配电网无人机红外照片自动分析工具的设计及应用

刘威权

（广东电网有限责任公司江门新会供电局，广东 江门 529100）

无人机在对配电网设备进行自动巡视的过程中，通常会在关键的巡视点位拍摄可见光照片与红外照片。其中，无人机拍摄的红外照片是识别和分析配电网设备温度异常缺陷的重要依据。然而，现有的配电网无人机红外照片分析软件对关键部位识别的准确性和稳定性较低，可识别的热缺陷类型也不够全面，因此目前仍须要依赖人工对每张红外照片中可能存在的温度异常区域和类型进行逐个识别分析，影响了无人机红外照片处理分析工作的效率。

为此，本次研究开发配电网无人机红外照片自动分析工具，可在对红外模版照片进行关键部位区域标注和缺陷识别策略制定的基础上，通过图像配准技术将无人机拍摄的红外照片与模版照片进行配准校正，以准确识别图像中的设备关键部位，并按照红外缺陷识别策略对重点设备区域进行温度分析计算，从而自动识别变电设备的电流致热型、电压致热型、综合致热型等多类型的温度异常缺陷，提高无人机红外照片处理分析工作的效率。

1 技术方案

1.1 技术原理

基于无人机的配电网智能巡检工作开展时，往往通过人工分析、软件自动分析和软件初选人工分析3种方式实现热斑照片的处理，如表1所示。

表1 红外照片分析方式

1.2 系统组成

本地区配电网设备巡检工作开展过程中主要使用大疆系列红外摄像无人机，其一键巡视时须拍摄大量的红外照片，仅靠人工分析工作量大、耗时长，容易出现疏漏。因此，借助大疆红外热分析工具（DJI Thermal SDK）搭建无人机红外照片智能识别平台，利用该软件中的功能模块快速分析、处理红外照片。

DJI Thermal SDK软件中用户可以在Windows或Linux 系统中开发相应功能，实现对R-JPEG 红外照片的处理和温度测量等。本次配电网无人机红外照片自动工具主要基于可扩展性良好的Python语言实现，功能设计如下：

温度解析。利用软件中工具栏中的像素模块对R-JPEG格式的红外照片进行逐像素点温度解析。

综合分析。利用numpy 模块对像素点的温度、像素点的位置坐标、像素点之间的距离等因素进行综合分析。

处理展示。利用PIL 模块绘制红外照片的处理分析展示结果，对图片的批量化识别和处理结果进行整合展现。

人机交互。利用Tkinter模块制作平台与使用人员的交互前端，形成友好的人机交互界面，保证人员能够快速获取关键图片信息。

2 功能优化

为进一步提升配电网无人机红外照片自动分析工具的可靠性、准确性和有效性，在设计过程中应做好识别功能的调整和处理性能的优化。

2.1 红外模版照片标注

要开发具备友好人机交互界面的红外模版照片标注功能，对红外模版照片进行重点设备区域标注，以及红外缺陷识别策略制定，便于后续按照红外缺陷识别标准规范，对各种类型的红外缺陷进行识别，如图1所示。

图1 红外模板照片标注

图1 中主要对配电网运行过程中的桥架间隔温度进行测定，通过圈定主供区域，重点分析该范围内的温度变化情况，确定是否存在主供异常、漏电断电等情况，以便于及时发现配电网运行过程中的缺陷隐患，开展对应处理和防控，提升配电网运行的安全效益和经济效益。

2.2 红外照片配准校正

本地区配电网无人机自动巡检工作开展过程中主要通过一键巡视方式实现，其红外照片拍摄过程中按照飞行轨迹和功能设定进行定点拍照或定时拍照，其照片拍摄的角度和温度与红外模板照片往往存在较大差异。

为解决上述问题，在配电网无人机红外照片自动分析工具设计过程中可以采用图像配准算法，将无人机拍摄的红外照片与红外模版照片进行配准，进而确定红外照片的重点关注区域，提高对电力设备关键部件和部位的识别准确性。如利用相对配准原理，在红外模板照片上提取特征点，对拍摄的红外照片特征点进行拟合，按照相似性度量拟合拍摄的红外照片空间坐标，确定其是否与红外模板照片一致。若坐标变换参数拟合，则红外照片与红外模板照片配准，可用于配电网设备关键部位的缺陷识别。

2.3 红外缺陷识别算法开发

开发红外缺陷识别算法，按照所制定的红外缺陷识别策略，对红外照片中的电力设备重点部件和部位进行温度自动分析计算，从而实现变电设备的电流致热型、电压致热型、综合致热型等多类型温度异常缺陷的自动识别。

表面温度。可直接根据配电网设备的表面温度值判断是否超出安全阈值，确定是否存在电流致热型缺陷。如开关表面温度的安全阈值为60 ℃，监测结果显示表面温度为92 ℃，则开关存在严重电流致热缺陷，须立刻停用检修。

相对温度。可按照同类型、同环境、同功能的设备运行情况，对比设备间的温度差异数值，确定是否存在异常情况。如在同一环境中的三相刀闸使用过程中，A 相和C 相刀闸最高温度均为50 ℃以下，而B相刀闸的使用温度达到63.9 ℃，最大相对温差达到17.2 ℃，则B相刀闸存在严重电压致热缺陷，应配合调度作业检修。

定级温差。可按照不同位置的配电网设备情况设置响应的定级温度。该模型构建过程中应对设备进行分区，测定各个分区的温度情况，提取最高温度记作TR。然后计算最高温度与设备最高温度之间的差值ΔT，将其作为依据判断发热缺陷级别。如ΔT小于0.5 ℃可以视为不存在发热，ΔT在0.5～1 ℃之间可以视为其他缺陷，ΔT在1～3 ℃之间可以视为一般缺陷，ΔT在3～5 ℃之间应认为存在重大缺陷，若超过5 ℃则认为有紧急缺陷，须立刻停机处理。

3 应用分析

本次设计的配电网无人机红外照片自动识别工具在投入使用后，可将红外照片分析时间缩短到min级。2021年本地区精细化巡视中采集到的近10万张照片经自动识别工具处理后，共发现温度缺陷图片2842 张，识别准确率可达到92.5%，远远高于人工识别的准确率。同时，在自动识别过程中还可实现温度标注和缺陷标注，提升了图片整理的可靠度，优势非常显著，如表2所示。

表2 无人机红外照片自动识别工具的应用效果

配电网无人机红外照片自动分析工具应用的过程中要不断更新红外模型照片，按照配电网运行现状做好关键点的设置和温度数据的采集，这样才能够保证红外模板照片拟合结果与实际缺陷情况相契合，为配电网运维管理提供有效参考。

4 结束语

配电网无人机红外照片自动分析工具有助于提升红外照片分析的时效性、准确性和可靠性，在设计时应注意做好软件平台的选择。可利用DJI Thermal SDK 开发工具进行功能模块的设计，展开红外模板照片标注、红外照片配准校正、红外缺陷识别处理，精准识别配电网设备的运行现状，对其关键部位缺陷进行处理。