基于人工智能的管線巡檢無人機系統可行性研究

奧瑞思智能科技（天津）有限公司

基于人工智能特性、自動化程度較高的無人機智能圖像識別技術、無人機視頻實時傳輸與分發技術、線狀目標自動跟蹤技術，可為油氣管道、輸電線路巡檢采集數據并進行專業分析，為管道和輸電線路管理和維護提供數據支持，將對行業發展產生極大影響。

針對現有無人機油氣管道巡檢、高壓輸電線路巡檢系統存在的實時性差、自動化程度低、智能化應用水平有限等問題，需要研究無人機視頻實時傳輸與分發、線狀目標自動跟蹤、智能圖像識別等技術，形成一套基于人工智能的巡檢無人機系統；并通過技術成果轉化和試制，研制巡檢無人機系統。

目前油氣管道和電力輸電線路多布設在荒郊野外，地形復雜，人工巡檢困難，管道和線路由于暴露在野外，會遭受風、雨、雪等自然因素，以及施工、植樹等人為因素的影響，須及時排查，找出缺陷位置和缺陷類型；其次管道和線路在野外環境運行，氣象條件復雜、現場環境多變，導線、避雷線、絕緣子、金具長時間運行后，受各種因素長期影響，可能發生斷股、銹蝕、過熱等情況。過去依靠人工逐個桿塔巡檢的作業方法，巡檢工作量大、復雜的地理環境給巡檢人員帶來未知的安全風險。同時人工巡檢方式消耗大量人力及物資，使更多深入的工作無法有效展開。

無人機具備高空、遠程、快速、自主作業能力，正逐漸取代人工巡檢。無人機可以穿越高山、河流對電力輸電線路進行快速巡檢，對架空線路的鐵塔、支架、導線、絕緣子、防震錘、耐張線夾、懸垂線夾等進行多光譜快速攝像和故障監測。

無人機巡檢具有受地形限制小、塔頭巡檢效果好、效率高、操控簡單、可快速部署、巡檢成本低等優點，在巡檢范圍、內容和頻次上，可作為人工巡檢的有效補充。但是在巡檢過程中，現有技術普遍存在過于依賴圖像拼接以及背景差分方法、物體檢測以及識別精度不高等問題。

基于人工智能的巡檢無人機系統應具備起降便捷，能實時傳輸高清影像，使用半徑應大于100km，能夠完成視頻分發，并實時回傳至后方指揮調度點，具備線狀目標自動跟蹤功能；智能圖像識別系統對車輛、人員等異常目標的檢出率應不低于90%。

背景與必要性

政策文件要求

2017年12月，工業和信息化部已下發有關人工智能的文件，文件指出，為貫徹落實國務院發布的《中國制造2025》和《新一代人工智能發展規劃》，加快人工智能產業發展，推動人工智能和實體經濟深度融合，制定并實施《促進新一代人工智能產業發展三年行動計劃(2018-2020)》（下稱《行動計劃》）。

根據文件可知，國家將通過實施四項重點任務，力爭到2020年，完成一系列人工智能標志性產品研制并取得重要突破，具體包括人工智能重點產品規模化發展、人工智能整體核心基礎能力顯著增強、人工智能技術在關鍵技術裝備中快速集成應用、人工智能產業支撐體系基本建立。文件強調，在2018～2020年內，重點培育智能無人機、智能網聯汽車、智能服務機器人等八大類人工智能產品;重點突破智能傳感器、神經網絡芯片、開源開放平臺三大核心人工智能技術;同時完善5G通信技術與算法訓練數據庫等人工智能配套體系。在把握人工智能發展趨勢、構建完善新一代人工智能產業體系基礎上，為我們描繪了到2020年人工智能行業發展的宏偉藍圖。

在智能無人機領域，《行動計劃》指出要支持智能避障、自動巡航、面向復雜環境的自主飛行、群體作業等關鍵技術研發與應用，推動新一代通信及定位導航技術在無人機數據傳輸、鏈路控制、監控管理等方面的應用，開展智能飛控系統、高集成度專用芯片等關鍵部件研制。

由多部委聯合制定的《“互聯網+”人工智能三年行動實施方案》，明確提出推動人工智能技術在無人系統領域的融合應用，發展無人機、無人船等多種無人裝備。加快消費級和行業級無人系統的商用化進程，完善無人飛行器等無人系統的適航管理、安全管理和運營機制。提升無人系統智能化水平，推動在物流、農業、測繪、電力巡檢、安全巡邏、應急救援等重要行業的創新應用。

行業實際需求

中國信息通信研究院發布的《全球人工智能戰略與政策觀察（2020）》報告稱，截至2020年12月，全球已有39個國家和地區制定了人工智能戰略政策、產業規劃文件。中國電子信息產業發展研究院發布的《人工智能“新基建”發展白皮書》稱，新一代人工智能為代表的科技和產業革命正在孕育興起。數字化、網絡化、智能化的信息基礎設施加速構建，正成為構建現代化的數字經濟體系、推動經濟社會高質量發展的重要驅動力量。

圖1 基于人工智能的無人機正在巡檢輸電線路。

隨著輸電高壓等級不斷提高，輸電線路巡檢作業對維護區域的電網安全、穩定、高效運行越來越重要，也是電網運行的當務之急。輸電線路跨區域分布，點多面廣，長期暴露在野外，受持續機械張力、雷擊損傷、材料老化、覆冰以及人為因素影響，易產生倒塔、斷股、磨損、腐蝕、舞動等現象，這些問題必須及時解決或更換電線和設施。絕緣子還存在被雷擊損傷、樹木生長引起高壓漏電以及絕緣性能下降而導致輸電線路事故，桿塔存在被偷盜等意外事件，必須及時處理這些問題。對山區和跨越大江大河的輸電線路巡檢，以及冰災、水災、地震、山體滑坡、夜晚期間巡檢，傳統人工巡檢所花時間長、成本高、困難大，而且某些線路區域和某些巡檢項目，人工巡檢目前還難以完成。

巡檢無人機系統涉及飛行控制與導航、通信、圖像識別、信息快速處理、感知與規避等多種技術。對無人機巡檢數據進行專業分析，為電網管理和維護提供數據支持。無人機巡檢工作能在完全帶電環境下迅速完成，作業范圍大，而且不為污泥和雪地所困擾。

油氣管道、電力線路安全形勢日趨嚴峻

我國油氣管道具有總里程長、建設年代跨度大、安全事件和事故多發等特點，并且管道總里程呈高速增長趨勢，安全形勢更加嚴峻，應加強管道安全管理。而依賴傳統人工巡檢顯然無法滿足要求，需要采用更科學的管理辦法和技術手段，無人機巡檢技術已經在國內外石油天然氣行業應用。

而油氣輸配管網長期埋設在地下，管道長期或超期服役會導致力學性能下降、管道內外壁腐蝕，受自然和地質災害，打孔盜油，第三方人為破壞等各種不確定性因素影響，對系統安全運行帶來潛在的巨大危害。一旦發生泄露或者爆炸事故，將嚴重威脅人民群眾生命和財產安全。

圖2 巡檢員檢查電力塔架。

電力線路是電網中十分關鍵的一個組成,它能否安全有效運行，將直接影響一個國家的經濟平穩有序發展。“十二五”期間，我國電網建設經歷了高速發展階段，規模已躍居世界首位。目前我國已經建成南方、西北、華東、華中、華北和東北共六大跨省區電網，500kV及以上的輸電線路已成為各區電網輸電主力。我國國土幅員遼闊，地形也相對復雜，丘陵較多、平原較少，加上氣象復雜多變，給跨區電網和超高壓輸電線路工程的建設帶來一定難度，而且建成后的維修與保養，僅依靠現有檢查手段和常規測試并不能滿足高效快速的要求，也達不到很好的巡檢效果。若不能及時查出問題,并立即修復和解除隱患,有可能引發各類線路問題,對電網來說就像是一個隨時爆炸的炸彈,后果不堪設想。

人工智能技術方興未艾

人工智能是一門融合計算機科學、統計學、腦神經學和社會科學的前沿學科。它的目標是希望計算機擁有像人一樣的智力能力，可以替代人類實現感知、認知、分類和決策等多種功能。人工智能在發展過程中產生了很多流派，如符號主義、連接主義和行為主義。這些流派相輔相成，推動了人工智能技術的發展。

符號主義

符號主義又稱邏輯主義、心理學派或計算機學派。符號主義認為，人工智能源于數學邏輯，人的認知基源是符號，認知過程即符號操作過程，通過分析人類認知系統所具備的功能和機能，然后通過計算機來模擬這些功能，從而實現人工智能。符號主義的發展大概經歷了推理期即20世紀50年代至20世紀70年代，知識期即20世紀70年代至今。

在推理期，人們基于符號知識表示、使用演繹推理技術取得了很大成就；

在知識期，人們基于符號表示、通過獲取和利用領域知識建立專家系統，取得了大量成果。

連接主義

連接主義又稱仿生學派或生理學派。連接主義認為，人工智能源于仿生學，特別是對人腦模型的研究，人的思維基元是神經元，而不是符號處理過程。20世紀60～70年代，以感知機(Perceptron)為代表的腦模型研究出現熱潮，由于受當時理論模型、生物原型和技術條件限制，腦模型研究在20世紀70年代后期至80年代初期落入低潮。直到霍普菲爾德（J．J．Hopfield）教授在1982年和1984年分別發表兩篇重要論文，提出用硬件模擬神經網絡后，連接主義又重新抬頭。1986年，魯梅爾哈特(Rumelhart)等人提出多層網絡中的反向傳播算法(BP)算法。進入21世紀后，連接主義卷土重來，提出了深度學習概念。

機器學習

二十世紀80年代，機器學習成為一個獨立的科學領域，各種機器學習技術百花初綻。事實上，機器學習在20世紀80年代正是被視為解決公式工程瓶頸問題的關鍵而走上人工智能主舞臺。費根鮑姆（E．A．Feigenbaum）等人在著名的《人工智能手冊》中，把機器學習劃分為機械學習、示教學習、類比學習和歸納學習。我們目前所說的機器學習方法，一般認為是統計機器學習方法。

機械學習將外界輸入信息全部存儲下來，等到需要時原封不動地取出；

示教學習和類比學習就是從指令中學習和通過觀察和發現學習；

歸納學習就是從樣例中學習，二十世紀80年代以來，研究最多的是歸納學習，它包括監督學習、無監督學習、半監督學習、強化學習等。歸納學習有兩大主流，一是符號主義學習，其代表包括決策樹和基于邏輯的學習；二是基于神經網絡的連接主義學習。

二十世紀90年代中期，統計學習閃亮登場，并迅速占據主流舞臺，代表性技術是支持向量機以及更一般的“核方法”。

進入20世紀以來，以人工神經網絡為基礎的人工智能有了長足發展，尤其是在目標檢測、目標分類、目標識別等計算機視覺領域。進入2010年以后，以計算機視覺系統識別（Imagenet）比賽為標志，隨著計算能力的提高，尤其是GPU計算設備的進步，卷積神經網絡在計算機視覺領域開始慢慢超越人類對物體的檢測、分類精度，研究人員相繼提出AlexNet、GoogleNet、VGGNet、ResNet、MobileNet等卷積神經網絡結構，使以卷積神經網絡為代表的人工智能技術在計算機視覺領域的發展越來越快。

信息技術推動無人機產業發展

在國外，無人機機載傳感器巡檢試驗研究約始于70年代初期，在不斷改進后，故障維修費用逐年遞減，到1987年，其費用已低于初期費用的一半。接頭檢查結果有微溫、溫、熱和異常熱四種情況，維修工程師根據天氣、負荷來確定維修先后順序。我國一些輸電系統均已開展紅外熱成像巡檢試驗研究，探索出不少經驗，已取得一定成果，根據我國國情進行的地面檢測研究，正在有效推進中。

近年來，無人機之所以迅速發展，信息技術發揮了關鍵性推動作用，目前呈現出兩方面特點。

第一，無人機發展與新興信息技術產業密切相關。大數據、云計算、物聯網含互聯網等新興信息技術產業發展，正在深刻影響無人機技術的變革；

大數據技術方面，無人機在測繪、國土資源調查、氣象探測、交通監管、工業生產、林業生產、運輸、消費娛樂等領域應用，產生海量數據，無人機飛行參數信息，部分數據具有至關重要經濟效益，而大部分數據需依托大數據技術進行綜合開發；

云計算方面，未來很多無人機將實現機載計算、存儲等能力，這些都需要通過云端解決；

物聯網方面，物聯網是一個比移動互聯網更加復雜的生態系統，目前社會倡導萬物互聯，無人機融入物聯網后將更好地發揮機動性、傳感器數據多樣化等優點，實現人機交互、互操作等功能；

第二，信息基礎設施將成為無人機組網測控和飛行管理的重要支撐。目前無人機空中交通管理面臨挑戰，因此必須依托信息基礎設施解決未來空中交通管理問題。移動通信基礎設施、互聯網基礎設施以及廣播電視基礎設施或將成為無人機組網和飛行管理的重要支撐。

國內外巡檢技術現狀與發展趨勢

目前國際上主要采用人工巡檢、光纖或電子感應巡檢、無人機巡檢三種方式。

人工巡檢

人工巡檢是最基本的巡檢方式，通常由管道、線路管理單位實行專人專崗負責制，把管道、線路分成不同段區，由不同巡檢人員巡查，而其又分為普通巡檢和特殊巡檢。一般依靠巡檢人員徒步觀察和檢查線路情況并作記錄，地形空曠平坦的區域可駕駛交通工具實行巡檢，大部分管路、線路位于地形復雜的區域，人工巡檢工作由此不可避免地受到制約。在高寒、高溫、雨、雪、大霧、沙塵暴等惡劣天氣下；在高海拔、山地、河流、沼澤、峽谷、湖泊、森林、沙漠、冰川、雪原等極端地理環境中，以及洪水、山體滑坡、地震、泥石流、冰雪災害等災害突發時，容易造成管線損毀和故障，傳統人工巡表現出極大的局限性和不足，受以上因素影響，人工巡檢在很多情況下不能及時、安全執行巡檢任務，也不可能完成常態化、全天候、全天時巡檢。

光纖傳感器巡檢

利用靠近管道、線路附件布設的光纖傳感器，通過檢測傳感器信號變化對管道、線路周邊的震動進行分析預警，以及利用管道、線路泄露和溫度變化產生的信號波動，檢測管路是否遭到破壞。目前光纖傳感器和大部分外設電子感應裝置普遍存在誤差高、使用半徑短，成本較高，不適合范圍廣、里程長的管道、線路監測,如果對舊管道、線路鋪設感應系統,成本太高,耗時太多,而且光纖傳感器或電子感應巡檢并不能獲取事故點的實時圖像，供給指揮中心決策。

圖3 無人機在管道巡檢各階段的運用。

圖4 2 架巡檢無人機巡檢范圍可覆蓋5個地面監測站。

無人機巡檢技術蓬勃發展

目前無人機技術越來越成熟，任務載荷越來越多樣化，隨著數字化、信息化油氣管道、電力線路巡檢管理系統逐漸形成，將從根本上解決人工巡檢周期長、成本高、效率低、巡檢有盲區的問題。

無人機可高效完成大范圍常規巡檢，搭載光電/紅外吊艙進行全天候、全天時巡檢，并可在指定目標上空懸停詳查，利用任務載荷傳感器獲取管道、線路周圍土壤環境、管線溫度等信息，發現異常情況即可定位報警，可以鎖定和跟蹤地面目標，配合遠程喊話器，及時發現、威懾、制止破壞管道和盜油行為，并做現場取證。

對于油氣管網存在管道長、巡檢點多、巡檢難度大等難點，尤其是桁架、懸索跨等危險性較高的巡檢段，無人機巡檢優勢非常明顯。利用無人機對油氣管道進行巡檢，不僅可以預設航線自動巡查，也可以切換到手動操控進行特殊情況巡查，提高了巡檢作業的自動化程度，保護了巡檢人員生命安全，降低巡查成本和風險。

電力線路運維在電力系統中具有相當重要的作用，得到眾多電力專家的重視。相關無人機數據和圖像資料可以清楚看到，在檢查設備外觀時，無人機技術可以發揮相當關鍵的作用，電力部門相關人員利用無人機，可以準確判斷一些重要部件是否受到損壞，保證輸電線路安全，保障居民用電。

除正常巡檢和特殊巡檢外，無人機還可應用于災后電網故障巡檢。當災害導致道路受阻、人員無法巡檢時，無人機可以發揮替代作用，開展輸電線路巡檢，準確定位桿塔、線路故障，且視角更廣，避免“盲點”。無人機提高了電力維護和檢修的效率，使許多工作能在完全帶電情況下迅速完成，比人工巡檢效率高出40倍。無人機在巡檢過程中，還可清除線路上的風箏、氣球、塑料袋等異物。

無人機在電力行業的應用，除實現線路巡檢外，還能輔助實現線路架設和線路規劃。在輸電線路施工過程中，線路長、地形復雜，線路所經地區有山谷、河流、茂密森林，給線路架設帶來極大不便，工程實施困難重重。運用無人機展放導引繩進行架設線路施工，可有效解決生態環境保護和架線施工之間的矛盾。無人機首先沿線路上空飛行，并施放一根輕質高強導引繩經過各基塔，然后利用這根輕質導引繩不斷牽引后續引繩，直至牽通一根三級導引繩，并架設導線。采用這種方式，解決了人力展放導引繩的工作強度和動力傘展放導引繩著陸困難等問題，也減少了線路通道中的樹木砍伐，最大程度保護了生態環境。

表1 電力線路巡檢無人機需求量分析。

表2 油氣管道巡檢無人機需求量分析。

市場需求分析

電力線路巡檢無人機需求

我國已形成南方、西北、華東、華中、華北和東北共六大跨省區電網，輸電設備在國家電網建設中比重越來越大，隨著智能電網建設進程不斷推進，硬件設備巡檢等作業要求更高。隨著電網日益擴大，巡檢工作量也日益加大，平均20人巡檢100千米/天的傳統巡檢方式已難以滿足現代電力系統的廣泛需求。

按照巡檢總長51．4萬千米、巡檢頻率1次/周、巡檢飛行速度30km/h 計算，每年飛行應為 85．6萬小時，單機年平均飛行小時數按照200h計算，則該領域無人機潛在需求架數約為4280架；按照均價50萬元/架單價計算，則電力巡檢無人機市場規模為21．4億元。

油氣管道巡檢無人機需求

如果以無人機替代人力巡檢，按照電力巡檢的計算方法，16萬千米的油氣管道潛在無人機需求量約為1333架，市場規模6．7 億元左右。

無人機巡檢面臨的問題

目前無人機開展管道、線路巡檢過程中，我們常會面臨如下問題和困難。

第一，無人機缺乏自主飛行能力，無法滿足復雜環境下的飛行要求；

第二，無人機掛載的光電任務載荷，無法自主判別目標如管道、線路的特征，不能自主跟蹤被觀測的目標；

第三，在目標區域中，無法對一些敏感目標如車輛、人員進行高效率自動識別；

第四，單旋翼無人機無法解決飛行可靠性問題；固定翼無人機對起降場地要求苛刻；無法懸停對目標進行仔細觀測；多旋翼無人機續航時間、航程等指標存在較大局限性；以汽油為燃料的無人機存在火災隱患；

第五，無線通信受功率衰減影響，存在超過使用半徑后視頻信息無法實時回傳的問題。

總體上看，目前無人機巡檢有時存在實時性差、自動化程度低、智能化水平有限等問題。因此，迫切需要研制出具有人工智能特性的、自動化程度較高的巡檢無人機系統。

技術研究

異常目標自動識別技術研究

在油氣管道巡檢中，需要對行人和車輛異常目標進行準確識別并定位，供監察人員監視，從而及時發現偷油，破壞輸油管道等惡劣違法行為。針對目標尺寸的多變性以及剛體、非剛體特點，本文以卷積神經網絡為基礎，構建深度神經網絡特征金字塔，通過構造合理的類損失與定位損失函數，配置合理的候選框，能夠對視場范圍內的行人，車輛目標進行精準識別并定位，研究內容分解如下。

（1）深度神經網絡特征金字塔構建

深度神經網絡特征金字塔構建由主干網絡、金字塔特征網絡組成。由于是在地面處理數據，考慮到目標識別準確度優先原則，主干網絡使用復雜度更高的VGG；金字塔特征網絡為多層全卷積網絡，利用卷積的特性，在卷積層輸出不斷下采樣。

（2）候選窗生成技術

候選窗的生成方式決定了所識別目標的尺寸，長寬比等信息，因此候選窗生成是在深度神經網絡特征金字塔基礎上進行劃窗方式進行，不同深度神經網絡特征金字塔代表不同的尺度信息

（3）候選窗預測與目標定位技術

在每個深度神經網絡特征金字塔層上完成候選窗生成后，需要對候選窗進行預測與目標定位，預測是指判斷候選窗中的目標類型，其輸出是對每一類的評分，定位是指對候選窗中的目標進行定位修正，因而候選窗預測與目標定位是并行的兩個流程。

（4）損失函數設計

損失函數設計關系到整個神經網絡的擬合方向，是整個神經網絡設計中至關重要的一部分，在本網絡中，識別人和車輛的損失函數包含類損失函數與位置損失函數兩部分。類損失函數是為了修正候選窗判別結果，位置損失函數是為了修正目標定位結果

（5）數據增廣與難例樣本挖掘技術

在目標識別數據集中存在兩個問題，第一是數據量不足及其造成的泛化性問題；第二是在目標識別中，負樣本數量遠高于正樣本數量，造成正負訓練樣本不均衡問題。針對這兩個問題，本文分別設計了樣本增廣與難例樣本挖掘流程。

(6)非極大值抑制技術

由于多尺寸目標識別與稠密采樣設計，目標定位結果會出現大量交叉覆蓋，本文設計了非極大值抑制技術，減少定位交叉，抑制預測概率低的定位結果。

圖5 使用深度神經網絡算法進行圖像目標識別及定位。

圖6 使用多級圖像處理及小波變換邊緣檢測技術處理管道檢測。

線狀目標自動跟蹤技術研究

在視野中，相較其他目標，電力線路非常細，對電力線路檢測提出了挑戰，同時油氣管道邊緣也會受背景的極大影響，為解決上述難題，本文在多級圖像預處理及小波邊緣檢測的基礎上，提出基于梯度Hough變換的電力線路與油氣管道檢測方案，研究內容分解如下。

(1)多級圖像預處理技術

由于光線原因，可能會使得所拍攝的電力線路圖像整體偏暗，也會出現強弱不同的目標直線，同時圖像獲取過程中，通常會受周圍環境和系統自身等因素影響而攜帶大量的噪聲，使得圖像質量有所退化，因此本文設計了基于直方圖均衡和濾波去噪的多級圖像預處理技術。

(2)基于小波變換的邊緣檢測技術

邊緣是指圖像局部明暗度變化明顯的地方，它反映的是圖像中物體的輪廓或者物體不同表面之間的交界。它涵蓋圖像識別的豐富信息，對人類描述與識別物體來說，都是一個極具價值且有效的數據。無論是圖像處理領域還是計算機視覺處理系統，圖像邊緣檢測是十分重要的環節。在邊緣檢測過程中，邊緣定位性能同去除噪聲性能是一對矛盾體。要保證算法具有一定抗噪聲性能，則其邊緣定位性能勢必要減弱；并且每種邊緣檢測算子的參數選取也關系到邊緣定位和噪聲抑制性能。在本文中，使用基于小波變換的邊緣檢測方法。

(3)基于形態學的Hough變換直線檢測技術

一幅電力線路或油氣管道圖像具有以下特點，在圖像中直線部分接近于直線，且長度較長，幾乎貫穿整幅畫面，其寬度幾乎在一到兩個像素之間；若存在多條電力線，那么它們之間是近乎平行且不會相交，但由于拍攝角度及布線時存在高低位置，圖像中的直線會出現重合現象。但由于其背景復雜，經常受河流、道路、田埂、樹木及房屋等自然及人工因素影響，給線狀目標的有效提取制造了一定難度。針對噪聲參雜，背景復雜的電力線路、油氣管道圖像，Hough 變換提取電力線路不夠準確，要么將非電力線一同提取出來，要么將對比度弱的電力線路漏提，且提取的電力線路常出現斷點等問題，本文采用基于梯度的Hough變換技術來檢測電力線路，能夠最大程度排除背景干擾且具備很強的魯棒性。

(4)基于類卡爾曼濾波的直線擬合鏈接技術

在拍攝電力線路過程中，由于樹木、建筑物、光照條件等干擾，成像時傳感器震動，各種噪聲造成的影響，以及之前各步驟引起的失真等因素影響，圖像中提取出的電力線路通常斷裂且不完整，但方向基本相同，并且是相距很近的短直線線段。基于此，本文提出基于類卡爾曼濾波的線狀目標鏈接方法。

(5)電力線路、油氣管道視場中心校準技術

電力線路、油氣管道等線狀目標被檢測后，需要將其置于視場中央，使最終獲得連續圖像，因此本文設計了電力線路、油氣管道視場中心校準技術，使電力線路、油氣管道能夠一直置于視場中心，方便后續處理。

高清數據實時傳輸技術

無人機高清視頻的原始碼流約為1920×1080×60×4=474．6Mb/s，加上控制數據，通信帶寬要求約為4～5Gb/s。目前國內4G移動通信網絡中,LTE FDD理論下行速率為150Mb/s，TD-LTE理論下行速率為100Mb/s，而實際商用傳輸速率要小于理論速率，均無法達到直接傳輸無人機視頻的要求。正在進行商用試點的5G移動通信理論傳輸速率可達1Gb/s，也無法滿足直接傳輸無人機高清視頻的要求。因此，實際傳輸時必須將機載端的視頻數據進行壓縮，然后在接收端進行解壓縮處理。無人機通信技術研究主要包括實時視頻編解碼技術和遠程實時傳輸技術兩方面內容，具體如下。

（1）實時視頻編解碼技術

無人機高清視頻數據量很大，無法直接進行無線傳輸。實際應用時必須將機載端的視頻數據進行壓縮，然后在接收端進行解壓縮處理。視頻壓縮、解壓處理需要占用一定時間，如果視頻處理時間過長，數據傳輸就會有時延，對無人機實時傳輸數據很不利。本文提出基于DSP和FPGA硬件技術實現H．264高壓縮比視頻編解碼技術方案。

（2）遠程通信技術

電力線路、油氣管道經常鋪設在一些偏遠區域，商用移動通信網絡有時無法覆蓋。而通常情況下，無線通信數據鏈頻帶與傳輸距離成反比，帶寬越高要求頻帶也越高，但頻帶越高傳輸距離就越小；要實現更遠的傳輸距離，只能增加發射機功率，但受無人機最大起飛重量限制，發射機不可能很大很重。因此，本文提出一種基于2．4G電臺通信的多跳自組網方案。

重要意義

在日常巡檢工作中，采用無人機對輸電線路進行巡檢，具有非常重要的意義。

第一，有利于電力部門制定有針對性的維護措施，加大線路運維工作力度，確保重要輸電線路安全運行；

第二，有利于加大強降雨后重點區段的特殊巡檢力度，增加大負荷運行下設備檢測次數；

第三，有利于對線路通道內樹木、違章建筑等情況進行重點排查、清理，確保輸電線路通道安全。

第四，無人機巡檢降低了電力部門整體巡檢成本。隨著線路長度增加，其規模效應越來越明顯，無人機巡檢使巡檢平均成本越來越低。

因此，研制具有人工智能特性的、自動化程度較高的管線巡檢無人機系統，將對行業發展產生極大影響。■