基于互聯(lián)網(wǎng)技術(shù)的無人機(jī)電力巡檢視覺避障方法的研究與發(fā)展

王汝智 任海金 王文軍

摘要：隨著電力系統(tǒng)的不斷升級(jí)和擴(kuò)大，傳統(tǒng)的人工巡檢方式已經(jīng)無法滿足日益增長的巡檢需求。隨著互聯(lián)網(wǎng)的不斷發(fā)展，以無人機(jī)作為巡檢工具的巡檢方法，以其靈活、高效的特點(diǎn)，逐漸成為電力巡檢的首選。然而，在無人機(jī)巡檢過程中，視覺避障技術(shù)一直是制約無人機(jī)應(yīng)用的一個(gè)重要問題。本文將對(duì)基于互聯(lián)網(wǎng)技術(shù)的無人機(jī)電力巡檢視覺避障方法的研究與發(fā)展進(jìn)行綜述，詳細(xì)介紹視覺避障技術(shù)的關(guān)鍵點(diǎn)，包括通信技術(shù)和算法等方面，分析視覺避障技術(shù)在無人機(jī)電力巡檢中的應(yīng)用現(xiàn)狀和存在的問題，展望視覺避障技術(shù)在無人機(jī)電力巡檢中的發(fā)展趨勢(shì)。

關(guān)鍵詞：無人機(jī)巡檢技術(shù)；視覺避障；深度學(xué)習(xí)算法；通信技術(shù)

引言

視覺避障技術(shù)是無人機(jī)電力巡檢中一個(gè)至關(guān)重要的環(huán)節(jié)，直接關(guān)系到無人機(jī)的安全和巡檢的準(zhǔn)確性。無人機(jī)在飛行過程中會(huì)遇到各種障礙物，如電力線、桿塔、樹木等，如果不能及時(shí)避讓，可能會(huì)導(dǎo)致無人機(jī)墜毀或損壞。目前，常見的視覺避障技術(shù)包括超聲波避障、紅外避障、激光雷達(dá)避障等。然而，現(xiàn)有技術(shù)還不能完全滿足生產(chǎn)需要，如超聲波技術(shù)受環(huán)境干擾大、紅外避障技術(shù)對(duì)光線條件要求高等。因此，對(duì)無人機(jī)電力巡檢視覺避障技術(shù)的研究具有十分重要的現(xiàn)實(shí)意義。

1. 視覺避障的關(guān)鍵技術(shù)

當(dāng)前，視覺避障技術(shù)的研究主要集中在算法優(yōu)化、互聯(lián)網(wǎng)通信技術(shù)升級(jí)等方面。其中，基于深度學(xué)習(xí)的算法得到了廣泛應(yīng)用，如卷積神經(jīng)網(wǎng)絡(luò)（CNN），該算法能夠通過對(duì)環(huán)境的實(shí)時(shí)識(shí)別，幫助無人機(jī)實(shí)現(xiàn)精確避障。同時(shí)，無線通信技術(shù)和衛(wèi)星通信技術(shù)等也得到了廣泛應(yīng)用，能夠更加快速地提供位置信息，提高避障的準(zhǔn)確性。

1.1 視覺避障算法

視覺避障技術(shù)需要使用各種算法來處理接收到的信息，如目標(biāo)檢測(cè)、跟蹤、識(shí)別、測(cè)距等。其中，目標(biāo)檢測(cè)和跟蹤是關(guān)鍵算法，可以實(shí)現(xiàn)對(duì)障礙物的快速檢測(cè)和跟蹤。

（1）CNN是一種用于圖像識(shí)別和目標(biāo)檢測(cè)的深度學(xué)習(xí)算法，通過堆疊多個(gè)卷積層、池化層和全連接層，可以自動(dòng)學(xué)習(xí)輸入數(shù)據(jù)的特征表示，并在訓(xùn)練過程中不斷優(yōu)化模型參數(shù)，從而實(shí)現(xiàn)對(duì)復(fù)雜數(shù)據(jù)的高效處理和識(shí)別。CNN在圖像識(shí)別、物體檢測(cè)、語音識(shí)別等領(lǐng)域取得了巨大成功，成為深度學(xué)習(xí)領(lǐng)域應(yīng)用最廣泛的模型之一，常用于目標(biāo)檢測(cè)任務(wù)中。

（2）Faster R-CNN是基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)，是一種經(jīng)典的兩階段目標(biāo)檢測(cè)算法，由R-CNN、Fast R-CNN和Region Proposal Network（RPN）三部分組成，通過引入?yún)^(qū)域提議網(wǎng)絡(luò)來提高目標(biāo)檢測(cè)的速度和準(zhǔn)確性，具有較高的準(zhǔn)確性和精度，但由于其兩階段的設(shè)計(jì)，速度相對(duì)較慢。隨著后續(xù)的改進(jìn)和優(yōu)化，如Mask R-CNN、Cascade R-CNN等，F(xiàn)aster R-CNN的性能得到了進(jìn)一步提升，并且在圖像檢測(cè)和實(shí)例分割任務(wù)中被廣泛應(yīng)用。

（3）Mask R-CNN是在Faster R-CNN基礎(chǔ)上進(jìn)行了改進(jìn)，結(jié)合了目標(biāo)檢測(cè)和實(shí)例分割的任務(wù)，在實(shí)現(xiàn)目標(biāo)檢測(cè)的同時(shí)，生成目標(biāo)的語義分割掩模，更適用于復(fù)雜場(chǎng)景中的目標(biāo)檢測(cè)與跟蹤，被廣泛應(yīng)用于圖像分割、人體姿態(tài)識(shí)別等領(lǐng)域。

（4）SSD（single shot multiBox detector）是另一種快速的目標(biāo)檢測(cè)算法，通過在不同層級(jí)的特征圖上預(yù)測(cè)目標(biāo)的類別和邊界框，實(shí)現(xiàn)了對(duì)不同尺度目標(biāo)的檢測(cè)。SSD相較于傳統(tǒng)的兩階段目標(biāo)檢測(cè)算法，具有更快的速度和較好的檢測(cè)性能，適用于實(shí)時(shí)的多目標(biāo)檢測(cè)。

（5）YOLO（you only look once）是一種快速且準(zhǔn)確的單階段的目標(biāo)檢測(cè)算法，與傳統(tǒng)的兩階段目標(biāo)檢測(cè)算法（如R-CNN系列）相比具有更高的速度和效率，通過單次前向傳播，實(shí)現(xiàn)對(duì)整個(gè)圖像中多個(gè)目標(biāo)的檢測(cè)與定位，適合實(shí)時(shí)應(yīng)用。YOLO系列發(fā)展至今已經(jīng)發(fā)布到Y(jié)OLOv8系列。

（6）DeepSORT是一種結(jié)合深度學(xué)習(xí)和目標(biāo)關(guān)聯(lián)的目標(biāo)跟蹤算法，在實(shí)時(shí)環(huán)境下能夠準(zhǔn)確、穩(wěn)定地跟蹤多個(gè)目標(biāo)的算法，可以在視頻流中對(duì)目標(biāo)進(jìn)行實(shí)時(shí)追蹤和識(shí)別，提高跟蹤的準(zhǔn)確性和穩(wěn)定性。

（7）KCF（kernelized correlation filters）是一種基于核相關(guān)濾波的目標(biāo)跟蹤算法，通過學(xué)習(xí)目標(biāo)的特征模板，在連續(xù)幀中進(jìn)行目標(biāo)跟蹤，能夠適應(yīng)目標(biāo)在不同尺度下的變化，通過在多個(gè)尺度上建模目標(biāo)特征，實(shí)現(xiàn)對(duì)尺度變化的魯棒跟蹤，提高了算法的適應(yīng)性和泛化能力。

1.2 互聯(lián)網(wǎng)通信技術(shù)

視覺避障技術(shù)需要使用更加快速的通信技術(shù)發(fā)送和接收環(huán)境信息，一方面，可以通過快速的通信技術(shù)實(shí)時(shí)傳輸無人機(jī)采集到的圖像和數(shù)據(jù)，提供給地面操作人員或系統(tǒng)進(jìn)行分析和處理，幫助地面人員快速了解無人機(jī)周圍環(huán)境的情況，及時(shí)作出決策；另一方面，可以加快多架無人機(jī)之間實(shí)現(xiàn)數(shù)據(jù)共享和協(xié)作，共同完成電力巡檢任務(wù)，提高巡檢效率，同時(shí)實(shí)現(xiàn)更全面的視覺避障覆蓋范圍。

目前，無人機(jī)電力巡檢技術(shù)的通信手段早已擺脫了光纖通信、雙絞線通信等傳統(tǒng)有線通信技術(shù)，更多地采用無線通信技術(shù)、衛(wèi)星通信技術(shù)以及光通信技術(shù)，在選擇通信方式時(shí)，需考慮實(shí)際情況，綜合考慮其性能、精度、功耗和成本等因素，以達(dá)到最佳的應(yīng)用效果。

1.2.1 無線通信技術(shù)

無線通信技術(shù)包括移動(dòng)通信技術(shù)（如4G、5G技術(shù)）、Wi-Fi技術(shù)和藍(lán)牙技術(shù)等，通過空中的電磁波傳輸信息，實(shí)現(xiàn)設(shè)備之間數(shù)據(jù)傳輸和通信。首先，發(fā)送端通過調(diào)制技術(shù)將要傳輸?shù)男畔⑿盘?hào)轉(zhuǎn)換成適合在空中傳輸?shù)碾姶挪ㄐ盘?hào)，接收端通過解調(diào)技術(shù)將接收到的電磁波信號(hào)還原成原始的信息信號(hào)。其次，為提高傳輸效率和可靠性，通常會(huì)對(duì)信息信號(hào)進(jìn)行編碼處理，以確保信息的正確傳輸。最后，發(fā)送端將需要發(fā)送的數(shù)據(jù)轉(zhuǎn)換為適合在空中傳輸?shù)母哳l信號(hào)，經(jīng)過天線將信號(hào)發(fā)送到空中，同時(shí)接收端會(huì)接收來自空中的電磁波信號(hào)，并將此信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，實(shí)現(xiàn)數(shù)據(jù)傳輸。

無線通信技術(shù)具有便捷性、靈活性、覆蓋范圍廣、成本較低、易部署、易擴(kuò)展、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，已成為當(dāng)前通信領(lǐng)域的主流技術(shù)之一，得到了廣泛的應(yīng)用和發(fā)展。

1.2.2 衛(wèi)星通信技術(shù)

衛(wèi)星通信技術(shù)是利用人造衛(wèi)星作為中繼器，實(shí)現(xiàn)地面和移動(dòng)終端之間的通信。地面信號(hào)源使用較高頻率的微波信號(hào)作為載波信號(hào)，通過天線將信號(hào)發(fā)射到衛(wèi)星，衛(wèi)星接收到來自發(fā)射端的信號(hào)后，經(jīng)過放大和頻率轉(zhuǎn)換等處理，再通過衛(wèi)星上的轉(zhuǎn)發(fā)器和天線將信號(hào)轉(zhuǎn)發(fā)到地面，地面接收站接收衛(wèi)星傳來的信號(hào)后，進(jìn)行信號(hào)的放大、解調(diào)、解碼等處理，最終將信息傳遞給終端用戶，用戶的終端設(shè)備通過天線接收來自地面接收站的信號(hào)，進(jìn)行解調(diào)、解碼等處理，最終獲取通信內(nèi)容。

在衛(wèi)星通信技術(shù)中，衛(wèi)星起到了中繼器的作用，將地面發(fā)射的信號(hào)再次轉(zhuǎn)發(fā)到指定接收站，實(shí)現(xiàn)了全球范圍內(nèi)的通信覆蓋。衛(wèi)星通信技術(shù)的優(yōu)點(diǎn)包括覆蓋范圍廣，適用于偏遠(yuǎn)地區(qū)和海洋等無法覆蓋的區(qū)域，支持廣播、電話、互聯(lián)網(wǎng)等多種通信服務(wù)，同時(shí)也具備快速部署和網(wǎng)絡(luò)擴(kuò)展的優(yōu)勢(shì)。

1.2.3 光通信技術(shù)

光通信技術(shù)是一種利用光作為傳輸媒介進(jìn)行信息傳輸?shù)耐ㄐ偶夹g(shù)。其原理主要包括以下幾個(gè)步驟：首先，通過強(qiáng)度調(diào)制、頻率調(diào)制和相位調(diào)制等調(diào)制方式，將模擬信號(hào)或數(shù)字信號(hào)轉(zhuǎn)換為光信號(hào)的強(qiáng)度、頻率或相位的變化；其次，經(jīng)過調(diào)制后的光信號(hào)通過光纖或光空間傳輸?shù)浇邮斩?；最后，接收端的接收器將光信?hào)轉(zhuǎn)換回原始的模擬或數(shù)字信號(hào)，以便接收端設(shè)備進(jìn)行后續(xù)處理和解碼。

光通信技術(shù)利用光信號(hào)作為信息的載體，相比傳統(tǒng)的電信號(hào)通信技術(shù)，光通信技術(shù)具有傳輸速度快、帶寬大、抗干擾能力強(qiáng)、傳輸距離遠(yuǎn)、安全性高等優(yōu)勢(shì)，適用于長距離、大數(shù)據(jù)量、高速傳輸?shù)葢?yīng)用場(chǎng)景。光通信技術(shù)在通信網(wǎng)絡(luò)、數(shù)據(jù)中心、互聯(lián)網(wǎng)等領(lǐng)域發(fā)揮著重要作用，是未來通信領(lǐng)域的重要發(fā)展方向之一。

2. 視覺避障技術(shù)在無人機(jī)電力巡檢中的應(yīng)用現(xiàn)狀

當(dāng)前，很多研究機(jī)構(gòu)和企業(yè)都在積極開展無人機(jī)電力巡檢視覺避障技術(shù)的研究與實(shí)踐。針對(duì)不同的應(yīng)用場(chǎng)景和需求，已經(jīng)出現(xiàn)許多創(chuàng)新性的解決方案和技術(shù)。例如，張靜等[1]針對(duì)無人機(jī)電力線路巡檢效率低的問題，提出了一種基于雙目測(cè)距的無人機(jī)電力線路巡檢安全距離測(cè)量算法，采用雙目測(cè)距原理搭建試驗(yàn)臺(tái)，對(duì)建立的系統(tǒng)進(jìn)行實(shí)拍圖像的Hough直線測(cè)試，最終誤差被控制在5%左右，滿足實(shí)際生產(chǎn)需要。羅瀟等人[2]針對(duì)無人機(jī)電網(wǎng)巡檢存在檢測(cè)區(qū)域面積小、背景復(fù)雜、計(jì)算量大的問題，提出了一種基于YOLOv3的目標(biāo)檢測(cè)算法，算法首先選用ResNet18作為主干網(wǎng)絡(luò)結(jié)構(gòu)，然后構(gòu)建一個(gè)多尺度特征金字塔，將其與主干網(wǎng)絡(luò)進(jìn)行融合，形成深度融合的電網(wǎng)巡檢絕緣子檢測(cè)模型，提高了檢測(cè)精度和檢測(cè)速度。仲林林等[3]針對(duì)無人機(jī)電力線路巡檢拍攝的桿塔圖像背景復(fù)雜且正負(fù)樣本極不均衡，嚴(yán)重影響電力桿塔異常檢測(cè)準(zhǔn)確性的問題，提出了一種基于壓縮激活改進(jìn)快速異常檢測(cè)生成對(duì)抗網(wǎng)絡(luò)（SE-fAnoGAN）的無人機(jī)電力桿塔巡檢算法，該算法首先在f-AnoGAN編碼器中引入壓縮激活網(wǎng)絡(luò)（SENet），提取圖像中的顯著性信息，然后，將生成對(duì)抗網(wǎng)絡(luò)的無監(jiān)督學(xué)習(xí)和二分類器的有監(jiān)督學(xué)習(xí)有機(jī)結(jié)合，實(shí)現(xiàn)前者特征提取優(yōu)勢(shì)和后者判別優(yōu)勢(shì)的互補(bǔ)。在此基礎(chǔ)上，借助基于遷移學(xué)習(xí)的優(yōu)化訓(xùn)練策略，進(jìn)一步有效提升模型在大規(guī)模數(shù)據(jù)集上的泛化性能，提高復(fù)雜背景下的無人機(jī)巡檢精度。

除此之外，還可以利用深度學(xué)習(xí)算法對(duì)圖像進(jìn)行識(shí)別和分類，實(shí)現(xiàn)對(duì)障礙物的自動(dòng)識(shí)別；結(jié)合無線通信、衛(wèi)星通信等通信方式，提高復(fù)雜環(huán)境中的通信能力；通過路徑規(guī)劃算法，實(shí)現(xiàn)無人機(jī)的智能避障和自主飛行等。

近年來，研究者們對(duì)視覺避障技術(shù)進(jìn)行了深入研究，并取得了一定的成果。其中，基于深度學(xué)習(xí)的視覺避障技術(shù)得到了廣泛應(yīng)用。該技術(shù)通過訓(xùn)練大量的數(shù)據(jù)樣本，使無人機(jī)能夠識(shí)別和判斷障礙物的位置和大小，從而實(shí)現(xiàn)對(duì)障礙的有效避障。

盡管視覺避障技術(shù)已經(jīng)取得了顯著的進(jìn)步，但仍存在一些挑戰(zhàn)，如通信效率低、算法復(fù)雜度高、系統(tǒng)實(shí)時(shí)性差等，具體表現(xiàn)為環(huán)境光照的變化會(huì)對(duì)圖像質(zhì)量產(chǎn)生影響，進(jìn)而影響避障精度，以及無人機(jī)在復(fù)雜環(huán)境中（如樹木、建筑物等）的避障難度較大。此外，如何提高避障反應(yīng)速度，使其適應(yīng)實(shí)時(shí)巡檢需求，也是亟待解決的問題。

3. 視覺避障技術(shù)在無人機(jī)電力巡檢中的未來發(fā)展趨勢(shì)

目前，大部分無人機(jī)巡檢作業(yè)方式為非接觸式，接觸式巡檢作業(yè)技術(shù)研究基本停留在理論分析階段，實(shí)際應(yīng)用較少[4]。未來，隨著人工智能和互聯(lián)網(wǎng)技術(shù)的發(fā)展，視覺避障技術(shù)將進(jìn)一步發(fā)展。首先，更加精細(xì)的算法和模型將進(jìn)一步提高避障精度；其次，多傳感器融合技術(shù)將進(jìn)一步提高避障的可靠性；最后，隨著無人機(jī)硬件性能的提升，無人機(jī)的實(shí)時(shí)反應(yīng)速度也將得到提高，使其適應(yīng)更復(fù)雜的環(huán)境。具體可從以下四個(gè)方面進(jìn)行深入研究。

3.1 多傳感器融合

視覺避障技術(shù)將與其他傳感器（如激光雷達(dá)、超聲波傳感器等）融合，以提高傳感器的精度和可靠性。通過結(jié)合多種傳感器，如攝像頭、激光雷達(dá)、紅外線等，提高對(duì)復(fù)雜環(huán)境中障礙物的檢測(cè)精度和避障能力。

3.2 深度學(xué)習(xí)算法

深度學(xué)習(xí)算法將在視覺避障技術(shù)中得到更廣泛的應(yīng)用，可以提高算法的準(zhǔn)確性和效率，無人機(jī)電力巡檢領(lǐng)域也將更多地應(yīng)用這些技術(shù)，從而提高障礙物檢測(cè)和避障效果。

3.3 多學(xué)科技術(shù)交叉

借助路徑規(guī)劃算法、環(huán)境感知技術(shù)、姿態(tài)控制和運(yùn)動(dòng)規(guī)劃技術(shù)、自主飛行技術(shù)等，實(shí)現(xiàn)無人機(jī)在復(fù)雜環(huán)境中的智能避障和自主飛行，包括研究無人機(jī)的語義服務(wù)技術(shù)，進(jìn)一步提高巡檢效率和功能穩(wěn)定性[5]。

3.4 互聯(lián)網(wǎng)技術(shù)

通過通信技術(shù)發(fā)送和接收巡檢數(shù)據(jù)，進(jìn)一步提高無人機(jī)與基地或其他設(shè)備的高效通信，實(shí)現(xiàn)對(duì)電力設(shè)備狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，提高電力系統(tǒng)的運(yùn)行效率和可靠性。

結(jié)語

本文綜述了無人機(jī)電力巡檢視覺避障技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)。視覺避障技術(shù)是保障無人機(jī)電力巡檢安全性和可靠性的關(guān)鍵技術(shù)之一，目前還存在一些問題需要解決。未來，視覺避障技術(shù)將注重多傳感器融合、深度學(xué)習(xí)算法、互聯(lián)網(wǎng)技術(shù)等方面的發(fā)展，以提高無人機(jī)電力巡檢的效率和準(zhǔn)確性。未來，無人機(jī)將隨著互聯(lián)網(wǎng)技術(shù)的進(jìn)一步發(fā)展，在電力巡檢中發(fā)揮更大的作用，為人們的生活帶來更多便利。

參考文獻(xiàn)：

[1]張靜，劉曉銘，黃國方.基于雙目測(cè)距的無人機(jī)電力線路巡檢安全距離測(cè)量研究[J].微型電腦應(yīng)用，2020，36（2）：117-119.

[2]羅瀟，於鋒，彭勇.基于深度學(xué)習(xí)的無人機(jī)電網(wǎng)巡檢缺陷檢測(cè)研究[J].電力系統(tǒng)保護(hù)與控制，2022，50（10）：132-139.

[3]仲林林，胡霞，劉柯妤.基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的無人機(jī)電力桿塔巡檢圖像異常檢測(cè)[J].電工技術(shù)學(xué)報(bào)，2022，37（9）： 2230-2240，2262.

[4]隋宇，寧平凡，牛萍娟，等.面向架空輸電線路的掛載無人機(jī)電力巡檢技術(shù)研究綜述[J].電網(wǎng)技術(shù)，2021，45（9）：3636-3648.

[5]季偉，吳建靈，吳建友，等.面向無人機(jī)電力巡檢航跡規(guī)劃的語義服務(wù)方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2021，42（5）：1494-1501.

作者簡(jiǎn)介：王汝智，碩士研究生，高級(jí)經(jīng)濟(jì)師，研究方向：無人智能運(yùn)維和管理。

基金項(xiàng)目：國家能源集團(tuán)陜西水電有限公司科技創(chuàng)新項(xiàng)目——光伏電站安全運(yùn)維一體化智能管控系統(tǒng)研究項(xiàng)目（編號(hào)：GJNY-23-053）。