電力巡檢智能缺陷檢測

柯珂　冷悅　鄭克勇

摘要：隨著我國經濟的不斷發展，各行各業對用電的需求越來越大，為了保障輸電線路的安全、可靠運行，國家電網會定期對輸電線路以及變電系統進行巡檢、維修以及維護老確保消除故障或者隱患。傳統的人工巡檢勞動強度大、效率低，在高壓線路檢查作業時存在危險，并且對荒山、峽谷等地的輸電線路無能為力。運用直升機/無人機搭載高分相機對輸電線路進行航空攝影，并對影像進行檢測能有效提高檢測效率、減少危險，并且可以對危險地區的輸電線路進行檢測。本論文中我們利用編程語言Python作為工具，設計圖像分割算法，對絕緣子串珠所在的區域進行分割，并且根據分割圖像初步識別絕緣子所在的位置。

關鍵詞：絕緣子? 深度學習? Python? 圖像分割

1 引言

作為電力系統中不可或缺的部件，絕緣子具有電絕緣和機械支撐的雙重作用。絕緣子裂縫，表面污染和損壞等故障極有可能危害電力系統的安全運行，造成巨大的經濟損失和人員傷亡，因此絕緣子狀態監測具有很重要的現實意義。絕緣子是一種特殊的絕緣部件，用于防止輸電線路與地面連接成接地通道導致輸電線路短路。由于絕緣子長期處于惡劣的自然環境中，所以經常會出現破損故障，如何及時識別出絕緣子破損對輸電線路的安全十分重要。

2 模型的建立

FCN由特征提取網絡層、反卷積層、Softmax層構成。FCN模型通過卷積層提取特征，反卷積層對最后一個卷積層的特征圖進行上采樣，Softmax層獲得二分類結果，達到圖像像素級分割。傳統FCN模型的訓練中，固定特征提取網絡中的卷積層參數，使用日常物體數據集PASCAL VOC 2011對反卷積層的參數微調訓練。直接使用遙感圖像訓練FCN模型容易導致網絡模型過擬合，DC-DNN中在VGG-16模型基礎上進行調整獲得FCN模型。訓練集中圖像樣本均為64×64×3大小，故訓練時輸入設定為64×64×3，由于沒有全連接層的限制，FCN可以適應任意大小的輸入，測試時將整張圖像輸入進FCN中即可獲得原圖大小的預測圖。首先固定VGG-16中所有卷積層（Conv1_1到Conv5_3），去掉VGG-16模型中的Softmax層，將全連接層變成相應的反卷積層（Conv6，Conv7，Conv8），并使用跳躍結構對最后一層卷積層進行逐級上采樣（Deconv1，Deconv2，Deconv3），獲得Conv8的32倍上采樣結果Deconv3，Deconv3后并加入Softmax層執行二分類，獲得原圖對應的像素級預測，考慮到相鄰像素點之間的類別應相似，對Softmax的分類結果進行膨脹、腐蝕操作，使最終結果更加平滑、精確，即獲得最終分割圖。訓練時固定卷積層和全連接層參數，進行反卷積層的微調訓練。FCN的模型公式如下：

3 模型的求解

圖像分割的原理解釋：圖像分割是按照一定的規則把圖像劃分成若干個互不相交、具有一定性質的區域，把人們關注的部分從圖像中提取出來，進一步加以研究分析和處理。圖像分割的結果是圖像特征提取和識別等圖像理解的基礎，對圖像分割的研究一直是數字圖像處理技術研究中的熱點和焦點。圖像分割使得其后的圖像分析，識別等高級處理階段所要處理的數據量大大減少，同時又保留有關圖像結構特征的信息。圖像分割在不同的領域也有其它名稱，如目標輪廓技術、目標檢測技術、閾值化技術、目標跟蹤技術等，這些技術本身或其核心實際上也就是圖像分割技術。

常用方法有如下幾點：

閾值分割：對圖像進行度量，設置不同類別的閾值，達到分割目的。

邊緣分割：對圖像邊緣進行檢測，即即檢測圖像中灰度值放生跳變的地方，則為一片區域的邊緣。

以上分割方法都是基于聚類分析，小波變換的理論完成圖像分割。代碼運行的部分結果如下圖：

根據我們建立的模型可以分析出，對圖像中的自爆絕緣子位置進行檢測，并利用BoundingBox 對其進行標記如下：

4 結論

實驗分析表明，本文算法可有效定位復雜背景下遙感影像中任意角度的絕緣子，剔除了絕大部分背景，有助于為下一步絕緣子缺陷檢測排除干擾。但是算法存在對于密集小目標會出現漏檢、檢測精度低的問題，因此算法的可靠性距離工程實際應用的需求仍然有差距，后期如何提高算法的穩定性將是主要的研究方向。在此次解題的過程當中，我們明白了可以運用計算機進行數據挖掘和科學計算，并能夠將我們的算法運用到更多的實際問題之中。如：每塊太陽板之間均存在明顯的間隙，就可以實現分割。具體的做法是檢測所有的直線，并將其涂黑，這樣二值化時，太陽板中心為白，邊緣為黑，太陽板的輪廓自然會凸顯出來，即可進行分割。希望這個算法思想能夠在更多的領域廣泛應用。

參考文獻

[1]蟻群算法在文字識別中的應用研究[J].古婷婷.信息與電腦（理論版）.2019（22）.

[2]基于深度學習的視覺跟蹤算法研究綜述[J].賈靜平，覃亦華.計算機科學.2017（S1）.

[3]基于師生交流機制的改進類電磁機制算法[J].吳擎，徐惟罡，張春江.計算機集成制造系統.2018（07）.