基于圖像識別技術的輸電線路智能監控系統

趙銘

摘要：在我國進入21世紀迅猛發展的新時期，針對持續多發的輸電線路外力破壞事件，人工巡視以及傳統監控設備并不能及時有效發現事故隱患，因此提出基于圖像識別技術的輸電線路智能監控系統.該系統應用卷積神經網絡的深度學習算法訓練模型，可以智能識別出輸電線路現場的安全隱患。建立起前端采集圖像，數據無線傳輸，后臺識別分析，隱患定向推送的智能監控新模式.

關鍵詞：輸電線路;圖像識別;卷積神經網絡;智能監控

引言

架空輸電線路由于運行在山郊野外，受氣候、運行環境的影響遠大于本身設備性能的影響。它的運行維護工作面臨著管控面廣，不可控因素多，無定理、公式可推循等難題。隨著智能電網技術的日益成熟，本文研究基于高清視頻監測平臺的輸電線路設備可視化智能巡檢模式，經實際應用，大幅降低了重點隱患區域輸電線路設備的巡檢效率。

1系統組成

該系統主要由三部分組成：現場視頻監控設備、4G無線通信裝置、以及后臺服務器，實現的主要功能如下：（1）現場視頻監控設備：包括有光伏電池板、鉛酸蓄電池、光伏充放電管理器、網絡攝像機、符合IP65標準的防水防塵裝置、就地聲光報警裝置等;實現的功能有實時視頻回傳到后臺視頻服務器、網絡攝像機的遠程配置與控制、光伏供電、就地的聲光報警等功能。（2）4G無線通信裝置：集成于網絡攝像機，實現的功能是支持實時視頻回傳到后臺服務器，以及后臺服務器的輸出信號的接收等。（3）后臺服務器：包括有公網網絡、視頻服務器、智能識別服務器、數據庫服務器、短信貓等裝置;實現的功能：公網接收來自4G無線網絡的現場實時視頻，并經過防火墻后傳輸給視頻服務器，視頻服務器對接收的視頻數據實時解碼并在局域網內轉發視頻數據到智能識別服務器對視頻圖像進行智能分析處理，同時根據處理的結果發布預警信息，并通過短信貓發布至相應的管理人員，以及遠程啟動現場聲光報警的等。后臺服務器對所有信息和數據進行存儲。

2基于圖像識別技術的輸電線路智能監控系統

2.1輸電線路外部隱患的物體檢測技術

為滿足輸電線路智能監控的需求，單純的提取圖像特征，然后基于卷積神經網絡模型進行圖像識別并不能滿足實際需求.相比圖像分類，物體檢測是圖像識別領域中一個更復雜的問題，因為一張圖片中可以包含多種物體的信息，將各個物體準確提取并分類就需要首先識別物體所在位置.結合輸電線路中的應用場景，物體檢測要分析出監控畫面中存在的物體種類以及具體的坐標位置.基于CNN技術的物體檢測模型一般將問題分解為如何提取候選區域和對候選區域進行分類的兩個子問題.提取候選區域是物體檢測模型訓練的必備步驟，相較于GPU上更快的運算速度，由于該算法是在CPU上實現的，所以計算候選區域成為了整個模型運算時間的瓶頸.在各種候選區域的計算方法中，應用滑動窗口技術的FasterR-CNN網絡是較為優秀的模型.FasterR-CNN網絡在傳統模型的基礎上，在最后一層輸出特征值上設置一個滑動窗，將滑動窗和候選區域網絡全連接.模型以滑動窗中心為中點，給定若干個不同尺度和長寬比的錨點，根據每個錨點生成相應的候選區域，隨著滑動窗口滑過圖像中的每個位置，完成對整個圖像的掃描.

2.2導、地線缺陷識別

導、地線缺陷識別主要識別散股和斷落缺陷。識別方法上總體步驟與絕緣子缺陷識別類似，由于導、地線識別范圍因線路檔距不同而變化，無法很好的確定全部導、地線范圍，本文采取通過識別導、地線掛點狀態來判斷是否存在導、地線斷落的缺陷，并以掛點為基點通過導、地線弧垂懸鏈線方程進行模擬導、地線在圖像上的范圍，再判斷該范圍內是否有明顯散股或受損缺陷。

2.3報警和聯動機制設計

該系統設計了三級的報警和聯動機制，詳細設計如下：（1）現場視頻監控裝置的聲光報警;（2）后臺控制中心的報警聯動：智能識別服務器處理到報警信息后，根據設定的報警信息類型不同，對報警信息聯動處理。

將報警信息通過短信貓將短信或彩信（報警地點現場圖像）的方式發送到相應設備主管人員的手機上。該系統同時支持手機或者PAD等客戶端通過網頁訪問的方式實時查看各監控點實時視頻信息，實現遠程監控和控制等。（3）客戶端聯動：接收到報警信息的客戶端，可將畫面切換到報警設備聯動畫面，響應報警信息回傳到后臺服務器，讓設備主管領導知曉設備管理人員已接受信息，并進行相應處理。

2.4嵌入式系統環境搭建

為了實現系統主程序對攝像機模擬視頻信號的采集，以及格式轉換并呈現給用戶，考慮到在監控系統中用戶往往較多，且并行事務較多，本文系統環境采用嵌入式結構進行搭建。嵌入式環境中，包括Linux操作系統下的PC宿主機，以及DVS357的開發板，PC宿主機的系統為Win-dows7，開發板和宿主機間連接一個交換機，并在同一網絡下。2.5圖像識別模型的訓練基于卷積神經網絡的深度學習算法，在系統應用前需要訓練好相應的圖像識別模型.經統計近十年的輸電線路外力破壞事件，事故原因基本為吊車、挖掘機、樁機和大型運輸車輛的碰撞引發.故在此次的訓練中，提取了以往監控照片中存在外部隱患的典型照片約3000張，包含桿塔、吊車、挖掘機、樁機和大型運輸車輛五個類別.經過圖像分類、圖像標注，制作出標準格式的數據集，輸入識別模型進行訓練.訓練結束后檢驗結果，測試該模型識別能力mAP是否達標.若不達標，調整數據集再次訓練模型.經過多次迭代，最終生成合格模型.

2.6智能巡檢系統功能設計

1）預置位設置在視頻云臺控制界面，可保存當前位置（角度），并可根據監測部件進行分組，主要分為導線、地線、絕緣子、金具、線路走廊、其它等巡視重點部件。每一類部件根據歷史主要缺陷類型和區域，劃定主要識別區域，以提高識別準確率。2）標準圖片設置在已設置預置位的基礎上，需為每個位置設置一張標準圖片，用于巡檢圖片分析。設置好的標準圖片重點識別區域應進行統一標記和劃分，同時與該類缺陷主要識別區域對應。3）巡視周期設置根據線路狀態等級設置定期拍照巡檢周期以及巡檢預置位順序，系統會自動按建立的路線進行巡檢，可針對攝像頭設置多個位置。在設定的周期內，系統自動調用攝像頭進行拍照并調用智能分析接口分析當前是否存在異常，如果異常給出異常圖片位置及產生告警。

結語

本文設計的輸電線路智能監控系統中，應用圖像識別技術，并對系統架構進行了優化，改善了系統多用戶多監控數據下的運行性能。但在研究中仍存在不足，未來將會進一步研究系統中的太陽能供電電路，使用戶可以獲取到系統節點電池的電壓值信息。另外研究中缺乏實際條件下的實驗支持，未來研究將會根據實際條件進行更深入的研究。

參考文獻：

[1]何宇，王棟，王鑫，等.特高壓輸電線路巡視輔助檢修機器人的研制[J].通信電源技術，2020，37（5）：47-48.

[2]張惠榮.基于圖像處理的輸電線路運行狀態智能監控與故障預警平臺研究[J].自動化技術與應用，2020，39（4）：159-161，176.

[3]徐振磊，曾懿輝，郭圣，等.基于圖像識別技術的輸電線路智能監控系統應用[J].計算機系統應用，2020，29（1）：67-72.

[4]林國安，裴慧坤，周偉才.基于圖像識別技術的輸電線路智能巡檢系統研究與應用智慧水電，2016，12：0262-0263.

[5]孫大陸，何丹東.超/特高壓輸電線路巡檢四旋翼無人機的建模和回饋遞推控制[J].工業控制與應用，2016，11：0011-0016.