深度學(xué)習(xí)的輸電線路關(guān)鍵部件檢測(cè)研究

安徽理工大學(xué)電氣與信息工程學(xué)院 張卿洪

近年來(lái)，隨著高壓輸電線路越來(lái)越廣泛地被應(yīng)用，輸電線路上的故障檢測(cè)實(shí)時(shí)性就會(huì)受到影響。受光照強(qiáng)度等多種自然條件因素制約，傳統(tǒng)人工巡檢方式會(huì)出現(xiàn)很多問(wèn)題：不僅費(fèi)時(shí)費(fèi)力，還會(huì)導(dǎo)致圖像故障判斷錯(cuò)誤或者漏判。伴隨著深度學(xué)習(xí)的不斷發(fā)展，通過(guò)操縱無(wú)人機(jī)搭載攝像機(jī)實(shí)現(xiàn)輸電線路重要部件的識(shí)別檢測(cè)將成為智能電網(wǎng)電力巡檢的主流趨勢(shì)。本文介紹了輸電線路的關(guān)鍵部件的作用以及部件可能出現(xiàn)的故障，輸電線路部件的多種檢測(cè)方法，和輸電線路數(shù)據(jù)集的獲取與擴(kuò)充，最后總結(jié)了無(wú)人機(jī)巡檢輸電線路并采集圖像，通過(guò)深度學(xué)習(xí)進(jìn)行關(guān)鍵部件檢測(cè)的現(xiàn)實(shí)意義。

如今，刮風(fēng)、下雨、打雷等自然災(zāi)害時(shí)有發(fā)生，使得城市輸電線路不斷發(fā)生故障，造成城市大面積線路故障跳閘，影響人們的正常生活。但是由于地形的復(fù)雜，天氣的影響，人工巡檢很不現(xiàn)實(shí)。所以用無(wú)人機(jī)巡檢使接下來(lái)的搶修工作更方便高效。

通過(guò)無(wú)人機(jī)可以采集到大量輸電線路的圖像，這些圖像如果僅靠人眼識(shí)別判斷，不僅費(fèi)時(shí)費(fèi)力，還會(huì)因?yàn)槿搜坶L(zhǎng)時(shí)間看圖造成疲勞，導(dǎo)致圖像故障判斷錯(cuò)誤或者漏判，影響檢修過(guò)程。將機(jī)器視覺(jué)技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的技術(shù)可以識(shí)別出圖像中的部件，以及具體位置，在極大減少人工識(shí)別主觀判斷的錯(cuò)誤率的同時(shí)，還擴(kuò)寬了機(jī)器識(shí)別的視野，能夠?qū)崟r(shí)監(jiān)控輸電線路狀況。因此，提取無(wú)人機(jī)采集到的圖像并通過(guò)神經(jīng)網(wǎng)絡(luò)處理圖像進(jìn)行定位識(shí)別檢測(cè)，這是我國(guó)以及全世界電網(wǎng)巡檢的趨勢(shì)。

1 輸電線路關(guān)鍵部件類型

1.1 絕緣子

絕緣子的功能：電氣絕緣和支撐導(dǎo)線，在過(guò)電壓作用下，不容易發(fā)生故障；在輸電線路中，能承受住導(dǎo)線的荷重和拉力。

絕緣子會(huì)發(fā)生的故障：當(dāng)雨季來(lái)臨時(shí)，絕緣子絕緣性降低，因而當(dāng)受熱時(shí)會(huì)膨脹炸裂；遇到外力時(shí)使絕緣子破損。

1.2 防震錘

輸電線路中，防震錘可以減弱或消除導(dǎo)線的振動(dòng)。

所以它的主要作用是為了防止風(fēng)力破壞金具、線路絕緣子以及防止線路斷股或斷裂，保證輸電線路的安全。

因?yàn)榉勒疱N采用傳統(tǒng)的螺桿螺母連接固定在輸電線路上，難免會(huì)遇到螺桿出現(xiàn)松動(dòng)的情況，使防震錘發(fā)生松動(dòng)、脫落，導(dǎo)致防震效果降低，影響導(dǎo)線的使用壽命。

1.3 均壓環(huán)

均壓環(huán)的作用是電壓分布平均。均壓環(huán)故障主要是均壓環(huán)脫落，由于均壓環(huán)是通過(guò)一個(gè)螺栓環(huán)來(lái)固定在整個(gè)絕緣子上，在供電線路長(zhǎng)期正常運(yùn)行中，如果螺栓安裝不緊固或刮風(fēng)使均壓環(huán)脫落。

2 輸電線路部件檢測(cè)算法

2.1 基于SSD算法的輸電線路檢測(cè)方法研究

SSD運(yùn)行速度很快，它只需要對(duì)圖像進(jìn)行一次處理即可檢測(cè)識(shí)別到多目標(biāo)。SSD的檢測(cè)的基礎(chǔ)網(wǎng)絡(luò)是VGGNet，但由于它的結(jié)構(gòu)比較簡(jiǎn)單，提取特征的能力不太強(qiáng)，對(duì)輸電線路關(guān)鍵部件的識(shí)別不是很準(zhǔn)確。李偉性等人將SSD結(jié)構(gòu)中原有的VGGNet替換為ResNet網(wǎng)絡(luò)，使網(wǎng)絡(luò)的深度增加，從而提高了檢測(cè)準(zhǔn)確度。改進(jìn)的SSD算法不僅替換了VGGNet網(wǎng)絡(luò)，并通過(guò)比較絕緣子和缺陷絕緣子部位的位置關(guān)系，計(jì)算IOU并進(jìn)行判斷，提高了缺陷位置檢測(cè)的穩(wěn)定性。

2.2 基于改進(jìn)YOLOv4輸電線關(guān)鍵部件實(shí)時(shí)檢測(cè)研究

YOLOV4作為目前最先進(jìn)的實(shí)時(shí)目標(biāo)檢測(cè)方法之一，其采用DarkNet網(wǎng)絡(luò)構(gòu)建了CSPDarkNet-53特征提取網(wǎng)絡(luò)，增強(qiáng)了模型的特征學(xué)習(xí)能力，降低了對(duì)計(jì)算內(nèi)存的要求.YOLOv4的目標(biāo)檢測(cè)流程圖如圖1所示。

圖1 YOLOv4目標(biāo)檢測(cè)流程圖

鄭偉等人根據(jù)無(wú)人機(jī)拍攝下輸電線路目標(biāo)圖像的特征，對(duì)YOLOv4進(jìn)行改進(jìn)，結(jié)合了MobileNet重新設(shè)計(jì)了一種輕量的特征提取網(wǎng)絡(luò)來(lái)獲取更高的特征提取效率，利用空洞模塊增強(qiáng)感受野減少小目標(biāo)的信息損失；在特征融合模塊中添加自適應(yīng)路徑網(wǎng)絡(luò)，得到更高的準(zhǔn)確率。基于YOLOv4改進(jìn)的網(wǎng)絡(luò)能夠在無(wú)人機(jī)機(jī)載端實(shí)現(xiàn)實(shí)時(shí)多尺度目標(biāo)檢測(cè)，模型的平均準(zhǔn)確率很高，檢測(cè)速度也很高，能夠滿足無(wú)人機(jī)嵌入式平臺(tái)上實(shí)時(shí)檢測(cè)的需求。

2.3 基于改進(jìn)YOLOv3的輸電線路關(guān)鍵部件檢測(cè)方法

傳統(tǒng)的YOLOv3屬于Anchor-Base單步目標(biāo)檢測(cè)方法，即由骨干網(wǎng)絡(luò)提取特征，再由檢測(cè)網(wǎng)絡(luò)進(jìn)行分類與定位，采用的是端對(duì)端的檢測(cè)。YOLOv3算法的檢測(cè)流程圖如圖2所示。

圖2 YOLOv3算法的檢測(cè)流程

YOLOv3是采用相互級(jí)聯(lián)的殘差網(wǎng)絡(luò)加深了網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)，檢測(cè)速度很快，但是算法適用性不廣泛，如對(duì)小目標(biāo)的檢測(cè)不精準(zhǔn)。為了解決這一問(wèn)題，翁智等人用Res2Net殘差模塊代替原有的殘差模塊，使網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)更加豐富，提高了網(wǎng)絡(luò)對(duì)小目標(biāo)的檢測(cè)的精度。但由于Res2Net殘差模塊減少了的網(wǎng)絡(luò)深度，對(duì)目標(biāo)的特征提取能力有所影響，最后通過(guò)知識(shí)蒸餾的方式使檢測(cè)精度提升。

3 輸電線路數(shù)據(jù)集介紹

3.1 數(shù)據(jù)來(lái)源

由于現(xiàn)在的數(shù)據(jù)集中并沒(méi)有輸電線路部件這個(gè)分類，所以需要自行構(gòu)建數(shù)據(jù)集，主要可以通過(guò)無(wú)人機(jī)航拍和網(wǎng)站搜索獲取輸電線路典型部件的圖像數(shù)據(jù)。數(shù)據(jù)集中的圖像并不是單一存在的，有的圖像包含很多類的目標(biāo)，為保障數(shù)據(jù)集的廣泛性，收集到的數(shù)據(jù)集應(yīng)包含多種復(fù)雜且廣泛的背景、不同的天氣狀況、不同光照強(qiáng)度、不同拍照角度、不同大小尺寸、不同遮擋條件的圖片。

3.2 數(shù)據(jù)標(biāo)注

在制作數(shù)據(jù)集時(shí)，我們可以用Labellmg軟件標(biāo)注數(shù)據(jù)集。信息標(biāo)注的目的是為了在原始圖像中能夠根據(jù)標(biāo)注信息找到目標(biāo)物體的位置和類別。

3.3 數(shù)據(jù)擴(kuò)充

數(shù)據(jù)量的不足可能導(dǎo)致深度神經(jīng)網(wǎng)絡(luò)沒(méi)有訓(xùn)練出準(zhǔn)確的模型，導(dǎo)致傳輸線元件檢測(cè)泛化性能較差，難以準(zhǔn)確檢測(cè)，因此要對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充。且研究表明，對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充，比全部使用采集圖像制作數(shù)據(jù)集更能防止過(guò)擬合現(xiàn)象。主要采用圖像多角度翻轉(zhuǎn)、圖像亮度增強(qiáng)、圖像垂直拉伸以及裁剪圖像大小等方法擴(kuò)充。

近年來(lái)，將無(wú)人機(jī)技術(shù)用于電路巡檢越來(lái)越受歡迎，深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)上取得了顯著的進(jìn)步，有很多用于組件識(shí)別訓(xùn)練的模型在更復(fù)雜的背景下具有優(yōu)異的魯棒性，可以結(jié)合樣本擴(kuò)充和深度學(xué)習(xí)方法應(yīng)用于電網(wǎng)識(shí)別系統(tǒng)，能實(shí)時(shí)準(zhǔn)確地檢測(cè)，更好的地應(yīng)用到相關(guān)電氣工業(yè)領(lǐng)域。

將無(wú)人機(jī)和深度學(xué)習(xí)技術(shù)相結(jié)合運(yùn)用到檢測(cè)輸電線路關(guān)鍵部件有著深遠(yuǎn)的意義，既解決了人工巡檢可能造成的不安全性問(wèn)題，又提高了檢測(cè)速度，可以方便工作人員更加快速的展開(kāi)維修工作，對(duì)輸電線路系統(tǒng)的安全運(yùn)行有著重要意義。