楊罡 張娜 晉濤 王大偉

摘 要：輸電線路上的絕緣子，長(zhǎng)時(shí)間暴露在自然環(huán)境下，容易產(chǎn)生自爆缺失故障，進(jìn)而容易損害整個(gè)輸電線路的使用安全和運(yùn)行壽命。對(duì)此，本文提出一種基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法的端到端絕緣子缺失檢測(cè)方法，利用深度卷積神經(jīng)網(wǎng)絡(luò)的強(qiáng)大學(xué)習(xí)能力，以及適當(dāng)量的標(biāo)注樣本，學(xué)習(xí)到如何直接從無(wú)人機(jī)航拍照片中檢測(cè)絕緣子，并自動(dòng)區(qū)分完整絕緣子和缺失絕緣子。

關(guān)鍵詞：絕緣子 深度學(xué)習(xí) 目標(biāo)檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）08（c）-0030-02

輸電線路中的絕緣子是一種特殊絕緣控件，通常是陶瓷或玻璃材質(zhì)的，能夠在輸電線路中起到關(guān)鍵作用，一旦失效就會(huì)損害整個(gè)輸電線路的使用安全和運(yùn)行壽命[1]。

我國(guó)疆域遼闊，輸電線路經(jīng)常需要橫跨山川河流，為了解輸電線路運(yùn)行情況以及解決輸電線路潛在的隱患，電力部門(mén)慢慢用無(wú)人機(jī)巡線代替了人工巡線[2，3]。利用無(wú)人機(jī)巡檢輸電線路不受地理、氣候等因素的影響，節(jié)約了大量的人力與物力。在巡檢中，無(wú)人機(jī)拍攝大量的照片，基于這些照片，進(jìn)行絕緣子檢測(cè)是一種較為新穎的技術(shù)路線。

其中有研究提出了一種改進(jìn)的FCM算法對(duì)絕緣子所在的區(qū)域進(jìn)行分割，進(jìn)而通過(guò)連通域標(biāo)記算法對(duì)每片絕緣子進(jìn)行標(biāo)記，最終有效地計(jì)算出了絕緣子的個(gè)數(shù)；也有文獻(xiàn)在相關(guān)研究中提出了一種利用梯度信息進(jìn)行絕緣子的定位方法，在實(shí)現(xiàn)絕緣子定位的基礎(chǔ)上建立單個(gè)絕緣子的特征描述子，最終實(shí)現(xiàn)絕緣子的故障檢測(cè)；在多尺度的基礎(chǔ)上引入了多特征描述符表達(dá)絕緣子的局部特征，隨后構(gòu)建了絕緣子的視覺(jué)特征庫(kù)，針對(duì)待檢測(cè)圖像通過(guò)“粗-細(xì)”特征匹配策略消除背景噪聲，最終確定了航拍圖像中絕緣子的位置。

目前，大部分的研究工作是人工設(shè)計(jì)特征，提取特征，然后設(shè)計(jì)分類器，區(qū)分絕緣子區(qū)域，確定位置。本文基于目前速度和準(zhǔn)確率兼顧的深度學(xué)習(xí)目標(biāo)檢測(cè)框架YOLO，設(shè)計(jì)了從輸入圖像直接到檢測(cè)結(jié)果的端到端絕緣子缺失方法。

1 基于YOLO的絕緣子檢測(cè)方法

傳統(tǒng)的目標(biāo)檢測(cè)算法一般分為兩步：首先，提取一定數(shù)量的目標(biāo)候選框，具體提取方法有滑動(dòng)窗口、選擇搜索等；其次，是對(duì)目標(biāo)候選框內(nèi)的圖像按照一定的方法提取特征，對(duì)特征進(jìn)行分類，確定目標(biāo)候選框內(nèi)是否有某物體。YOLO算法將這兩步合二為一，用一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，在保證精度的同時(shí)，由于沒(méi)有了提取目標(biāo)候選框等耗時(shí)步驟，達(dá)到了較快的運(yùn)行速度。

1.1 聯(lián)合檢測(cè)

如圖1a所示，首先將圖像分為SXS的網(wǎng)格。如果絕緣子的中心落入某格子，則格子就負(fù)責(zé)檢測(cè)該絕緣子。每一個(gè)柵格負(fù)責(zé)預(yù)測(cè)B個(gè)包圍盒，以及這些包圍盒的置信分?jǐn)?shù)。這個(gè)置信分?jǐn)?shù)反映了模型對(duì)于這個(gè)柵格的預(yù)測(cè)：該柵格是否包含絕緣子，以及這個(gè)包圍盒的坐標(biāo)預(yù)測(cè)有多準(zhǔn)確。如果這個(gè)柵格中不存在絕緣子，則置信分?jǐn)?shù)為0，否則應(yīng)該為預(yù)測(cè)出的包圍盒與正式絕緣子包圍盒的IOU（intersection over union，IOU）。包圍盒由x、y、w、h4個(gè)值確定。坐標(biāo)（x，y）代表預(yù)測(cè)包圍盒的中心與柵格邊界的相對(duì)值，坐標(biāo)（w，h）代表了預(yù)測(cè)的包圍盒的寬高與整幅圖像寬高的比例。在預(yù)測(cè)包圍盒的同時(shí)，如圖1（b）所示，每個(gè)柵格還需要預(yù)測(cè)3個(gè)條件類別概率。即對(duì)每一個(gè)柵格，分別預(yù)測(cè)其屬于背景，完整絕緣子、缺失絕緣子的概率。在一個(gè)柵格包含絕緣子時(shí)，預(yù)測(cè)它屬于完整絕緣子或缺失絕緣子的概率應(yīng)該最大，在柵格不包含絕緣子時(shí)，預(yù)測(cè)它屬于背景的概率應(yīng)該最大。在圖1（b）中，深灰色柵格表示預(yù)測(cè)屬于缺失絕緣子，淺灰色柵格表示預(yù)測(cè)屬于完整絕緣子，黑色柵格表示預(yù)測(cè)背景。

1.2 網(wǎng)絡(luò)設(shè)計(jì)

整個(gè)模型的卷積神經(jīng)網(wǎng)絡(luò)主體架構(gòu)中所采用的Darknet-19。與VGG網(wǎng)絡(luò)相似，該網(wǎng)絡(luò)主要采用3×3的卷積核并且每次池化后，擴(kuò)大一倍通道數(shù)。同時(shí)，該網(wǎng)絡(luò)借鑒了NIN（Network in Network，NIN）的思想，在3×3的卷積之間使用（1×1）的卷積核來(lái)壓縮特征圖。與其中的處理相同，保持網(wǎng)絡(luò)前面的卷積層不變，用來(lái)提取圖像特征，只是將最后幾層全連接層進(jìn)行修改，根據(jù)卷積層提取的圖像特征來(lái)預(yù)測(cè)絕緣子在圖像中的位置和是否缺失的類別概率值。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 數(shù)據(jù)集

深度學(xué)習(xí)算法通常需要大量的標(biāo)注數(shù)據(jù)來(lái)訓(xùn)練模型，通過(guò)反向傳播算法，使得模型學(xué)習(xí)到較好的參數(shù)來(lái)擬合從輸入到輸出間的映射?；诖耍覀?nèi)斯?biāo)注了大約700張無(wú)人機(jī)航拍照片作為訓(xùn)練數(shù)據(jù)集。

2.2 實(shí)驗(yàn)

實(shí)驗(yàn)結(jié)果示例圖像如圖2所示，導(dǎo)線、塔桿等表示完整絕緣子，方框標(biāo)出來(lái)表示缺失絕緣子。結(jié)果表明，基于YOLO的絕緣子檢測(cè)算法，能夠較準(zhǔn)確地檢測(cè)出無(wú)人機(jī)航拍照片中的絕緣子，同時(shí)能夠正確地區(qū)分出完整與缺失絕緣子。

對(duì)測(cè)試集中的100張無(wú)人機(jī)航拍照片的實(shí)驗(yàn)結(jié)果如表1所示。統(tǒng)計(jì)結(jié)果表明，本文的方法，在保持檢測(cè)準(zhǔn)確率較高的同時(shí)，檢測(cè)每張圖像平均只需要0.69s，達(dá)到了較快的速度。出現(xiàn)誤檢的主要原因是訓(xùn)練數(shù)據(jù)集的照片數(shù)量不充足。目前，本文只使用了719張照片進(jìn)行訓(xùn)練，并且，這些照片中有許多是相同絕緣子。這些因素導(dǎo)致模型沒(méi)有足夠的泛化能力。

3 結(jié)語(yǔ)

絕緣子缺失檢測(cè)的精度和速度關(guān)系到輸電線路運(yùn)行的穩(wěn)定性，本文針對(duì)無(wú)人機(jī)航拍照片，提出基于YOLO的絕緣子檢測(cè)算法，根據(jù)實(shí)驗(yàn)效果表明，其能夠高效、準(zhǔn)確地識(shí)別航拍照片中的完整絕緣子和缺失絕緣子，能夠滿足工程應(yīng)用的要求。

參考文獻(xiàn)

[1] Zhai Yong-Jie，Wang Di，Wu Yang， et al. Two-stage Recognition Method of Aerial Insulator Images Based on Skeleton Extraction[J]. Journal of North China Electric Power University（Natural science edition），2015（3）：105-110.

[2] 李勛，張欣，黃榮輝，等.無(wú)人機(jī)在電力行業(yè)的應(yīng)用及需求分析[J].電氣應(yīng)用，2015（S2）：773-775.

[3] 彭向陽(yáng)，劉正軍，麥曉明，等.無(wú)人機(jī)電力線路安全巡檢系統(tǒng)及關(guān)鍵技術(shù)[J].遙感信息，2015（1）：51-57.