基于YOLOv5算法的無(wú)人機(jī)巡檢圖像中絕緣子單目測(cè)距方法

摘 要：為了提升無(wú)人機(jī)安全飛行性，提升線路運(yùn)維能力，基于ＹＯＬＯｖ５ 深度學(xué)習(xí)算法，提出了一種無(wú)人機(jī)單目測(cè)距方法，用于實(shí)現(xiàn)一種精確的輔助距離測(cè)量功能。對(duì)現(xiàn)有的開(kāi)源絕緣子數(shù)據(jù)集進(jìn)行了擴(kuò)充和標(biāo)定，采用ＹＯＬＯｖ５ｓ 模型進(jìn)行了訓(xùn)練、驗(yàn)證和測(cè)試，建立了絕緣子串的測(cè)距模型，設(shè)計(jì)代碼加入到檢測(cè)模塊中，實(shí)現(xiàn)對(duì)絕緣子的識(shí)別和測(cè)距。實(shí)驗(yàn)結(jié)果表明，該模型能夠準(zhǔn)確識(shí)別輸電線路不同類型的絕緣子并進(jìn)行精確測(cè)距，平均測(cè)距誤差為４． ７６％ ；對(duì)復(fù)合絕緣子的識(shí)別和測(cè)距效果最佳，改變俯仰角和相對(duì)距離，最大測(cè)距誤差為６％ ；在不同天氣條件下，亮度變化越大，對(duì)絕緣子的識(shí)別測(cè)距誤差也越大，亮度增加至１００％ 時(shí)，誤差最高可達(dá)到１２． ３％ 。測(cè)距所需平均時(shí)間為０． ２９８ ４ ｓ，可以實(shí)現(xiàn)高效、高精度測(cè)距，為無(wú)人機(jī)巡檢安全距離測(cè)量提供支持。

關(guān)鍵詞：安全距離；絕緣子；深度學(xué)習(xí)；ＹＯＬＯｖ５；圖像識(shí)別；單目測(cè)距

中圖分類號(hào)：ＴＭ７５５；ＴＰ３９１ 文獻(xiàn)標(biāo)志碼：Ａ 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（ＯＳＩＤ）：

文章編號(hào)：１００３－３１０６（２０２４）０６－１４２１－１０

０ 引言

輸電線路是電力系統(tǒng)的重要組成部分，對(duì)其進(jìn)行巡檢維修以維持正常穩(wěn)定運(yùn)行是保證電力系統(tǒng)穩(wěn)定的重要環(huán)節(jié)。研究表明，線路運(yùn)行中一半以上故障是由絕緣子問(wèn)題引起的［１］。因此，在巡檢過(guò)程中，加強(qiáng)對(duì)輸電線路特別是絕緣子的檢查尤為重要。傳統(tǒng)的絕緣子檢查方式依賴巡檢人員沿線進(jìn)行近距離巡視和檢測(cè)。然而，隨著輸電線路的擴(kuò)建，人工巡檢任務(wù)的負(fù)擔(dān)增加，巡線的難度也加大［２－３］。近年來(lái)，全國(guó)各電網(wǎng)公司大力發(fā)展無(wú)人機(jī)巡線，相較于傳統(tǒng)的人工巡線方式，無(wú)人機(jī)巡線具有高效率、不受地形限制、實(shí)時(shí)信息傳輸和安全等優(yōu)點(diǎn)［４］。然而，在運(yùn)行過(guò)程中，輸電線路會(huì)產(chǎn)生電磁場(chǎng)，可能干擾無(wú)人機(jī)的信號(hào)，并且有可能由于電場(chǎng)擊穿使無(wú)人機(jī)的電子設(shè)備發(fā)生故障，導(dǎo)致無(wú)人機(jī)墜毀，威脅到輸電線路的安全［５］。因此，在進(jìn)行絕緣子巡檢時(shí)，必須充分考慮輸電線路電磁場(chǎng)對(duì)無(wú)人機(jī)的影響，與絕緣子保持合適的安全距離［６］。

目前，測(cè)量無(wú)人機(jī)與絕緣子之間安全距離的非接觸式方法主要包括超聲波測(cè)距、紅外測(cè)距和視覺(jué)測(cè)距［７－９］。相較于前２ 種測(cè)距，視覺(jué)測(cè)距是一種比較具有優(yōu)勢(shì)和發(fā)展前景的測(cè)距方法。視覺(jué)測(cè)距具有更高的精度，并且能夠提供被測(cè)物體的形狀信息以及實(shí)現(xiàn)三維重建和測(cè)量。視覺(jué)測(cè)距通常分為單目測(cè)距和雙目測(cè)距。雙目測(cè)距精度高，但是成本較高、安裝復(fù)雜、存在一定的局限性，并且無(wú)人機(jī)搭載雙目相機(jī)會(huì)增加功耗、降低續(xù)航時(shí)間。相比之下，單目測(cè)距成本低、靈活性高、安裝簡(jiǎn)單，更適合無(wú)人機(jī)巡線。目前國(guó)內(nèi)外已經(jīng)開(kāi)展了許多關(guān)于單目測(cè)距的研究。例如，文獻(xiàn)［１０］提出了一種將ＹＯＬＯ 目標(biāo)檢測(cè)與距離測(cè)量相結(jié)合的方法，實(shí)現(xiàn)了實(shí)時(shí)距離測(cè)量。文獻(xiàn)［１１］提出一種使用深度學(xué)習(xí)算法ＹＯＬＯｖ５ｓ 的無(wú)人機(jī)光學(xué)快速識(shí)別定位追蹤系統(tǒng)，實(shí)現(xiàn)了無(wú)人機(jī)的雙目測(cè)距。文獻(xiàn)［１２］基于深度學(xué)習(xí)提出一種高檢測(cè)精度且速度快的ＹＯＬＯｖ４ 目標(biāo)檢測(cè)算法，并結(jié)合單目測(cè)距，實(shí)現(xiàn)了實(shí)時(shí)行人目標(biāo)檢測(cè)及測(cè)距。文獻(xiàn)［１３］通過(guò)使用ＹＯＬＯｖ４ 算法進(jìn)行模型訓(xùn)練，設(shè)計(jì)了一種單目測(cè)距算法，使得測(cè)距誤差控制在５％ 以內(nèi)，展示了將ＹＯＬＯ 深度學(xué)習(xí)算法和單目測(cè)距相結(jié)合的可行性和準(zhǔn)確性。

基于以上背景，本文提出了一種基于ＹＯＬＯｖ５算法的無(wú)人機(jī)巡檢圖像中絕緣子快速識(shí)別與單目測(cè)距方法。通過(guò)收集６３５ 張無(wú)人機(jī)巡檢絕緣子時(shí)拍攝的絕緣子圖片和現(xiàn)有的６００ 張絕緣子數(shù)據(jù)集圖片，并進(jìn)行標(biāo)定，構(gòu)建了絕緣子的ＹＯＬＯ 數(shù)據(jù)集。然后，利用ＹＯＬＯｖ５ 算法對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試，實(shí)現(xiàn)了對(duì)不同類別、不同環(huán)境下絕緣子的檢測(cè)。此外，根據(jù)小孔成像原理，設(shè)計(jì)了一種用于絕緣子的單目測(cè)距模型，并將計(jì)算代碼嵌入到絕緣子檢測(cè)代碼中。最終，通過(guò)輸入相機(jī)參數(shù)和絕緣子參數(shù)，實(shí)現(xiàn)了對(duì)絕緣子的檢測(cè)和快速測(cè)距。通過(guò)實(shí)驗(yàn)證明了該測(cè)距算法在不同情況和環(huán)境下的準(zhǔn)確性和實(shí)用性，并分析影響該測(cè)距程序精度的因素。該方法為無(wú)人機(jī)巡檢絕緣子提供了一種經(jīng)濟(jì)且實(shí)用的輔助測(cè)距手段。

１ 基于ＹＯＬＯｖ５ 算法的絕緣子目標(biāo)檢測(cè)方法

１． １ ＹＯＬＯｖ５ 算法及數(shù)據(jù)集

ＹＯＬＯｖ５ 是一種基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法，在目標(biāo)檢測(cè)領(lǐng)域具有很高的精度和效率，其算法結(jié)構(gòu)可以分為以下七部分：輸入層、Ｂａｃｋｂｏｎｅ 網(wǎng)絡(luò)、Ｎｅｃｋ 網(wǎng)絡(luò)、Ｈｅａｄ 網(wǎng)絡(luò)、輸出層、損失函數(shù)和數(shù)據(jù)增強(qiáng)［１４－１６］。ＹＯＬＯｖ５６． ０ 網(wǎng)絡(luò)結(jié)構(gòu)如圖１ 所示。

本文使用的訓(xùn)練數(shù)據(jù)集是中國(guó)輸電線路絕緣子數(shù)據(jù)集，該數(shù)據(jù)集包含６００ 張不含缺陷的絕緣子圖片，結(jié)合工程中無(wú)人機(jī)巡線拍攝的絕緣子圖片，將絕緣子圖片數(shù)據(jù)集擴(kuò)充至１ ２３５ 張。使用圖像標(biāo)注工具ＬａｂｅｌＩｍｇ 對(duì)絕緣子圖片進(jìn)行標(biāo)定，并將標(biāo)定的結(jié)果輸出為ＹＯＬＯ 格式的標(biāo)簽。然后通過(guò)Ｐｙｔｈｏｎ 軟件里的劃分?jǐn)?shù)據(jù)集代碼將所有圖片和標(biāo)簽按８ ∶ １ ∶ １ 的比例劃分訓(xùn)練集、測(cè)試集和驗(yàn)證集并將圖片的分辨率調(diào)整為６４０ ｐｉｘｅｌ×６４０ ｐｉｘｅｌ。圖２ 為絕緣子標(biāo)定過(guò)程。

１． ２ 模型訓(xùn)練及檢測(cè)

本次模型訓(xùn)練是基于ＡｕｔｏＤＬ 云電腦平臺(tái)，操作系統(tǒng)為Ｌｉｎｕｘ，ＧＰＵ 為ＮＶＩＤＩＡ ＲＴＸ ３０９０，內(nèi)存為２４ ＧＢ，深度學(xué)習(xí)環(huán)境為ＰｙＴｏｒｃｈ １． ８． １＋Ｐｙｔｈｏｎ ３． ８＋ｃｕｄａ １１． １。具體的訓(xùn)練參數(shù)設(shè)置如表１ 所示。

訓(xùn)練結(jié)果以精度（Ｐ）、召回率（Ｒ）、平均準(zhǔn)確率（ｍｅａｎ Ａｖｅｒａｇｅ Ｐｒｅｃｉｓｉｏｎ，ｍＡＰ ）和準(zhǔn)確率（ＡｖｅｒａｇｅＰｒｅｃｉｓｉｏｎ，ＡＰ）來(lái)衡量準(zhǔn)確性。ＴＰ 為把正例分類歸為正例，ＦＰ 為把正例分為負(fù)例，ＦＰ 為把負(fù)例歸為正例，ｋ 為每個(gè)類別中要計(jì)算的預(yù)測(cè)結(jié)果的最大數(shù)量。具體的計(jì)算如下：

圖３ 為深度學(xué)習(xí)的訓(xùn)練結(jié)果，根據(jù)訓(xùn)練結(jié)果可知，該絕緣子的訓(xùn)練模型經(jīng)過(guò)３００ 輪次的訓(xùn)練后精度接近１． ０ 并且Ｐ、Ｒ、ｍＡＰ 曲線接近于１，此模型的訓(xùn)練結(jié)果較為優(yōu)良，可以用作后續(xù)的絕緣子檢測(cè)任務(wù)。

訓(xùn)練完成后，配置ＹＯＬＯｖ５ 中的ｄｅｔｅｃｔ 代碼隨機(jī)進(jìn)行絕緣子圖片的檢測(cè)。結(jié)果表明，絕緣子的檢測(cè)準(zhǔn)確率達(dá)到了９６％ ，算法在大多數(shù)圖片中能夠有效地識(shí)別絕緣子，部分絕緣子檢測(cè)效果如圖４ 所示。由圖４ 可知，絕緣子邊緣輪廓被ＹＯＬＯｖ５ 算法識(shí)別框選，可以根據(jù)框選結(jié)果獲取識(shí)別框在圖中的像素寬度和高度，為后續(xù)的單目測(cè)距提供測(cè)距基礎(chǔ)數(shù)據(jù)。

２ 單目測(cè)距算法及改進(jìn)

２． １ 單目測(cè)距原理

單目測(cè)距的基本原理是將現(xiàn)實(shí)世界的三維坐標(biāo)轉(zhuǎn)換為相機(jī)中的像素坐標(biāo)，通過(guò)比例關(guān)系實(shí)現(xiàn)測(cè)距。坐標(biāo)系轉(zhuǎn)換是將世界坐標(biāo)系、相機(jī)坐標(biāo)系、圖像坐標(biāo)系和像素坐標(biāo)系四大坐標(biāo)系經(jīng)過(guò)剛體變換，透視投影和二次轉(zhuǎn)換三次變換，將三維世界坐標(biāo)系中的物體投影為二維平面的像素［１７］。圖５ 為相機(jī)的成像原理。

圖中，ＯＷ -ＸＷ ＹＷ ＺＷ 為世界坐標(biāo)系，ＯＣ -ＸＣ ＹＣ ＺＣ為相機(jī)坐標(biāo)系，ｏ-ｘｙ 為圖像坐標(biāo)系，ｕ、ｖ 為像素坐標(biāo)系，Ｐ 為真實(shí)世界中的絕緣子一點(diǎn)，ｐ 是Ｐ 的成像點(diǎn)。

世界坐標(biāo)系到像素坐標(biāo)系轉(zhuǎn)換的最終公式如下：

式中：Ｍ１ 為外參矩陣，Ｍ２ 為內(nèi)參矩陣，ｆｘ 為橫向焦距，ｆｙ 為縱向焦距，ＺＣ 為物體相對(duì)于相機(jī)的深度，ｕ為像素坐標(biāo)系中水平方向的坐標(biāo)，ｖ 為像素坐標(biāo)系中垂直方向的坐標(biāo)，ｕ０ 為主點(diǎn)水平方向的像素坐標(biāo)，ｖ０ 為主點(diǎn)垂直方向的像素坐標(biāo)，Ｒ 為旋轉(zhuǎn)矩陣，Ｔ 為平移向量，ＸＷ 、ＹＷ 、ＺＷ 為世界坐標(biāo)系中的點(diǎn)的三維坐標(biāo)。通過(guò)轉(zhuǎn)換公式可知，需要獲得相機(jī)的Ｍ１ 、Ｍ２ ，才能計(jì)算物體與相機(jī)的距離。

２． ２ 相機(jī)標(biāo)定與畸變矯正

根據(jù)式（５）可知，如果要計(jì)算距離，需要得到相機(jī)的Ｍ１ 和Ｍ２ 。因?yàn)闊o(wú)人機(jī)進(jìn)行飛行時(shí)，Ｍ１ 不可能不變，所以定Ｍ１ 為單位矩陣，后續(xù)再進(jìn)行姿態(tài)補(bǔ)償。獲?。停?，一般需要通過(guò)相機(jī)標(biāo)定來(lái)確定［１８］。相機(jī)標(biāo)定的步驟為：將相機(jī)標(biāo)定板固定，使用相機(jī)隨機(jī)拍攝不同角度的２０ 張標(biāo)定板的圖片，然后打開(kāi)Ｍａｔｌａｂ 的Ｃａｍｅｒａ Ｃａｌｉｂｒａｔｏｒ，導(dǎo)入標(biāo)定圖片，設(shè)置標(biāo)定板每個(gè)正方形格的邊長(zhǎng)為２５ ｍｍ 并進(jìn)行標(biāo)定，軟件自動(dòng)分析標(biāo)定板的正方形格角落并計(jì)算，輸出拍攝相機(jī)的具體參數(shù)［１９］。圖６ 為相機(jī)標(biāo)定圖片。

相機(jī)畸變是指攝影機(jī)器在將實(shí)際世界中的物體投影到成像平面時(shí)，由于鏡頭形狀、位置等因素導(dǎo)致的圖像失真現(xiàn)象。相機(jī)畸變一般可分為徑向畸變和切向畸變，在此相機(jī)切向畸變不做考慮。徑向畸變的矯正公式如下：

ｘ＾ ＝ ｘ（１ ＋ ｋ１ ｒ２ ＋ ｋ２ ｒ４ ）， （６）

ｙ＾ ＝ ｙ（１ ＋ ｋ１ ｒ２ ＋ ｋ２ ｒ４ ）， （７）

式中：ｘ＾、ｙ＾ 為相機(jī)畸變矯正后的圖像橫、縱坐標(biāo)，ｘ、ｙ為畸變矯正前的圖像橫、縱坐標(biāo)，ｒ 為像平面上的距離，ｋ１ 、ｋ２ 為徑向畸變系數(shù)，由相機(jī)標(biāo)定獲得。相機(jī)標(biāo)定的結(jié)果如表２ 所示。

２． ３ 測(cè)距模型設(shè)計(jì)

通過(guò)上述步驟，確定了真實(shí)世界中的目標(biāo)絕緣子和圖像平面中絕緣子的關(guān)系?？紤]到無(wú)人機(jī)在巡線過(guò)程中，難以直接獲得無(wú)人機(jī)到絕緣子所在平面的垂直高度；改變無(wú)人機(jī)的拍攝姿態(tài)后，相機(jī)的姿態(tài)角也會(huì)隨之變化，從而測(cè)量的距離也會(huì)產(chǎn)生變化，引起較大的誤差。所以，需要對(duì)距離進(jìn)行修正。相機(jī)的姿態(tài)角分為俯仰角θ１ 、偏航角θ２ 和翻轉(zhuǎn)角θ３ ，俯仰角是相機(jī)繞其水平軸旋轉(zhuǎn)的角度，翻轉(zhuǎn)角是相機(jī)繞其前后軸旋轉(zhuǎn)的角度，偏航角是相機(jī)繞其垂直軸旋轉(zhuǎn)的角度［２０］，姿態(tài)角示意如圖７ 所示。一般情況下，需要考慮３ 個(gè)角度對(duì)測(cè)距的影響。絕緣子的形狀可以類比為圓柱體，改變偏航角，對(duì)絕緣子的測(cè)距沒(méi)有影響，絕緣子的像素寬度不會(huì)產(chǎn)生變化。通常認(rèn)為相機(jī)的翻轉(zhuǎn)角對(duì)單目測(cè)距的影響很小，所以，本文僅考慮相機(jī)的俯仰角對(duì)測(cè)距的影響。因此，本文設(shè)計(jì)了２ 種無(wú)需測(cè)量高度并考慮無(wú)人機(jī)飛行姿態(tài)的單目測(cè)距模型。

２． ３． １ 基于單片絕緣子特征尺寸的單目測(cè)距模型

第一種測(cè)距模型是基于單片絕緣子特征尺寸進(jìn)行測(cè)距，如圖８ 所示。已知絕緣子的寬ａ 和長(zhǎng)ｂ。α為相機(jī)的俯仰角。相機(jī)具有俯仰角θ 時(shí)，ｂ 和ａ 的比值會(huì)變化，可以由此求出相機(jī)的俯仰角來(lái)修正距離。從相機(jī)到絕緣子的直線距離可以通過(guò)坐標(biāo)系轉(zhuǎn)換的基本原理得出相機(jī)到絕緣子的直線距離ｄ ＝ｆｘ ｂ/Ｂ 。相機(jī)俯仰角公式為ｓｉｎ θ ＝ Ａｂ/ａＢ，故相機(jī)到絕緣子的垂直距離Ｄ ＝ ｄ ｃｏｓ θ。而Ａ、Ｂ 是絕緣子的像素寬和長(zhǎng)，由相機(jī)標(biāo)定獲得。推得最終距離Ｄ 的最終計(jì)算公式為：

２． ３． ２ 基于雙片相鄰絕緣子的單目測(cè)距模型

圖９ 所示為本文設(shè)計(jì)的另外一種單目測(cè)距模型，測(cè)距原理為：測(cè)量得到雙片相鄰絕緣子的距離ｄ１ 、ｄ２ ，而雙片絕緣子之間的高度Ｈ 已知，所以由余弦定理，可以求得角度α、β，俯仰角θ 為９０－α－β，則最終距離Ｄ 如下：

模型設(shè)計(jì)完成后，將測(cè)距模型的計(jì)算公式與絕緣子檢測(cè)代碼結(jié)合，把最終的測(cè)距公式寫入到ｄｉｓｔａｎｃｅ． ｐｙ 測(cè)距文件中計(jì)算，并將計(jì)算結(jié)果寫入ｐｌｏｔ． ｐｙ 畫框文件中，使測(cè)距計(jì)算結(jié)果呈現(xiàn)在識(shí)別框上。

３ 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

測(cè)距系統(tǒng)完成后，需要進(jìn)行以下實(shí)驗(yàn)來(lái)驗(yàn)證此測(cè)距系統(tǒng)的可行性和實(shí)用性：明確２ 個(gè)測(cè)距模型的測(cè)距精度；被測(cè)絕緣子的類別對(duì)測(cè)距的誤差影響；相機(jī)拍攝姿態(tài)產(chǎn)生的平均誤差大??；天氣環(huán)境對(duì)測(cè)距精度的影響。具體測(cè)距流程如圖１０ 所示。

３． １ 實(shí)驗(yàn)條件及平臺(tái)布局

本實(shí)驗(yàn)在Ｗｉｎｄｏｗｓ １１ 系統(tǒng)中進(jìn)行，ＣＰＵ 為Ｉｎｔｅｌ（Ｒ）ｃｏｒｅ（ＴＭ）ｉ５-８３００Ｈ ２． ３ ＧＨｚ，ＧＰＵ 為ＮＶＩＤＩＡＧｅＦｏｒｃｅ ＧＴＸ １０５０Ｔｉ，編程軟件為ＰｙＣｈａｒｍ ２０２２． ３、Ｍａｔｌａｂ Ｒ２０２１ａ，Ｐｙｔｈｏｎ 版本為３． ８。

圖１１ 為具體的實(shí)驗(yàn)場(chǎng)景模擬。相機(jī)到絕緣子的實(shí)際距離使用卷尺進(jìn)行測(cè)量，俯仰角的值通過(guò)將手機(jī)和拍攝相機(jī)綁定，使用手機(jī)自帶的水平儀來(lái)測(cè)量。測(cè)距用時(shí)為輸入圖片后，點(diǎn)擊運(yùn)行程序到輸出測(cè)距圖片的時(shí)間，通過(guò)代碼來(lái)顯示并手動(dòng)記錄。

３． ２ 實(shí)驗(yàn)過(guò)程及分析

３． ２． １ 選擇測(cè)距模型

首先比較本文設(shè)計(jì)的２ 種不同的測(cè)距模型的精度，選出精度更高的模型進(jìn)行后續(xù)測(cè)量。在相同距離下，不改變俯仰角和絕緣子，使用２ 種模型對(duì)絕緣子進(jìn)行測(cè)距，模型１ 為單片絕緣子測(cè)距模型，模型２為雙片絕緣子測(cè)距模型，實(shí)驗(yàn)結(jié)果如表３ 所示，不同模型測(cè)距誤差如圖１２ 所示。

由表３ 和圖１２ 可以看出，對(duì)復(fù)合絕緣子進(jìn)行同等條件測(cè)距，在１、５ ｍ 處測(cè)距時(shí)模型１ 的誤差都低于模型２，在３ ｍ 處時(shí)誤差大致相同。模型１ 的平均誤差為４． ７６％ ，模型２ 的平均誤差為１１． ０７％ ，所以模型１ 的測(cè)距精度要優(yōu)于模型２，后續(xù)的測(cè)距任務(wù)都選擇模型１ 來(lái)進(jìn)行測(cè)量。

３． ２． ２ 改變絕緣子類別

在輸電線路設(shè)計(jì)中，選擇適合該輸電線路的絕緣子需要考慮額定電壓、環(huán)境條件、線路類型和經(jīng)濟(jì)性等問(wèn)題。深度學(xué)習(xí)對(duì)不同類別的絕緣子的識(shí)別和輪廓提取的效果不一樣。不同類型的絕緣子在形狀、材料和表面紋理等方面可能存在差異，這些差異可能會(huì)影響深度學(xué)習(xí)算法的識(shí)別準(zhǔn)確率［２１］。為了提高本測(cè)距程序的普適性，實(shí)驗(yàn)針對(duì)輸電線路最常用的３ 種絕緣子：復(fù)合絕緣子、玻璃絕緣子和瓷式絕緣子進(jìn)行測(cè)距，并根據(jù)３ 種類別的絕緣子的單目測(cè)距結(jié)果來(lái)分析此程序?qū)Σ煌悇e的絕緣子的測(cè)距精度。實(shí)驗(yàn)在不改變其他條件的情況下，對(duì)３ 種絕緣子在１、３、５ ｍ 處進(jìn)行測(cè)距。測(cè)量效果和測(cè)量結(jié)果如圖１３ 所示。

不同類別的絕緣子測(cè)距結(jié)果如表４ 和圖１４ 所示。結(jié)果表明，不同類別的絕緣子，測(cè)距誤差各不相同。復(fù)合絕緣子的平均測(cè)距誤差為４． ７６％ ，玻璃絕緣子的平均誤差為８． ４％ ，瓷式絕緣子的平均誤差為７． １１％ ，復(fù)合絕緣子的測(cè)距結(jié)果要好于玻璃絕緣子和瓷式絕緣子。復(fù)合絕緣子在５ ｍ 較遠(yuǎn)距離測(cè)量時(shí)，誤差較大，而玻璃絕緣子和復(fù)合絕緣子，在距離較近時(shí)，測(cè)量誤差較大。

３． ２． ３ 改變拍攝姿態(tài)

考慮到在輸電線路無(wú)人機(jī)巡線中，需要在各種復(fù)雜的情況下進(jìn)行拍攝，無(wú)人機(jī)的飛行姿態(tài)通常不會(huì)與絕緣子保持相平，所以本文提出的測(cè)距模型均考慮了相機(jī)俯仰角的影響，并驗(yàn)證本文所提出的測(cè)距模型的精度。實(shí)驗(yàn)在距離復(fù)合絕緣子３ ｍ 處，使測(cè)距相機(jī)具有＋３０°和－３０°的俯仰角，測(cè)量相機(jī)在不同俯仰角的情況下，測(cè)距模型的誤差，測(cè)距結(jié)果如表５ 所示，測(cè)距誤差和俯仰角的關(guān)系如圖１５ 所示。

由圖１５ 可以看出，相機(jī)的拍攝俯仰角對(duì)于測(cè)距結(jié)果存在影響。在相機(jī)的俯仰角為０°時(shí)，誤差是最小的。當(dāng)測(cè)距俯仰角增大時(shí)，誤差也會(huì)呈現(xiàn)增大趨勢(shì)，并且角度越大，誤差也會(huì)變得更大。在－３０° ～ ＋３０°，誤差最大為５％ 。所以改變相機(jī)的俯仰角對(duì)于測(cè)距結(jié)果有一定的影響，且俯仰角越大，測(cè)距誤差越大。本文提出的測(cè)距模型在改變相機(jī)俯仰角的情況下，測(cè)距結(jié)果較為優(yōu)異，能夠適應(yīng)相機(jī)在不同姿態(tài)下的測(cè)距。

３． ２． ４ 改變拍攝天氣

天氣狀況的不同同樣會(huì)影響測(cè)距精度。由于單目測(cè)距是視覺(jué)測(cè)距，在晴天和陰天等不同情況下，拍攝的絕緣子圖片由于亮度的改變，識(shí)別效果也會(huì)不同，識(shí)別效果影響絕緣子的框選，直接會(huì)影響測(cè)距。天氣的變化無(wú)法控制，所以本實(shí)驗(yàn)采用改變圖片的亮度來(lái)模擬不同天氣下的測(cè)距情況。亮度變化如圖１６ 所示，亮度－１００％ ～ ＋１００％ ，亮度＋１００％ 模擬晴天高亮度情況，而－１００％ 模擬陰天低亮度情況。在不改變其他因素的情況下，對(duì)復(fù)合絕緣子３ ｍ 處進(jìn)行測(cè)距實(shí)驗(yàn)，計(jì)算誤差。亮度變化測(cè)距結(jié)果如表６ 所示。

改變亮度誤差如圖１７ 所示。當(dāng)亮度降低或者升高時(shí)，誤差都呈現(xiàn)增大的趨勢(shì)，在高亮情況下誤差會(huì)更大，達(dá)到了１２． ３％ ，而在低亮度情況下，誤差相對(duì)小。所以，天氣狀況對(duì)此測(cè)距模型存在一定的影響，并且在高亮度的晴天時(shí)，誤差更大。

４ 結(jié)論

本文提出了一種基于ＹＯＬＯｖ５ 算法的輸電線路絕緣子測(cè)距方法。通過(guò)深度學(xué)習(xí)，利用ＹＯＬＯｖ５ 算法實(shí)現(xiàn)對(duì)輸電線路絕緣子的目標(biāo)檢測(cè)，然后根據(jù)單目成像原理建立單目測(cè)距模型進(jìn)行測(cè)距，通過(guò)實(shí)驗(yàn)驗(yàn)證該模型在不同條件的準(zhǔn)確性和魯棒性，并研究了影響精度的因素，可以得到以下結(jié)論：

① 基于ＹＯＬＯｖ５ 算法的深度學(xué)習(xí)模型對(duì)于輸電線路絕緣子的識(shí)別效果較好，通過(guò)對(duì)絕緣子數(shù)據(jù)集的訓(xùn)練，能夠識(shí)別各種類型的絕緣子，并框出絕緣子的大致輪廓。

② 提出了２ 種測(cè)距模型，通過(guò)實(shí)驗(yàn)驗(yàn)證了性能，模型１ 表現(xiàn)出更高的精度，平均誤差為４． ７６％ 。此外，該算法對(duì)復(fù)合絕緣子展現(xiàn)出更好的識(shí)別效果，測(cè)距精度更高。同時(shí)，相機(jī)的姿態(tài)對(duì)測(cè)距精度也有影響，俯仰角越大，誤差越大。另外，不同的天氣條件下會(huì)導(dǎo)致測(cè)距精度的差異，尤其在環(huán)境過(guò)亮或過(guò)暗的情況下，測(cè)距的準(zhǔn)確性會(huì)受到較大影響，最大誤差可達(dá)到１２． ３％ 。

③ 測(cè)距系統(tǒng)對(duì)于輸入的圖像或者視頻文件的平均測(cè)距時(shí)間為０． ２９８ ４ ｓ，進(jìn)行一次測(cè)距時(shí)間較短。后續(xù)可將單目測(cè)距程序集成到Ｒａｓｐｂｅｒｒｙ Ｐｉ 產(chǎn)品中，用于實(shí)際工程應(yīng)用測(cè)距。該方法可為輸電線路智能化巡檢和測(cè)量安全距離提供一種快速而可靠的解決方案，具有實(shí)用價(jià)值。

參考文獻(xiàn)

［１］ ＭＩＡＯ Ｘ Ｒ，ＬＩＵ Ｘ Ｙ，ＣＨＥＮ Ｊ，ｅｔ ａｌ． Ｉｎｓｕｌａｔｏｒ Ｄｅｔｅｃｔｉｏｎｉｎ Ａｅｒｉａｌ Ｉｍａｇｅｓ ｆｏｒ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｌｉｎｅ Ｉｎｓｐｅｃｔｉｏｎ ＵｓｉｎｇＳｉｎｇｌｅ Ｓｈｏｔ Ｍｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０１９，７：９９４５－９９５６．

［２］ 石萬(wàn)． 電力巡線無(wú)人機(jī)自主無(wú)線充電系統(tǒng)設(shè)計(jì)［Ｄ］． 哈爾濱：哈爾濱理工大學(xué)，２０２１．

［３］ 李弘宸． 無(wú)人機(jī)電力巡線視覺(jué)算法研究［Ｄ］． 南京：南京航空航天大學(xué)，２０２１．

［４］ 陳強(qiáng)，秦飛躍，王麗明． 無(wú)人機(jī)在高壓線路巡檢中的關(guān)鍵技術(shù)及應(yīng)用［Ｊ］． 科技與創(chuàng)新，２０２２（１８）：９７－１００．

［５］ 陳朋，湯粵生，俞天緯，等． 三維場(chǎng)景的實(shí)時(shí)無(wú)人機(jī)航跡規(guī)劃方法［Ｊ］． 小型微型計(jì)算機(jī)系統(tǒng)，２０２０，４１（９）：１８００－１８０５．

［６］ 許家文，陰酉龍，嚴(yán)波，等． 超特高壓直流輸電線路電磁場(chǎng)對(duì)無(wú)人機(jī)安全距離的影響［Ｊ］． 電力與能源，２０２１，４２（５）：５３６－５４２．

［７］ 杜清懷，胡立新，張棟，等． 聲波測(cè)距定位系統(tǒng)在淺海地震采集作業(yè)中的應(yīng)用［Ｊ］． 石油儀器，２００４（６）：１７－２０．

［８］ 胡鵬，秦會(huì)斌． 基于紅外測(cè)距汽車倒車?yán)走_(dá)預(yù)警系統(tǒng)設(shè)計(jì)［Ｊ］． 傳感器與微系統(tǒng)，２０１８，３７（７）：１１４－１１６．

［９］ 周東興． 視覺(jué)測(cè)距技術(shù)的研究與應(yīng)用［Ｄ］． 保定：華北電力大學(xué)，２０２１．

［１０］ 梁忠超，黃茁，胡興，等． 基于ＹＯＬＯ 網(wǎng)絡(luò)的車輛四點(diǎn)標(biāo)定測(cè)距研究［Ｊ］． 機(jī)械工程學(xué)報(bào)，２０２３，５９ （１０ ）：２２６－２３５．

［１１］ 梅楓，高興宇，鄧仕超，等． 雙目測(cè)距和ＹＯＬＯｖ５ｓ 的無(wú)人機(jī)快速識(shí)別定位追蹤系統(tǒng)［Ｊ］． 現(xiàn)代電子技術(shù)，２０２３，４６（１０）：１８１－１８６．

［１２］ 胡清政． 基于深度學(xué)習(xí)的行人目標(biāo)檢測(cè)及測(cè)距技術(shù)研究［Ｄ］． 成都：西華大學(xué)，２０２１．

［１３］ 王忠言，李波，劉茹艷，等． 基于ｙｏｌｏｖ４ 算法的無(wú)人機(jī)單目測(cè)距算法［Ｊ］． 機(jī)械設(shè)計(jì)與制造工程，２０２２，５１（３）：５８－６２．

［１４］ ＣＨＥＮ Ｈ Ｆ，ＺＨＡＮＧ Ｚ Ｙ． Ｉｍｐｒｏｖｅｄ ＹＯＬＯｖ５ Ａｌｇｏｒｉｔｈｍｆｏｒ Ｐｏｗｅｒ Ｉｎｓｕｌａｔｏｒ Ｄｅｆｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥２０２３ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐｏｗｅｒ，Ｅｎｅｒｇｙ ａｎｄ ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ （ＣＰＥＥＥ）． Ｔｏｋｙｏ：ＩＥＥＥ，２０２３：３０１－３０５．

［１５］ ＢＯＣＨＫＯＶＳＫＩＹ Ａ，ＷＡＮＧ Ｃ Ｙ，ＬＩＡＯ Ｈ Ｙ Ｍ． ＹＯＬＯｖ５：Ｉｍｐｒｏｖｅｄ Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ ＣｒｏｓｓｓｔａｇｅＰａｒｔｉａｌ Ｎｅｔｗｏｒｋ Ａｄａｐｔａｔｉｏｎ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎＰａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０２１，４３（５）：１６３０－１６４３．

［１６］ 王道累，張世恒，袁斌霞，等． 基于改進(jìn)ＹＯＬＯＶ５ 的輕量化玻璃絕緣子自爆缺陷檢測(cè)研究［Ｊ］． 高電壓技術(shù)，２０２３，４９（１０）：４３８２－４３９０．

［１７］ ＬＩＵ Ｊ Ｃ，ＸＵ Ｗ，ＪＩＡＮＧ Ｔ ｅｔ ａｌ． Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｎＡｔｔｉｔｕｄｅ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ Ｍｅｔｈｏｄ ｆｒｏｍ ｔｈｅ Ｎａｖｉｇａｔｉｏｎ Ｃｏｏｒｄｉｎａｔｅ Ｓｙｓｔｅｍ ｔｏ ｔｈｅ Ｐｒｏｊｅｃｔｉｏｎ Ｃｏｏｒｄｉｎａｔｅ Ｓｙｓｔｅｍ ［Ｊ］．ＩＥＥＥ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｌｅｔｔｅｒｓ，２０２０，１７（８）：１３１８－１３２２．

［１８］ ＨＵ Ｂ Ｗ，ＷＥＮ Ｇ Ｊ，ＺＨＡＮＧ Ｐ，ｅｔ ａｌ． Ａ Ｎｏｖｅｌ Ｌｉｎｅ ＳｃａｎＣａｍｅｒａ Ｃａｌｉｂｒａｔｉｏｎ Ｔｅｃｈｎｉｑｕｅ ｗｉｔｈ ａｎ Ａｕｘｉｌｉａｒｙ ＦｒａｍｅＣａｍｅｒａ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ａｎｄＭｅａｓｕｒｅｍｅｎｔ，２０１３，６２（９）：２５６７－２５７５．

［１９］ 郭星源． 基于雙目視覺(jué)的移動(dòng)目標(biāo)測(cè)距方法研究與實(shí)現(xiàn)［Ｄ］． 成都：電子科技大學(xué)，２０２１．

［２０］ 楊雪姣． 自動(dòng)駕駛場(chǎng)景下的實(shí)時(shí)單目測(cè)距研究［Ｄ］． 重慶：重慶理工大學(xué)，２０２０．

［２１］ ＪＩＡＮＧ Ｋ Ｈ，ＭＥＩ Ｂ Ｘ，ＬＩ Ｔ，ｅｔ ａｌ． Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｍｅｔｈｏｄ ｆｏｒＣｏｍｐｏｓｉｔｅ Ｉｎｓｕｌａｔｏｒ Ｐｕｌｖｅｒｉｚａｔｉｏｎ Ｄｅｆｅｃｔ Ｂａｓｅｄ ｏｎ ＹＯＬＯｖ５Ａｌｇｏｒｉｔｈｍ［Ｃ］∥２０２２ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｈｉｇｈ Ｖｏｌｔａｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ （ＩＣＨＶＥ）． Ｃｈｏｎｇｑｉｎｇ：ＩＥＥＥ，２０２２：１－４．

作者簡(jiǎn)介

陳 彬 男，（１９８９—），博士，副教授。主要研究方向：超特高壓輸電線路電磁環(huán)境、輸變電設(shè)備數(shù)字化及智能化技術(shù)。

劉華洲 男，（２０００—），碩士研究生。主要研究方向：輸變電無(wú)人機(jī)技術(shù)。

李勃鋮 男，（１９９６—），碩士，助理工程師。主要研究方向：輸變電工程電磁環(huán)境、輸電線路智能巡檢。

賈燕峰 男，（１９７８—），高級(jí)工程師。主要研究方向：電網(wǎng)規(guī)劃、設(shè)計(jì)及檢修。

郭 昊 男，（１９８９—），碩士，高級(jí)工程師。主要研究方向：輸電線路帶電作業(yè)及輸電線路運(yùn)維。

孫君錄 男，（１９７５—），高級(jí)工程師。主要研究方向：輸電線路帶電作業(yè)及輸電線路運(yùn)維。