圖像識別技術在室內變電站智能運維輔助裝置的應用研究

國網上海市電力公司市南供電公司 樂弘習 陸 昱 黃維華 喬亞興 趙皓明 朱 欽

變電站是電力系統中變換電壓、傳輸電能的核心設備，為維護變電站的穩定運行、及時發現排除變電站可能存在的安全隱患，需對變電站進行日常巡檢。傳統巡檢方式是人工巡檢，巡檢結果依賴于員工個體的業務水平，可能會出現漏檢、誤檢等情況，對國家財產造成巨大損失。

近年來無人巡檢技術被日益廣泛地應用于生產生活的各個環節，在變電站中應用無人巡檢技術代替傳統的人工巡檢已是大勢所趨，相對于人工巡檢有著無可比擬的優勢：首先，無人巡檢設備可一站式集成各種巡檢設備，如可見光傳感器、紅外熱像設備、拾音器、氧氣傳感器等，相對于人工巡檢收集診斷的信息更加全面，能大大提高巡檢的精確性；其次，無人巡檢設備巡檢結果穩定，不會像人工巡檢一樣受到工作強度、心理狀態、熟練程度的影響，能24小時實現變電站的自主巡檢，大大解放生產力。

1 需求分析及方案設計

智能運維輔助裝置的設計應滿足以下功能需求：圖像采集和識別功能。智能運維輔助裝置能基于機器視覺實現室內定位，通過視覺識別實現對變壓器是否漏油進行檢測以及對瓦斯繼電器內油位的檢測，具有視頻/音頻/紅外圖像錄制功能；室內定位和自主路徑規劃循跡功能。移動平臺需要精確的室內定位手段來保證裝置和設備的安全以及自主循跡的精度；熱成像融合分析功能。智能運維輔助裝置能通過熱成像攝像頭采集視野內紅外溫度分布圖，融合可見光圖像進行設備狀態識別分析，實現對變壓器本體及內部各個接頭處進行發熱檢測和油枕內的油位檢測；音頻診斷分析功能。智能運維輔助裝置能夠對設備（變壓器、電容器）發出的音頻進行時域和頻域分析，使用神經網絡或聚類分析的方式診斷識別設備當前工作狀態。

基于巡檢圖像識別技術的智能運維視頻輔助裝置控制系統由三部分組成，地面式移動機器人、本地集中監控系統和遠程訪問終端。移動機器人與集中監控系統間通過無線網絡通信，負責循跡控制和環境感知；集中監控系統負責圖像融合識別、音頻診斷分析、室內視覺定位、數據庫管理等功能，具備人性化操作界面，可實時顯示變電站所有設備的運行狀態和報警信息。

圖1 基于巡檢圖像識別技術的智能運維視頻輔助裝置系統框架

2 關鍵技術

2.1 室內定位技術

2.1.1 基于特征的視覺定位

基于特征的視覺定位是指機器視覺定位系統以變電站室內環境特征為輸入，根據視野內的特征個數、內容以及尺寸來判斷自身位置，通過人工布置專門設計的標簽或特征符號可以大幅度提高視覺定位的精度和可靠性。本文設計的智能運維輔助裝置通過掃描二維碼或拍照的方式來確定自己的位置。室內變電站可在特定的位置貼上二維碼標簽，由智能運維裝置的移動平臺掃描二維碼獲取位置信息。同時，智能運維輔助裝置搭載了基于計算機視覺技術的傳感器組，傳感器組采集到的視覺圖像由計算機視覺處理程序處理后可以獲取周圍的環境信息，結合二維碼的位置信息可以實現精準定位。

2.1.2 基于WIFI 無線定位

目前各大城市的相應地方已經安裝了大量的WIFI 熱點與網關，是現成的基礎設施。WIFI 定位技術可以利用這些設施，設計一個定位平臺，通過實時接收和解算這些設施的WIFI 信號特征，推算出自身的位置。目前基于WiFi 無線定位的方法主要有三邊測量定位法和位置指紋定位法兩種。

三邊測量定位首先得測出移動終端到各個己知AP 之間的距離。移動終端接收到至少三個不同位置AP 的RSS（接收強度），然后根據無線信號的傳輸損耗模型將其轉換成待測目標與相應AP 的距離；位置指紋定位法是比較平臺當前所在位置采集的無線信號與位置指紋數據庫中各個位置點的無線信號來推算自身所在位置的一種方法。其基本原理為：預先采集不同位置的坐標以及該位置上可接受的AP 的RSS 向量組合，記錄于位置指紋數據庫中。當平臺運行時，通過傳感器采集所在位置點的AP 的RSS 向量組合情況與位置指紋數據庫中的數據進行對比，從而確定平臺當前的位置坐標。

為確保室內定位的可靠性和準確性，本文的智能運維輔助裝置同時采用兩種定位策略，以使定位結果冗余互補、相互糾錯，為輔助裝置的運動平臺提供高精度的室內定位信息，保證移動機器人平臺的安全性。

圖2 機器視覺理解模型示意圖

2.2 圖像識別技術

可見光圖像處理。可見光的成像原理是通過捕獲物體反射的可見光波段來得到的，對場景中的亮度變化比較敏感，可見光圖像更符合人類處理圖像信息的邏輯。圖2是機器視覺理解模型采集數據的多層融合示模型圖，這個模型是在Andreas Klausner 等人提出的I-SENSE 模型基礎上結合人眼視覺信息處理機制進行改進得到的，它是一個集合了眾多數據融合模型優點、通用且靈活的多層數據融合處理模型。本項目中機器視覺系統針對特定的變電站系統對機器人進行簡單的標定和訓練以后，機器人系統能夠自動從視覺圖像中提取設備的運行參數和工作狀態。視覺分析處理功能擬通過移植開源的OpenCV 開發包到硬件平臺上實現。OpenCV 實現了圖像處理和計算機視覺方面的很多通用算法。

紅外圖像處理。當變電站的設備正常運行時，其溫度分布均勻無異常點，而當變電站設備的隔離開關、主變套管、電容器、電流互感器等發生故障時，發熱會導致設備表面溫度發生改變。不同的溫度在紅外成像下有不同的特征，溫度異常的部位與其他部位的紅外成像特征區別較大，容易區分。因此本文采用紅外成像作為故障檢測的一種方式，對變電站的電力設備進行實時狀態監測和故障診斷。

2.3 音頻診斷技術

音頻預處理。進行音頻診斷的第一步是對音頻進行預處理，預處理的目的是消除音頻中的干擾噪聲，使音頻診斷的結果更加精確。本文采用的音頻預處理方法包括頻譜減法、小波變換法、線性濾波法、自適應噪聲消除法。

音頻診斷。音頻診斷分析的算法算法模塊主要包括時域特征提取模塊、FFT 變換模塊、頻域特征提取模塊、音頻分析知識庫模塊、診斷分析邏輯模塊、指紋特征數據庫模塊、診斷顯示和報警模塊、故障和報警數據庫模塊等。電力設備在運行的過程中，根據自身運行狀態的變化以及外界條件的變化會產生不同的聲音信號，音頻診斷設備可通過拾音器來獲取音頻信號，然后通過音頻診斷算法分析其中包含的特征參數，與模板庫中的數據對比后確定設備的運行狀態（圖3）。

圖3 基于CNN 的音頻診斷分析過程

3 硬件設計

移動平臺主控制器。移動平臺的控制器選用的是STM32F429IGT 芯片，該芯片基于ARM Cortex-M4內核設計，屬于STM32系列芯片中性能較高的產品，其時鐘頻率可達180MHz；可見光傳感器。本文選用型號OV2640是一款較為專業的圖像傳感器，最大支持200W 像素的圖像輸出，輸出接口為DCMI，工作電壓3.3V，額定功率為125～140MW，足夠滿足本文的設計需求；熱成像傳感器。熱成像模塊是基于圖像診斷的重要數據采集模塊，本文選用型號為FLIR Lepton3，該傳感器具有低功耗、占用空間小、處理速度快、程序資源占用低等特點，非常適合集成于移動設備上。

聲音傳感器。根據變電站環境特點，由于變壓器運行聲信號特征頻率集中在50Hz～1kHz，幅值最小為30dB，為保證最大可能采集到聲信號的特征且滿足穩定、抗干擾等條件，本文選用HSL-22HAHIFI-S 聲音傳感器采集現場音頻數據，這是一種高保真室內音頻傳感器；距離傳感器。VL53L1X 是ST 推出的第三代FlightSense 技術的飛行時間傳感器。與傳統的測距傳感器不同，其采用ST 最新的ToF 技術，集成了物理紅外濾波器和光學元件，無論目標顏色和反射率如何都可進行距離測量，抗干擾能力更強。

4 軟件設計

基于巡檢圖像識別技術的智能運維視頻輔助裝置軟件系統集中監控軟件基于QT5.9開發，移動平臺嵌入式系統基于Keil5開發，開發語言均為C++，軟件系統包含如下功能單元：

傳感器采集單元：采集可見光圖像數據、紅外圖像數據、激光雷達數據、聲音傳感器數據和其他環境傳感器數據；傳感器數據預處理單元：對采集到的所有傳感器數據進行必要的預處理；運動控制單元：負責移動平臺的移動和云臺三維控制；安全管理單元：負責移動平臺安全監視，當機器人動作異常或處于危險區域時及時中斷任務保證設備安全；任務管理單元：啟動、終止、切換任務，對任務參數進行配置，管理移動機器人工作模式；網絡通信單元：負責移動平臺和集中監控中心之間的數據交換。

圖像融合識別單元：識別可見光圖像和紅外圖像中的視覺特征，獲取設備運行參數和運行狀態，獲取視覺定位結果。

室內定位處理單元：融合視覺定位數據和無線定位數據，給出室內移動機器人的實時位置。

音頻診斷分析單元：通過診斷分析變壓器發出的聲音辨別變壓器當前工作狀態。

數據庫管理單元：實現對巡檢系統的所有傳感器數據和狀態數據的存儲、讀取、篩選、曲線顯示、導出為EXCEL 等功能。

報警監視單元：分析傳感器的所有數據和圖像識別結果，融合識別出故障信息或疑似故障信息然后分析出故障點位置，記錄并報警，以短消息的方式通知遠程終端或者同步到遠程終端APP 中，保證設備負責人第一時間獲得報警內容。

人機交互界面：具備人性化、簡單易操作的交互界面，顯示系統的關鍵參數信息、實時可見光視頻和熱成像視頻。

5 結語

本文提出一種基于圖像識別的室內變電站智能運維輔助裝置，將無人巡檢技術用于室內變電站的巡檢工作。該裝置充分利用最新的圖像識別技術、語音診斷技術、室內定位和自主路徑規劃循跡技術，創新地設計了智能運維設備的軟件和硬件，實現了室內變電站設備的無人化、自動化巡檢。該智能運維設備能全天候、全方位完成室內變電站的巡檢工作，準確提供變電站故障診斷數據，提高了變電站安全運行的可靠性。