楊利波 楊嘉妮

摘要：介紹了一種超特高壓架空線路自主巡檢中應用的前端AI識別對焦技術。該技術首先選用小型電動多旋翼無人機作為自動巡檢工具，搭載1 200萬有效像素攝像機;其次構(gòu)建CNN-BP模型，將卷積神經(jīng)網(wǎng)絡作為輸電線路特征提取器，利用改進后的BP神經(jīng)網(wǎng)絡作為特征分類器，若當前輸出結(jié)果為超特高壓架空輸電線路，則向攝像機發(fā)送自動對焦指令，完成無人機前端圖像的采集工作。此技術輔助無人機自主巡檢采集精準的線路圖像，提升了電力系統(tǒng)輸電線路的自主巡檢效果。

關鍵詞：輸電線路;無人機;自主巡檢;CNN;識別

0 引言

超特高壓架空輸電線路長期暴露在室外惡劣環(huán)境中，面臨暴雨、強風、冰雹、洪水等自然災害以及工業(yè)污染的威脅，輸電線路雖然自身有一定的機械耐受性，但是隨著設備老化等問題，超特高壓架空輸電線路會出現(xiàn)線路損壞現(xiàn)象，導致輸電中斷，嚴重時威脅到附近人員的人身安全。為此，使用無人機對超特高壓架空輸電線路進行定期自主巡檢，及早發(fā)現(xiàn)其存在的安全隱患，為線路維修管理提供參考依據(jù)。在電力自主巡檢模式中，自動對焦技術直接影響線路圖像采集的質(zhì)量與精準度，本文對此技術展開重點研究，以提升電力系統(tǒng)輸電線路運行的安全系數(shù)與效率。

1 ? ?輸電電力自主巡檢的無人機選型

目標識別是人工智能領域的代表性技術之一，無人機自動識別對焦效果的優(yōu)劣是影響自主巡檢質(zhì)量的關鍵性因素。電力系統(tǒng)巡檢使用的無人機類型豐富，由于超特高壓架空輸電線路一般坐落在人口較為集中的區(qū)域，需要無人機具有良好的環(huán)境適應能力，小巧輕便，便于攜帶;同時，選取飛行性能優(yōu)異、墜毀風險低的無人機機型。本文將小型電動多旋翼無人機作為自動巡檢的工具，搭載1 200萬有效像素的攝像機[1]。此類無人機攜帶便捷，國內(nèi)生產(chǎn)技術相對成熟，購買價格低，集成性高，后期維護簡單。

2 基于卷積神經(jīng)網(wǎng)絡的無人機前端AI自動識別對焦

2.1 ? ?基于卷積神經(jīng)網(wǎng)絡的識別對焦模型構(gòu)建

卷積神經(jīng)網(wǎng)絡（CNN）是典型的人工智能領域應用算法，本文使用卷積神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡聯(lián)合構(gòu)建深度學習網(wǎng)絡模型，實現(xiàn)超特高壓架空輸電線路無人機前端圖像自動識別對焦，采集有效的輸電線路圖像。識別模型包括CNN特征提取器與BP分類器兩部分。

2.2 ? ?特征提取器設計

輸入層、隱含層、隱含單元、輸出層是目標特征提取器的基本構(gòu)成，各層次進行特征提取的步驟為：

Step 1：輸入層，輸入目標識別的樣本圖像到CNN模型中，然后進行圖像特征提取。

Step 3：隱含單元，經(jīng)過上述操作提取到的特征圖像在這一層次中轉(zhuǎn)換為向量形式，即獲取的最終特征向量。

Step 4：輸出層，訓練CNN特征提取的過程在輸出層中完成。

2.3 ? ?特征分類器設計

本文將BP神經(jīng)網(wǎng)絡作為輸電線路圖像特征分類器，經(jīng)典的BP神經(jīng)網(wǎng)絡存在學習效率低的缺點，不利于無人機快速進行超特高壓架空輸電線路圖像識別對焦，因此，本文深入分析了影響B(tài)P神經(jīng)網(wǎng)絡學習率的原因，并針對性地加以改進，提高無人機對焦效率。

2.4 ? ?CNN-BP模型構(gòu)建

本文采用CNN特征提取器與BP分類器最終構(gòu)建的無人機巡檢自動識別對焦模型結(jié)構(gòu)如圖1所示。CNN-BP的輸入層接收輸電線路的訓練樣本圖像，通過數(shù)次卷積與下采樣操作獲取大規(guī)模的特征圖像;特征圖像在模型中被轉(zhuǎn)換為列向量的形式，便于提取樣本圖像中的特征向量[3];CNN特征提取器訓練的場所為同特征向量完全連接的輸出層;改進的BP分類器基于輸電線路圖像的特征向量輸出特征分類結(jié)果，判斷當前無人機識別的目標是否屬于超特高壓架空輸電線路，如果屬于，則執(zhí)行對焦和圖像采集操作。

3 結(jié)語

超特高壓架空輸電線路使用無人機自主采集線路圖像完成巡檢工作，提高了電力系統(tǒng)檢修與故障查詢的智能化水平。在巡檢過程中，無人機搭載的攝像機能否自動精準識別目標物尤為關鍵。本文聯(lián)合使用卷積神經(jīng)網(wǎng)絡與BP神經(jīng)網(wǎng)絡構(gòu)建了CNN-BP模型，通過學習輸電線路特征完成目標物的自動識別與對焦，進而采集到準確的超特高壓架空輸電線路圖像，并以此作為電力線路巡檢的依據(jù);采用交叉熵代價函數(shù)改進代價函數(shù)，解決神經(jīng)網(wǎng)絡學習速度緩慢的問題，提高CNN-BP網(wǎng)絡模型自動識別與對焦的效率，滿足了超特高壓架空輸電線路巡檢需求。

[參考文獻]

[1] 吳立遠，畢建剛，常文治，等.配網(wǎng)架空輸電線路無人機綜合巡檢技術[J].中國電力，2018，51（1）：97-101.

[2] 尤波，李忠杰，黃玲.基于改進型BP神經(jīng)網(wǎng)絡的手部動作識別[J].智能系統(tǒng)學報，2018，13（5）：848-854.

[3] 甄然，于佳興，趙國花，等.基于卷積神經(jīng)網(wǎng)絡的無人機識別方法仿真研究[J].河北科技大學學報，2019，40（5）：397-403.

收稿日期：2020-09-01

作者簡介：楊利波（1982—），男，湖南南縣人，工程師，研究方向：無人機巡檢技術應用與研究，無人機數(shù)據(jù)深化應用。