基于图像识别技术的输电线路智能监控系统

赵铭

摘要：在我国进入21世纪迅猛发展的新时期，针对持续多发的输电线路外力破坏事件，人工巡视以及传统监控设备并不能及时有效发现事故隐患，因此提出基于图像识别技术的输电线路智能监控系统.该系统应用卷积神经网络的深度学习算法训练模型，可以智能识别出输电线路现场的安全隐患。建立起前端采集图像，数据无线传输，后台识别分析，隐患定向推送的智能监控新模式.

关键词：输电线路;图像识别;卷积神经网络;智能监控

引言

架空输电线路由于运行在山郊野外，受气候、运行环境的影响远大于本身设备性能的影响。它的运行维护工作面临着管控面广，不可控因素多，无定理、公式可推循等难题。随着智能电网技术的日益成熟，本文研究基于高清视频监测平台的输电线路设备可视化智能巡检模式，经实际应用，大幅降低了重点隐患区域输电线路设备的巡检效率。

1系统组成

该系统主要由三部分组成：现场视频监控设备、4G无线通信装置、以及后台服务器，实现的主要功能如下：（1）现场视频监控设备：包括有光伏电池板、铅酸蓄电池、光伏充放电管理器、网络摄像机、符合IP65标准的防水防尘装置、就地声光报警装置等;实现的功能有实时视频回传到后台视频服务器、网络摄像机的远程配置与控制、光伏供电、就地的声光报警等功能。（2）4G无线通信装置：集成于网络摄像机，实现的功能是支持实时视频回传到后台服务器，以及后台服务器的输出信号的接收等。（3）后台服务器：包括有公网网络、视频服务器、智能识别服务器、数据库服务器、短信猫等装置;实现的功能：公网接收来自4G无线网络的现场实时视频，并经过防火墙后传输给视频服务器，视频服务器对接收的视频数据实时解码并在局域网内转发视频数据到智能识别服务器对视频图像进行智能分析处理，同时根据处理的结果发布预警信息，并通过短信猫发布至相应的管理人员，以及远程启动现场声光报警的等。后台服务器对所有信息和数据进行存储。

2基于图像识别技术的输电线路智能监控系统

2.1输电线路外部隐患的物体检测技术

为满足输电线路智能监控的需求，单纯的提取图像特征，然后基于卷积神经网络模型进行图像识别并不能满足实际需求.相比图像分类，物体检测是图像识别领域中一个更复杂的问题，因为一张图片中可以包含多种物体的信息，将各个物体准确提取并分类就需要首先识别物体所在位置.结合输电线路中的应用场景，物体检测要分析出监控画面中存在的物体种类以及具体的坐标位置.基于CNN技术的物体检测模型一般将问题分解为如何提取候选区域和对候选区域进行分类的两个子问题.提取候选区域是物体检测模型训练的必备步骤，相较于GPU上更快的运算速度，由于该算法是在CPU上实现的，所以计算候选区域成为了整个模型运算时间的瓶颈.在各种候选区域的计算方法中，应用滑动窗口技术的FasterR-CNN网络是较为优秀的模型.FasterR-CNN网络在传统模型的基础上，在最后一层输出特征值上设置一个滑动窗，将滑动窗和候选区域网络全连接.模型以滑动窗中心为中点，给定若干个不同尺度和长宽比的锚点，根据每个锚点生成相应的候选区域，随着滑动窗口滑过图像中的每个位置，完成对整个图像的扫描.

2.2导、地线缺陷识别

導、地线缺陷识别主要识别散股和断落缺陷。识别方法上总体步骤与绝缘子缺陷识别类似，由于导、地线识别范围因线路档距不同而变化，无法很好的确定全部导、地线范围，本文采取通过识别导、地线挂点状态来判断是否存在导、地线断落的缺陷，并以挂点为基点通过导、地线弧垂悬链线方程进行模拟导、地线在图像上的范围，再判断该范围内是否有明显散股或受损缺陷。

2.3报警和联动机制设计

该系统设计了三级的报警和联动机制，详细设计如下：（1）现场视频监控装置的声光报警;（2）后台控制中心的报警联动：智能识别服务器处理到报警信息后，根据设定的报警信息类型不同，对报警信息联动处理。

将报警信息通过短信猫将短信或彩信（报警地点现场图像）的方式发送到相应设备主管人员的手机上。该系统同时支持手机或者PAD等客户端通过网页访问的方式实时查看各监控点实时视频信息，实现远程监控和控制等。（3）客户端联动：接收到报警信息的客户端，可将画面切换到报警设备联动画面，响应报警信息回传到后台服务器，让设备主管领导知晓设备管理人员已接受信息，并进行相应处理。

2.4嵌入式系统环境搭建

为了实现系统主程序对摄像机模拟视频信号的采集，以及格式转换并呈现给用户，考虑到在监控系统中用户往往较多，且并行事务较多，本文系统环境采用嵌入式结构进行搭建。嵌入式环境中，包括Linux操作系统下的PC宿主机，以及DVS357的开发板，PC宿主机的系统为Win-dows7，开发板和宿主机间连接一个交换机，并在同一网络下。2.5图像识别模型的训练基于卷积神经网络的深度学习算法，在系统应用前需要训练好相应的图像识别模型.经统计近十年的输电线路外力破坏事件，事故原因基本为吊车、挖掘机、桩机和大型运输车辆的碰撞引发.故在此次的训练中，提取了以往监控照片中存在外部隐患的典型照片约3000张，包含杆塔、吊车、挖掘机、桩机和大型运输车辆五个类别.经过图像分类、图像标注，制作出标准格式的数据集，输入识别模型进行训练.训练结束后检验结果，测试该模型识别能力mAP是否达标.若不达标，调整数据集再次训练模型.经过多次迭代，最终生成合格模型.

2.6智能巡检系统功能设计

1）预置位设置在视频云台控制界面，可保存当前位置（角度），并可根据监测部件进行分组，主要分为导线、地线、绝缘子、金具、线路走廊、其它等巡视重点部件。每一类部件根据历史主要缺陷类型和区域，划定主要识别区域，以提高识别准确率。2）标准图片设置在已设置预置位的基础上，需为每个位置设置一张标准图片，用于巡检图片分析。设置好的标准图片重点识别区域应进行统一标记和划分，同时与该类缺陷主要识别区域对应。3）巡视周期设置根据线路状态等级设置定期拍照巡检周期以及巡检预置位顺序，系统会自动按建立的路线进行巡检，可针对摄像头设置多个位置。在设定的周期内，系统自动调用摄像头进行拍照并调用智能分析接口分析当前是否存在异常，如果异常给出异常图片位置及产生告警。

结语

本文设计的输电线路智能监控系统中，应用图像识别技术，并对系统架构进行了优化，改善了系统多用户多监控数据下的运行性能。但在研究中仍存在不足，未来将会进一步研究系统中的太阳能供电电路，使用户可以获取到系统节点电池的电压值信息。另外研究中缺乏实际条件下的实验支持，未来研究将会根据实际条件进行更深入的研究。

参考文献：

[1]何宇，王栋，王鑫，等.特高压输电线路巡视辅助检修机器人的研制[J].通信电源技术，2020，37（5）：47-48.

[2]张惠荣.基于图像处理的输电线路运行状态智能监控与故障预警平台研究[J].自动化技术与应用，2020，39（4）：159-161，176.

[3]徐振磊，曾懿辉，郭圣，等.基于图像识别技术的输电线路智能监控系统应用[J].计算机系统应用，2020，29（1）：67-72.

[4]林国安，裴慧坤，周伟才.基于图像识别技术的输电线路智能巡检系统研究与应用智慧水电，2016，12：0262-0263.

[5]孙大陆，何丹东.超/特高压输电线路巡检四旋翼无人机的建模和回馈递推控制[J].工业控制与应用，2016，11：0011-0016.