斷[5]。

六是應(yīng)用圖像識(shí)別技術(shù)，監(jiān)督、檢測(cè)輸電線路的實(shí)時(shí)狀況。自動(dòng)識(shí)別由于大風(fēng)、雨雪等惡劣天氣造成線路舞動(dòng)，以及在高負(fù)荷狀態(tài)時(shí)出現(xiàn)的弧垂增大等異常情況，盡早制定應(yīng)急預(yù)案。

3.2 變電站安全監(jiān)測(cè)

變電站圖像識(shí)別，主要通過安裝紅外與可見光攝像頭實(shí)現(xiàn)變電站遠(yuǎn)程圖像、遠(yuǎn)程監(jiān)控、遙視與安全預(yù)警。

一是圖像識(shí)別技術(shù)在電力信息化建設(shè)中應(yīng)用到消防安全防護(hù)上，主要是借助于紅外線攝像頭對(duì)火焰的紅外輪廓進(jìn)行提取識(shí)別，基于對(duì)火焰亮度、火焰飽和度等特征與形態(tài)學(xué)以及連通性相結(jié)合進(jìn)行分析，從而實(shí)現(xiàn)識(shí)別靜態(tài)火焰的目的；借助目標(biāo)圖像法識(shí)別動(dòng)態(tài)火焰，從而實(shí)現(xiàn)了預(yù)防火災(zāi)的目的，確保了電力系統(tǒng)的安全、穩(wěn)定運(yùn)行。

二是變電站內(nèi)可采用無人監(jiān)視策略，通過周圍的圖像攝像機(jī)對(duì)周圍環(huán)境進(jìn)行監(jiān)控，若周圍環(huán)境發(fā)生變化，如進(jìn)入非法入侵者，當(dāng)計(jì)算機(jī)定位到入侵者并識(shí)別出是陌生人時(shí)，則調(diào)度者通過互聯(lián)網(wǎng)網(wǎng)絡(luò)收到告警信號(hào)。但是此技術(shù)需要對(duì)工作人員的體態(tài)、身高、步態(tài)等進(jìn)行收集并識(shí)別，這加大了數(shù)據(jù)集收集和圖像識(shí)別的難度。

3.3 光伏發(fā)電周期預(yù)測(cè)

光伏發(fā)電受云層遮擋的影響，使其發(fā)電效率呈現(xiàn)不斷變化的波動(dòng)趨勢(shì)。利用圖像識(shí)別技術(shù)對(duì)天空的云層進(jìn)行識(shí)別，分析所識(shí)別云層的形狀、運(yùn)動(dòng)方向，利用數(shù)據(jù)驅(qū)動(dòng)等算法推測(cè)云層的演變，實(shí)現(xiàn)云層遮擋情況的光伏發(fā)電效率預(yù)測(cè)。

4 圖像識(shí)別在電力行業(yè)的挑戰(zhàn)

一是圖像識(shí)別的網(wǎng)絡(luò)模型需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，而在電力行業(yè)中，圖片數(shù)據(jù)遠(yuǎn)沒有像COCO數(shù)據(jù)集同等的大數(shù)據(jù)集，基于電力的部分網(wǎng)絡(luò)模型有可能會(huì)面臨著訓(xùn)練不足而導(dǎo)致精度下降的問題。

二是目前電力行業(yè)方面沒有統(tǒng)一公用的數(shù)據(jù)集，全國(guó)各地難以實(shí)現(xiàn)數(shù)據(jù)共享。導(dǎo)致進(jìn)行網(wǎng)絡(luò)訓(xùn)練時(shí)，數(shù)據(jù)需要實(shí)地進(jìn)行采集，耗費(fèi)大量的人力。如若實(shí)現(xiàn)共享數(shù)據(jù)集，該數(shù)據(jù)集將會(huì)異常龐大，訓(xùn)練更加困難，數(shù)據(jù)量也會(huì)成倍增加。

三是穩(wěn)定性不足，目前圖像識(shí)別精度大多停留在80%～95%，難以達(dá)到100%，因此算法發(fā)生誤判的情況不可避免，這給后續(xù)的工作或多或少帶來影響。

四是目前電力行業(yè)大多采用無人機(jī)、機(jī)器人等進(jìn)行原始圖像采集，對(duì)所需要的圖片進(jìn)行人工處理。圖像識(shí)別算法的實(shí)現(xiàn)依賴于特定領(lǐng)域的人工標(biāo)記樣本，一定程度上存在標(biāo)記誤差等情況影響訓(xùn)練質(zhì)量。除此之外，人工標(biāo)記的樣本難以推廣到其他場(chǎng)景，因此目前自適應(yīng)圖像識(shí)別也開始研究，但并未真正大規(guī)模投入使用。

目前，深度學(xué)習(xí)在各個(gè)領(lǐng)域蓬勃發(fā)展，但是有些地方還不完善，其發(fā)展?jié)摿^大。近年來，電力行業(yè)逐漸引入人工智能，為電力系統(tǒng)的運(yùn)行維護(hù)帶來了較大的便利。但圖像識(shí)別技術(shù)在電力行業(yè)的應(yīng)用還普遍存在數(shù)據(jù)不足、精度不高、穩(wěn)定性不足等問題，將來有望針對(duì)電力行業(yè)的特點(diǎn)進(jìn)行更進(jìn)一步的改進(jìn)研究。隨著神經(jīng)網(wǎng)絡(luò)模型的熱潮愈加高漲，有望引入遷移學(xué)習(xí)、Transformer、元學(xué)習(xí)、分布協(xié)同式專家系統(tǒng)等知識(shí)，加強(qiáng)網(wǎng)絡(luò)模型的非線性處理能力，增強(qiáng)圖像識(shí)別的精確性和穩(wěn)定性，提高電力系統(tǒng)運(yùn)行的穩(wěn)定性。如何在電力系統(tǒng)建設(shè)中應(yīng)用好圖像識(shí)別技術(shù)，充分發(fā)揮其優(yōu)勢(shì)，實(shí)現(xiàn)電力信息化的可持續(xù)發(fā)展是一個(gè)待深究的研究問題。