盛從兵，邵 震，胡永輝，吳述偉

國(guó)家電網(wǎng)濮陽(yáng)供電公司，河南 濮陽(yáng) 457000

0 引言

近年來(lái)，無(wú)人機(jī)巡檢已成為輸電線路的重要巡檢手段，其巡檢效益和質(zhì)量相比傳統(tǒng)人工巡檢有顯著提高。但是，現(xiàn)階段無(wú)人機(jī)巡檢仍主要依靠人工手動(dòng)操作無(wú)人機(jī)完成，存在下述問題：巡檢效果受操作人員技能水平、操作經(jīng)驗(yàn)、環(huán)境突變等因素制約；缺乏高精度自主定位及視覺導(dǎo)航跟蹤技術(shù)，無(wú)法實(shí)現(xiàn)輸電線路設(shè)備及通道缺陷的實(shí)時(shí)識(shí)別；巡檢數(shù)據(jù)傳輸效率不高。

5G網(wǎng)絡(luò)具有高性能、低延時(shí)、大容量等突出特點(diǎn)，可為無(wú)人機(jī)的應(yīng)用提供大帶寬、高可靠、低時(shí)延的通信鏈路，賦予無(wú)人機(jī)實(shí)時(shí)高清圖傳能力。AI邊緣計(jì)算具有計(jì)算速度快等優(yōu)點(diǎn)。文章主要研究將5G網(wǎng)絡(luò)、AI邊緣計(jì)算應(yīng)用到無(wú)人機(jī)巡檢，如此可顯著提高無(wú)人機(jī)的巡檢效果。

1 5G網(wǎng)絡(luò)及AI邊緣計(jì)算概述

5G網(wǎng)絡(luò)可以支持厘米級(jí)高精度定位數(shù)據(jù)傳輸，在無(wú)人機(jī)的飛行數(shù)據(jù)安全保障方面具有明顯的優(yōu)勢(shì)[1-5]。

邊緣計(jì)算屬于一種分布式計(jì)算，邊緣計(jì)算網(wǎng)關(guān)的功能設(shè)計(jì)非常強(qiáng)，包含輕量級(jí)的容器，可按需為客戶部署行業(yè)App，并通過云管理實(shí)現(xiàn)分鐘級(jí)的部署，在網(wǎng)絡(luò)邊緣即可實(shí)現(xiàn)實(shí)時(shí)、智能的數(shù)據(jù)分析和數(shù)據(jù)聚合。同時(shí)它是開放式的，支持多種協(xié)議與接口規(guī)范，可適用于不同的行業(yè)場(chǎng)景[6-8]。

邊緣AI指在硬件設(shè)備上本地處理的AI算法，可以在沒有網(wǎng)絡(luò)連接的情況下處理數(shù)據(jù)。這意味著可以在無(wú)須流式傳輸或在云端數(shù)據(jù)存儲(chǔ)的情況下進(jìn)行數(shù)據(jù)創(chuàng)建等操作。在實(shí)際操作中出現(xiàn)了越來(lái)越多的設(shè)備數(shù)據(jù)無(wú)法依賴云端處理的情況，比如，工廠的機(jī)器人和自動(dòng)駕駛汽車都需要以最低的延遲高速處理數(shù)據(jù)。為了實(shí)現(xiàn)這些目標(biāo)，邊緣計(jì)算可以在云上靠深度學(xué)習(xí)生成數(shù)據(jù)，而在數(shù)據(jù)原點(diǎn)即設(shè)備本身（邊緣）執(zhí)行模型的推斷和預(yù)測(cè)。以工廠的工業(yè)機(jī)器人為例進(jìn)行分析。AI技術(shù)能夠以人類無(wú)法企及的速度，對(duì)來(lái)自監(jiān)控?cái)z像頭和傳感器的大量多模態(tài)數(shù)據(jù)進(jìn)行可視化和評(píng)估，以檢測(cè)生產(chǎn)線上人類可能忽略的故障數(shù)據(jù)。這類物聯(lián)網(wǎng)結(jié)構(gòu)可以存儲(chǔ)生產(chǎn)線上產(chǎn)生的大量數(shù)據(jù)，并通過機(jī)器學(xué)習(xí)進(jìn)行分析。同時(shí)，能夠提高工廠智能化程度的AI模型的核心，具體如圖1所示。

圖1 邊緣AI模塊

2 基于5G網(wǎng)絡(luò)和AI邊緣計(jì)算的實(shí)時(shí)視頻傳輸技術(shù)

2.1 技術(shù)原理

目前，云計(jì)算幾乎是所有應(yīng)用程序的主流解決方案，移動(dòng)終端在大多數(shù)場(chǎng)景中僅負(fù)責(zé)發(fā)送請(qǐng)求、接收返回?cái)?shù)據(jù)、渲染畫面等操作。在云計(jì)算中，龐大的、來(lái)自地理位置各異的移動(dòng)用戶終端的服務(wù)請(qǐng)求首先通過有線或無(wú)線的方式傳入接入網(wǎng)（Access Network），再經(jīng)過主干網(wǎng)（Backbone）傳送給服務(wù)所在的數(shù)據(jù)中心進(jìn)行處理。在此過程中，位于云端的數(shù)據(jù)中心才是真正負(fù)責(zé)處理用戶服務(wù)請(qǐng)求的地方，而主干網(wǎng)的傳播耗時(shí)相對(duì)較長(zhǎng)，不利于對(duì)延遲極其敏感的應(yīng)用程序。因此，有必要降低延遲。

降低延遲有兩種方法：第一種方法是增加硬件性能以及帶寬，這種方式需要加大資金投入；第二種方法是直接改變計(jì)算范式，即盡可能取消請(qǐng)求和數(shù)據(jù)在主干網(wǎng)上的路由。具體為邊緣計(jì)算直接把計(jì)算和處理能力從云數(shù)據(jù)中心下沉到用戶接入網(wǎng)。隨著5G時(shí)代的到來(lái)，這種計(jì)算范式上的轉(zhuǎn)變勢(shì)在必行。5G使用了更高的頻帶，無(wú)線信號(hào)的覆蓋范圍將會(huì)受限，為了做到全面覆蓋，需要部署大量微基站[9]。因此，可以賦予這些微基站一定的計(jì)算能力，甚至可以在周圍建立小型數(shù)據(jù)中心，直接處理來(lái)自微基站轉(zhuǎn)發(fā)來(lái)的服務(wù)請(qǐng)求，從而可以完全避免主干網(wǎng)上極其耗時(shí)的路由開銷。

當(dāng)然，以上僅僅是最理想的情況，目前更多的研究人員推崇的是“device-edge-cloud synergy”，即“云-邊-端協(xié)同處理”。云-邊-端協(xié)同處理應(yīng)依據(jù)以下特征：端通常是計(jì)算受限、電池受限的，相比端，邊的計(jì)算能力更強(qiáng)，但是與云相比則是小巫見大巫。用戶體驗(yàn)的延遲則正好相反。例如，如果要在移動(dòng)端完成一個(gè)DNN分類的任務(wù)，可以將已經(jīng)訓(xùn)練好的DNN模型進(jìn)行切分，前一半網(wǎng)絡(luò)層（假設(shè)計(jì)算不密集）放在邊緣服務(wù)器上，后一半計(jì)算密集型的網(wǎng)絡(luò)層放到云數(shù)據(jù)中心。用戶作為端將待分類的圖片發(fā)送給邊，邊將前半部分返回的結(jié)果發(fā)送給云，由云來(lái)完成后半部分，將最后結(jié)果再回傳給端。這個(gè)過程需要在計(jì)算開銷和通信開銷之間做權(quán)衡。

2.2 實(shí)時(shí)視頻傳輸技術(shù)

輸電線路處于野外，采用人工巡視方式不但效率低下，而且存在一定的安全風(fēng)險(xiǎn)。同時(shí)，巡檢無(wú)人機(jī)存在自主水平低、故障識(shí)別精度低、續(xù)航里程短等問題，嚴(yán)重制約了無(wú)人機(jī)的推廣應(yīng)用，從而無(wú)法保障無(wú)人機(jī)巡檢結(jié)果的及時(shí)性、有效性、全面性。當(dāng)前的4G網(wǎng)絡(luò)只支持1 K的圖傳，傳輸?shù)膱D像清晰度不足，不能對(duì)某些細(xì)節(jié)位置進(jìn)行查看；而5G網(wǎng)絡(luò)傳輸速率達(dá)到100 Mbps以上，時(shí)延在10 ms以內(nèi)，可顯著提升無(wú)人機(jī)所獲取視頻的清晰度。因此，利用無(wú)人機(jī)搭載5G模塊進(jìn)行實(shí)時(shí)視頻或圖像傳輸?shù)碾娏ρ矙z，是保障其可靠性運(yùn)行的重要手段。

無(wú)人機(jī)可配備多種傳感器（包括紅外相機(jī)、激光雷達(dá)），按照預(yù)先設(shè)定要求進(jìn)行巡檢。將5G網(wǎng)絡(luò)與AI邊緣計(jì)算技術(shù)綜合應(yīng)用到無(wú)人機(jī)控制中，可實(shí)現(xiàn)7×24 h的不間斷巡檢。具體巡檢數(shù)據(jù)無(wú)線傳輸及處理原理如圖2所示。

圖2 數(shù)據(jù)無(wú)線傳輸及處理原理圖

配備多種傳感器的無(wú)人機(jī)可實(shí)時(shí)采集視頻數(shù)據(jù)，通過機(jī)載AI邊緣計(jì)算智能模塊實(shí)時(shí)處理并確定目標(biāo)位置，進(jìn)一步確定拍照位置，進(jìn)行精準(zhǔn)對(duì)焦和拍照。AI邊緣計(jì)算智能模塊通過連入5G網(wǎng)絡(luò)，將處理后的視頻或者對(duì)焦拍照的圖像實(shí)時(shí)傳輸回地面站，地面站配有5G網(wǎng)絡(luò)，可實(shí)時(shí)接收回傳數(shù)據(jù)和顯示無(wú)人機(jī)飛行狀態(tài)，具體網(wǎng)絡(luò)架構(gòu)如圖3所示。

圖3 數(shù)據(jù)無(wú)線傳輸及處理的網(wǎng)絡(luò)架構(gòu)

3 結(jié)束語(yǔ)

供電電網(wǎng)的供配電線路一般處于遠(yuǎn)離城鎮(zhèn)的郊區(qū)或者偏遠(yuǎn)的野外，具有線路結(jié)構(gòu)組件多、故障類型多、維護(hù)困難等特點(diǎn)。供電線路出現(xiàn)故障可能導(dǎo)致大范圍斷電，從而嚴(yán)重影響社會(huì)生產(chǎn)與生活。因此，提高供電線路可靠性和巡檢能力具有重要意義。

人工巡檢方式雖然可直觀掌握供電線路的實(shí)際情況，但是存在巡檢效率較低、安全風(fēng)險(xiǎn)較高等問題，而無(wú)人機(jī)智能巡檢受環(huán)境、氣候、作業(yè)時(shí)長(zhǎng)等因素的影響較小，運(yùn)維成本較低，可顯著提升巡檢效率。將5G網(wǎng)絡(luò)和AI邊緣計(jì)算應(yīng)用到巡檢視頻實(shí)時(shí)傳輸中，可提升巡檢結(jié)果的傳輸效率，為后續(xù)的無(wú)人機(jī)智能化、自主化巡檢創(chuàng)造良好條件。