人工智能計算機視覺技術在電力系統中的應用

國網河南信通公司 楊 瑩 張向聰 王 磊 孫 元

在計算機視覺的應用過程中也會出現電力系統應用場景過于復雜、部署工作困難等問題。但隨著技術的不斷發展，計算機視覺和電力系統間的結合也會不斷的完善，并且也會在更高層次的視覺系統（如3D 點云、VR 系統）中有更加廣闊的發展前景。

1 計算機視覺技術相關概述

隨著人工智能的不斷普及，作為人工智能中重要分支的計算機視覺應用也越來越廣泛。計算機視覺技術作為一種新興技術，其基本原理就是用攝像頭來充當“人眼”，用算法來代替“大腦”。計算機視覺技術作為人工智能系統中的重要組成部分，其核心就在于視覺，如何讓計算機學會像人一樣的去“看”是其本質，通過對大量圖片的處理訓練達到計算機系統的智能化，再配合各種攝像頭和掃描設備就可以使計算機視覺技術在電力系統中代替人工[1]。

計算機視覺技術在40多年的發展歷程中主要經歷了四個階段，這四個階段分別是馬爾計算視覺、主動和目的視覺、多視幾何與分層三維重建和基于學習的視覺。其中David Marr 在1982年發表的《視覺》一書標志著計算機視覺學科的正式成立。計算機視覺的基本定義是指利用計算機系統和攝像設備的結合來達到人類視覺的功能，并對提取到的信息進行讀取和處理，從而對特定目標物進行識別、判斷和跟蹤。其大致可以分為語義感知和幾何屬性兩大部分，其中語義感知主要包括識別（Recognition）、檢測（Detection）、分割（Segmentation）、檢索（Retrieval）和分類（Classification）；幾何屬性主要包括雙目視覺、3D 建模和增強現實[2]。

計算機視覺基礎是對數字圖像處理的延伸和擴展，是基于圖像技術的進一步發展，所以它在對圖像的分析過程中會穿插對圖像的顏色、幾何、紋理和局部特征的處理和描述，與傳統圖像處理過程不同的是計算機視覺提取這些特征的過程是基于卷積神經網絡（CNN），而非簡單的對RGB 色彩的處理。由于卷積神經網絡的加入，使計算機視覺技術對圖片的處理速度更快，效率更高。在電力系統中有很多的視覺應用場景，例如線路檢修、故障查詢和圖文識別，并且它具有很多人工目檢所不具備優點，因此隨著電力系統對計算機視覺技術的不斷引入，整個系統在智能化和自動化方面都會實現前所未有的突破。

2 計算機視覺在電力行業中的應用

電力系統作為世界上最為龐大的幾個系統之一，其安全狀況直接關系到廣大人民群眾的生命財產安全，但是這么龐大的系統在運行的過程中難免會出現很多緊急的安全隱患，例如失火、漏電、破損、年久失修等。為了保證電力系統安全穩定的運行，就必須對其中的重要信息數據進行收集整理，在系統運行過程中實現實時監控，并對收集到的異常狀況進行及時處理[3]。因此監控系統通過攝像頭對設備狀態、人員進出、火情監控等的圖像監測就顯得尤為重要，但是傳統通過攝像頭監控方法均為人為監控，人為監控存在很多弊端。

例如，在人員進出的檢測中，監管人員往往不能輕易地掌握所有人員的信息，會發生遺漏和遮擋問題，并且像偽裝和變裝這類事情也不能有效的避免。但是通過計算機視覺便可以在無人監管的狀態下對異常情況進行報警，通過對不同工作環境下的不同攝像頭搭載不同的圖像、視頻分析算法，可以有效地對電力系統的整個結構的設計進行優化，提高整個系統運行的穩定性以及控制制造和安裝成本。

計算機視覺在電力系統中的很多方面都有著廣泛的應用，其中最主要的主要分為以下三個方面：

計算機視覺在線監控系統。在線監控系統主要依托普通攝像頭，但鑒于普通攝像頭精度不高，有時也會采用深度攝像頭或紅外攝像頭。在人員識別中，攝像頭捕捉人物面部特征，然后利用特征提取網絡對人物面部特征進行提取，再通過分類網絡對人物身份進行分類，從而掌握人員具體身份信息。在掌握人員信息后通過計算機視覺圖像算法例如ST-GCN、MMAction 等動作識別算法來實時預測人物動作信息，從而實現在線監控的目的。對于電場中火災等安全隱患同樣也可以通過計算機視覺算法對其進行訓練，通過將訓練過的算法搭載到固定攝像頭上來達到對火災的檢測預警，再加上紅外攝像頭對溫度的監測可以杜絕火災隱患，從而保證整個電力系統長期安全的運行。

計算機視覺柜面圖像分析系統。在電力系統中每一個設備的狀態都尤為重要，而設備狀態的觀察主要靠指示燈的狀態，因此我們可以利用攝像機采集到的指示燈狀態畫面，結合計算機視覺圖像識別計數對狀態燈進行識別，例如我們可以通過目標檢測算法YOLO、SSD 等對指示燈不同狀態圖像進行訓練，利用訓練好的算法可以對設備狀態進行自動檢測[4]。相比于人工巡檢，基于計算機視覺的檢測方法效率更高，并能及時發現問題。我們只需要一次訓練便可以不同廠家、不同型號、不同規格的狀態燈進行統一識別，我們還可以在算法的后邊加載一些判斷規則用來對識別結果做出相應的措施，真正做到智能化識別。

計算機視覺視頻分析報警。計算機視覺作為人工智能的重要分支，其不僅能對復雜多變的圖像進行識別檢測，同時也能對視頻直接進行分析監測，對視頻的監管需要滿足數據庫的檢索需求，大量的視頻監控不利于數據庫的儲存，所以在視頻監控中我們需要對數據進行精簡，去除大量冗余數據并對重點數據進行分析，并研究不同時刻同一監控區域位置的相關性，結合特定用戶的需求分析，進行合理的算法安裝部署流程和數據顯示管理平臺的構建。

3 計算機視覺技術在電力行業中面臨的挑戰

隨著人工智能的普及以及計算機視覺技術的不斷發展，電力系統也迎來了新的機遇。但隨著機遇的到來，計算機視覺在電力中的應用也面臨很多難點。首先如何合理綜合利用計算機視覺技術、圖像識別技術和機器學習技術是一個亟需突破的問題，要想讓計算機視覺技術在電力系統中建立一套完整、準確和快速的系統，就必須對每個算法進行精心的研究和設計。

例如在二次屏柜的顯示識別檢測算法學習框架的設計中，不僅需要對圖像和監控數據進行分布式儲存和關聯性分析，還需要利用數據快照技術實時對濃縮數據進行快速分析，結合智能終端設來實現快捷查詢、上傳。最終實現集采集智能前端和智能識別后臺服務器的狀態識別嗎，并通過Key-Value型的數據庫LMDB 進行相關圖像、視頻、語音的分布儲存和智能化分析[5]。

綜上，由于電力系統的復雜多樣,決定了計算機視覺技術在電力系統研究和應用的過程中可以更加高效和安全的處理問題。基于本文的敘述，隨著計算機視覺技術的不斷發展和創新，該技術在以后電力系統的發展過程中可以提供更加安全優質的服務，不斷提高企業發展的高度。對于新算法的研究和應用也會將電力領域推向一個新的高度，從而提高整個電力行業的智能化和信息化水平。