基于AI圖像識別的輸電線路缺陷自動識別技術(shù)研究*

林俊省 郭錦超 王昊

(1.廣東電網(wǎng)有限責(zé)任公司機(jī)巡管理中心，廣東廣州 510163;2.廣東電網(wǎng)有限責(zé)任公司，廣東廣州 510000;3.南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東廣州 510700)

0 引言

當(dāng)前計(jì)算機(jī)技術(shù)的快速發(fā)展使得人工智能技術(shù)成為當(dāng)前炙手可熱的新興發(fā)展方向，云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和人工智能等主要新興技術(shù)在智能生產(chǎn)方面做出了突出貢獻(xiàn)，在實(shí)際應(yīng)用中具備快速發(fā)展、傳統(tǒng)作業(yè)模式的顛覆與變革、海量數(shù)據(jù)管理需求大、智能化要求高、協(xié)同要求迫切等特點(diǎn)[1]。作為當(dāng)前人工智能技術(shù)中的引擎技術(shù)，AI圖像識別在多個領(lǐng)域中都取得了接近或超越人工水平的成果。但當(dāng)前輸電網(wǎng)中的人工智能技術(shù)應(yīng)用程度較低，大部分巡檢項(xiàng)目均采用人工方式完成，存在人員培訓(xùn)時(shí)間長、作業(yè)效率低、巡檢時(shí)間短等問題，并且很難滿足當(dāng)前輸電網(wǎng)發(fā)展所需的應(yīng)用效果，準(zhǔn)確度也難以得到提升。因此，針對輸電網(wǎng)中的巡檢項(xiàng)目必須引入人工智能技術(shù)對其進(jìn)行不斷探索，從而實(shí)現(xiàn)智能化輸電網(wǎng)發(fā)展。基于此，本文結(jié)合AI圖像識別技術(shù)，開展輸電線路缺陷自動識別技術(shù)研究。

1 基于AI圖像識別的輸電線路缺陷自動識別方法設(shè)計(jì)

1.1 輸電線路缺陷識別部件標(biāo)注

利用已有的巡檢圖片利用AI圖像識別技術(shù)，對其輸電線路中可能存在缺陷問題的部件進(jìn)行標(biāo)注，再將標(biāo)注樣本轉(zhuǎn)換為訓(xùn)練模型中框架所需的數(shù)據(jù)集。在實(shí)際應(yīng)用中，根據(jù)輸電線路所在不同場景，選擇不同的圖像質(zhì)量并進(jìn)行預(yù)測。若預(yù)測值低于設(shè)定的閾值，則說明該樣本不符合當(dāng)前場景下的缺陷部件標(biāo)注條件[2]。對不同來源的數(shù)據(jù)按照不同數(shù)據(jù)特征和存儲格式進(jìn)行保存，并分別構(gòu)建缺陷數(shù)據(jù)文件。根據(jù)輸電線路的類型、部件、部件種類和部位之間存在的關(guān)系，確定各類輸電線路的編碼規(guī)則、典型缺陷類型等編碼規(guī)則，將所有輸電線路部件信息按照相應(yīng)的規(guī)則進(jìn)行編碼，制定統(tǒng)一輸電線路信息規(guī)范，以此標(biāo)注需要進(jìn)行AI圖像識別的輸電線路缺陷識別部位。

1.2 基于AI圖像識別的輸電線路缺陷識別數(shù)據(jù)庫建立

完成輸電線路缺陷識別部件標(biāo)注后，使用端到端的CNN網(wǎng)絡(luò)建立一個輸電線路缺陷識別數(shù)據(jù)庫。對于無人機(jī)攝像頭采集到的在線巡視數(shù)據(jù)，采用制定統(tǒng)一數(shù)據(jù)協(xié)議的方式，獲取AI在線巡視數(shù)據(jù)。為解決在建立數(shù)據(jù)庫前對數(shù)據(jù)的處理問題，需要利用現(xiàn)有深度學(xué)習(xí)框架訓(xùn)練數(shù)據(jù)格式轉(zhuǎn)化接口，以此實(shí)現(xiàn)對不同框架下數(shù)據(jù)的轉(zhuǎn)化與整合[3]。采用“標(biāo)注—轉(zhuǎn)化——訓(xùn)練”的建立流程，對AI圖像識別的精度進(jìn)行判斷，對于不符合數(shù)據(jù)庫訓(xùn)練集要求的數(shù)據(jù)庫要通過迭代校驗(yàn)的方式對其進(jìn)行優(yōu)化調(diào)整。如圖1所示為輸電線路缺陷識別數(shù)據(jù)庫基本框架結(jié)構(gòu)。

由圖1可以看出，本文提出的輸電線路缺陷自動識別結(jié)合AI圖像識別技術(shù)對數(shù)據(jù)進(jìn)行訓(xùn)練和優(yōu)化，并對無人機(jī)獲取到的缺陷樣本規(guī)范采集和規(guī)范處理，通過統(tǒng)一標(biāo)注轉(zhuǎn)化及缺陷信息高效存儲，實(shí)現(xiàn)對輸電線路缺陷識別數(shù)據(jù)庫的建立。

圖1 輸電線路缺陷識別數(shù)據(jù)庫基本框架結(jié)構(gòu)

表1 輸電線路缺陷可能性分值以及相應(yīng)的分值區(qū)間

1.3 自動識別輸電線路視頻圖像缺陷目標(biāo)

完成對模型的建立后，通過AI圖像識別技術(shù)的訓(xùn)練，存在輸電線路缺陷的目標(biāo)圖像，直接將該數(shù)據(jù)庫部署在無人機(jī)的嵌入式計(jì)算平臺當(dāng)中，對無人機(jī)攝像頭所拍攝到的輸電線路視頻畫面進(jìn)行自動目標(biāo)檢測[4]。利用HIRA判斷輸電線路缺陷圖像的危險(xiǎn)源，并對其存在的風(fēng)險(xiǎn)進(jìn)行評估，HIRA的表達(dá)式為：

公式(1)中，S"表示為輸電線路缺陷危險(xiǎn)計(jì)算值；I表示為可能存在輸電線路缺陷的概率；F表示為缺陷位置的暴露時(shí)間；D表示為造成直接后果的電流損失量；S表示為風(fēng)險(xiǎn)值；L表示為缺陷風(fēng)險(xiǎn)調(diào)整系數(shù)。根據(jù)上述計(jì)算結(jié)果劃分可能性分值以及相應(yīng)的分值區(qū)間，如表1所示。

根據(jù)上述不同分子區(qū)間，對輸電線路缺陷進(jìn)行等級劃分，完成對輸電線路缺陷的自動識別。同時(shí)，為保證對缺陷問題的及時(shí)處理，可在數(shù)據(jù)庫當(dāng)中錄入相關(guān)缺陷類型的處理流程，利用AI圖像識別技術(shù)，對數(shù)據(jù)庫中存在的缺陷問題進(jìn)行自動處理[5]。若缺陷問題暫時(shí)不具備處理?xiàng)l件，則應(yīng)當(dāng)由發(fā)出新的凈高，并將其u上一次凈高進(jìn)行對比，若缺陷并無發(fā)展則可不再重復(fù)報(bào)警，進(jìn)入到缺陷處理與跟蹤流程當(dāng)中；若缺陷存在新的發(fā)展，則應(yīng)當(dāng)立即執(zhí)行算法分析對缺陷進(jìn)行識別。

2 實(shí)驗(yàn)論證分析

實(shí)驗(yàn)對象選取某市級供電企業(yè)中輸電線路缺陷圖像，利用實(shí)驗(yàn)軟件構(gòu)建識別信號網(wǎng)，將輸電線路缺陷圖像進(jìn)行輸入，利用本文提出的識別技術(shù)與傳統(tǒng)識別技術(shù)進(jìn)行對比。在該市級供電企業(yè)中完成相應(yīng)部署工作，并將其與現(xiàn)有輸電線路的無人機(jī)巡檢視頻數(shù)據(jù)進(jìn)行對接。完成試驗(yàn)后，比較兩種識別技術(shù)的效率，得到如表2所示的實(shí)驗(yàn)結(jié)果對比表。

由表2可以看出，在50min內(nèi)，本文識別技術(shù)完成了對100個輸電線路的識別，而傳統(tǒng)識別技術(shù)僅完成了對42個輸電線路的識別。同時(shí)，本文識別技術(shù)將實(shí)際存在的缺陷問題全部找出，而傳統(tǒng)識別技術(shù)僅找出了32個缺陷問題。通過表2中的數(shù)據(jù)可知，本文識別技術(shù)中采用AI圖像識別，實(shí)現(xiàn)了對識別技術(shù)的訓(xùn)練，因此在50min內(nèi)的識別速度逐漸提升。通過實(shí)驗(yàn)證明，本文提出的基于AI圖像識別的輸電線路缺陷自動識別技術(shù)與傳統(tǒng)識別技術(shù)相比，識別速率更高，并且識別結(jié)果具有更高的準(zhǔn)確性，可將輸電線路中存在的缺陷問題全部找出，具有更高的應(yīng)用意義。

表2 兩種識別技術(shù)實(shí)驗(yàn)結(jié)果對比表

3 結(jié)語

本文通過開展基于AI圖像識別的輸電線路缺陷自動識別技術(shù)研究，結(jié)合電力設(shè)備關(guān)鍵部件，實(shí)現(xiàn)針對輸電線路的缺陷部位識別，并可為檢修人眼提供視頻、單張圖片或者批量圖片的識別功能。同時(shí)，將AI圖像識別技術(shù)引入到輸電網(wǎng)建設(shè)中的其他方面也可以進(jìn)一步提升輸電網(wǎng)的智能化建設(shè)。