姬艷鵬，陳 澤，劉良帥，趙百捷，馮海燕

（國網(wǎng)河北省電力有限公司電力科學(xué)研究院，河北 石家莊 050021）

0 引言

隨著人工智能技術(shù)的蓬勃發(fā)展，電力運(yùn)檢、安監(jiān)、營銷等應(yīng)用領(lǐng)域?qū)D像識別等技術(shù)的需求愈發(fā)強(qiáng)烈，亟需將智能圖像識別技術(shù)的先進(jìn)研究成果應(yīng)用于電力領(lǐng)域，達(dá)到降本增效的目標(biāo)[1-2]?；谠贫朔治龊吞幚淼膱D像識別方法，需要消耗大量的通信資源、云端算力、存儲能力等資源，其實(shí)時(shí)性較差、成本較高，因而圖像識別方法逐漸由云端集中處理模式向終端分布式處理的模式轉(zhuǎn)變。智能終端圖像識別技術(shù)一般需要圖像預(yù)處理、圖像特征提取和目標(biāo)檢測等流程[36]實(shí)現(xiàn)圖像目標(biāo)識別，其結(jié)果直接影響了電力的精益化運(yùn)維水平，因而有必要對圖像識別模型進(jìn)行質(zhì)量評估，保障入網(wǎng)終端的應(yīng)用效果。當(dāng)前具備邊端圖像識別能力的智能終端[7]，其評估規(guī)范出臺相對滯后，測評技術(shù)和裝置兼容性差，測評壓力巨大。以智能可視化監(jiān)測終端為例，其圖像識別能力測評方式主要包括以下2種:模型提取式的能力測評，該方法將待測模型與終端解耦，可以驗(yàn)證算法本身的有效性，但無法檢測出模型在終端實(shí)際應(yīng)用中的效果；手動導(dǎo)入式的能力測評，該方式通過SD 卡或移動存儲工具手動導(dǎo)入測試用例，不能直接調(diào)用樣本庫，導(dǎo)致測試效率較低，同時(shí)該方式也無法對終端的功耗情況進(jìn)行評估。因此，亟需開發(fā)一種智能終端圖像識別模型測評裝置，建立必要的測評數(shù)據(jù)集，完善和細(xì)化測試流程，對以智能可視化監(jiān)測終端為主體的智能終端圖像識別能力進(jìn)行綜合評估。

結(jié)合當(dāng)前業(yè)務(wù)痛點(diǎn)與需求，智能終端圖像識別模型測評裝置需具備以下條件:一是，能夠?qū)⑺惴Ｐ团c終端進(jìn)行一體化測評，測評結(jié)果能夠直接反應(yīng)電網(wǎng)應(yīng)用場景的實(shí)際情況，有效保證終端的識別質(zhì)量，減少人工智能技術(shù)應(yīng)用的成本投資。二是，采用前后端分離的方式進(jìn)行開發(fā)，前端可以忽略后臺的工作，并通過API直接調(diào)取后端數(shù)據(jù)（如樣本庫管理平臺），自動化開展測評工作，顯著提高工作效率。三是，依托前端APP 或微應(yīng)用，通過識別被測終端上的二維碼，獲取被測終端的參數(shù)信息并對照測評標(biāo)準(zhǔn)體系進(jìn)行測評，實(shí)現(xiàn)對智能終端圖像識別能力的評估與統(tǒng)一管理，助力業(yè)務(wù)應(yīng)用的智能化水平更上新臺階。四是，具備可擴(kuò)展性，當(dāng)前圖像識別技術(shù)在運(yùn)檢、安監(jiān)和營銷等專業(yè)應(yīng)用廣泛，除對以上專業(yè)現(xiàn)有模型具備測評能力外，應(yīng)對迭代升級模型、新場景識別模型具備測評能力。

1 智能終端圖像識別模型測評總體架構(gòu)

基于對業(yè)務(wù)痛點(diǎn)和需求的深入分析，重點(diǎn)介紹智能終端圖像識別模型測評的總體架構(gòu)，如圖1所示，包含數(shù)據(jù)層、接口層和業(yè)務(wù)層。

圖1 總體架構(gòu)示意

1.1 數(shù)據(jù)層

數(shù)據(jù)層包括終端數(shù)據(jù)、日志數(shù)據(jù)以及樣本數(shù)據(jù)等數(shù)據(jù)庫，為智能終端的模型測評提供數(shù)據(jù)支撐，文中樣本數(shù)據(jù)庫主要指公司建成的樣本庫管理平臺。樣本庫管理平臺中的樣本管理模塊對樣本進(jìn)行多級標(biāo)簽篩選，形成用于模型訓(xùn)練的訓(xùn)練集或用于模型驗(yàn)評的驗(yàn)證集，兩集合內(nèi)容互不重疊。樣本庫管理平臺通過接口與業(yè)務(wù)層進(jìn)行交換，實(shí)現(xiàn)驗(yàn)證集信息的一鍵推送。

在眾多樣本中，測評選取了具有代表性的部分樣本組成驗(yàn)證集。以輸電通道中吊車、塔吊、施工機(jī)械、煙霧山火和異線異物5個(gè)場景為例，闡述了樣本集構(gòu)成。5類場景中，除異線異物外，每個(gè)場景包括350張缺陷樣本、150張無缺陷樣本，異線異物場景包括280張缺陷樣本、120張無缺陷樣本。

在缺陷樣本集中，吊車、塔吊、施工機(jī)械的選取規(guī)則包含了大缺陷特征、小缺陷特征、特殊角度（俯視、側(cè)方以及邊緣）、光線暗/逆光等四方面，具體數(shù)量見表1。

表1 吊車、塔吊和施工機(jī)械缺陷樣本集構(gòu)成

煙霧山火的選取規(guī)則包含了大缺陷特征、小缺陷特征、光線暗/逆光三方面，具體數(shù)量見表2。

表2 煙霧山火缺陷樣本集構(gòu)成

異線異物的選取規(guī)則包括了塑料薄膜、風(fēng)箏、其他等三方面，具體數(shù)量見表3。

表3 異線異物缺陷樣本集構(gòu)成

1.2 接口層

接口層通過開發(fā)數(shù)據(jù)服務(wù)接口、AI能力計(jì)算及測試數(shù)據(jù)接口等實(shí)現(xiàn)數(shù)據(jù)層和業(yè)務(wù)層的數(shù)據(jù)交互，并具備用戶認(rèn)證和權(quán)限管理能力，保證數(shù)據(jù)交互的安全可靠。

1.3 業(yè)務(wù)層

業(yè)務(wù)層包括智能終端圖像識別模型測評裝置的硬件系統(tǒng)和軟件系統(tǒng)，其中硬件系統(tǒng)輸出可調(diào)電壓，為待測智能可視化監(jiān)測終端正常運(yùn)行提供電源，同時(shí)可以對待測智能可視化監(jiān)測終端電壓和電流進(jìn)行監(jiān)測，分析終端在實(shí)際運(yùn)行中的功耗情況。軟件系統(tǒng)包括待測終端管理、系統(tǒng)基礎(chǔ)管理以及樣本數(shù)據(jù)管理，此外可通過VPN/內(nèi)網(wǎng)實(shí)現(xiàn)各種業(yè)務(wù)操作，支持結(jié)果推送和查詢。

1.3.1 硬件組成

智能終端圖像識別模型測評裝置的硬件組成包括電源模塊、工控機(jī)、可調(diào)電源、8 路電流監(jiān)測儀、交換機(jī)等，如圖2所示。

圖2 硬件組成

（1）電源模塊是智能終端圖像識別模型測評裝置的能量來源，輸入為AC 220 V 市電，經(jīng)過交直流變換后為工控機(jī)、可調(diào)電源和8路電流監(jiān)測儀供電。

（2）工控機(jī)是軟件系統(tǒng)的載體，是實(shí)現(xiàn)待測智能可視化監(jiān)測終端與數(shù)據(jù)庫/樣本庫管理平臺溝通的橋梁，也是測試人員與所研制裝置交互的紐帶。工控機(jī)控制可調(diào)電源的輸出，為待測智能可視化監(jiān)測終端提供穩(wěn)定的電源；同時(shí)實(shí)時(shí)收集8路電流監(jiān)測儀的電流值，在屏幕上實(shí)時(shí)展示終端的功率信息。

（3）可調(diào)電源可輸出6～18 V 的直流電壓，最大誤差為0.1 V，支持為多種類型的待測終端提供所需電源。

（4）8路電流監(jiān)測儀實(shí)現(xiàn)測試過程中電流的監(jiān)測，對采集到的模擬量信息進(jìn)行濾波和模數(shù)轉(zhuǎn)換后實(shí)時(shí)傳輸給工控機(jī)。

（5）交換機(jī)實(shí)現(xiàn)工控機(jī)、可調(diào)電源、8路電流監(jiān)測儀和待測智能可視化監(jiān)測終端的組網(wǎng)，實(shí)現(xiàn)控制信號、數(shù)據(jù)信息的多方交互。

1.3.2 軟件系統(tǒng)

智能終端圖像識別模型測評裝置軟件系統(tǒng)主要包括待測終端管理、系統(tǒng)基礎(chǔ)管理以及樣本數(shù)據(jù)管理3個(gè)主要模塊。

（1）待測終端管理包括待測廠商管理、待測終端管理、測評管理和測評結(jié)果查詢4個(gè)主要功能。待測廠商管理，測試人員對被測廠商信息進(jìn)行登記，支持查閱、添加、刪除、修改所有測評對象的廠商具體信息，支持按被測終端的狀態(tài)和數(shù)量等條件對廠商進(jìn)行篩選。待測終端管理，測評人員將廠商提交的待測終端和相關(guān)資料存入數(shù)據(jù)庫中，在待測終端上貼上對應(yīng)的二維碼并入庫，同時(shí)為廠商提供已接收待測終端的紙質(zhì)版憑證。測評完成后，由廠商出示紙質(zhì)版的憑證取回被測終端。測試管理，測評人員取出已入庫的終端進(jìn)行測試，識別被測終端上的二維碼獲取被測終端的參數(shù)信息并對照測評標(biāo)準(zhǔn)體系進(jìn)行測評，測評結(jié)果保存到數(shù)據(jù)庫中。詳細(xì)測評流程將在第2部分進(jìn)行闡述。測評結(jié)果查詢，測評完成后，可將檢測結(jié)果進(jìn)行自動化分類展示，同時(shí)可向廠商預(yù)留的郵箱中發(fā)送測評結(jié)果報(bào)告，廠商也可使用自助報(bào)告機(jī)掃描二維碼打印測評報(bào)告。

（2）系統(tǒng)基礎(chǔ)管理包括用戶管理、資源管理和日志管理3個(gè)主要功能。用戶管理主要實(shí)現(xiàn)新用戶注冊、修改密碼、密碼找回、權(quán)限設(shè)置等功能；資源管理主要實(shí)現(xiàn)裝置的軟硬件資源分配，包括算力、存儲、接口等；日志管理主要完成裝置運(yùn)行日志的生成及自動審計(jì)功能，對異常日志記錄及時(shí)上報(bào)。

（3）樣本數(shù)據(jù)管理包括數(shù)據(jù)接收、數(shù)據(jù)管理和數(shù)據(jù)導(dǎo)出3個(gè)主要功能。數(shù)據(jù)接收主要實(shí)現(xiàn)從樣本庫管理平臺接收測試樣本，進(jìn)而按照測試場景進(jìn)行分類存儲，在進(jìn)行測試的過程中將測試樣本逐張發(fā)送至待測智能可視化監(jiān)測終端。

2 智能終端圖像識別模型測評裝置測試

基于總體架構(gòu)、硬件組成和軟件系統(tǒng)的設(shè)計(jì)思路，本文研制了智能終端圖像識別模型測評裝置樣機(jī)，如圖3所示。其中工控機(jī)具備顯示功能，支持測試人員操作和測試過程的實(shí)時(shí)展示；將可調(diào)電源和8路電流監(jiān)測儀合二為一，在輸出可調(diào)穩(wěn)定電壓的同時(shí)監(jiān)測8路待測終端的電流信號。

圖3 智能終端圖像識別模型測評裝置樣機(jī)

2.1 測試流程

圖4展示了智能可視化監(jiān)測終端的詳細(xì)測試流程，在啟動智能終端圖像識別模型測評裝置后，通過掃碼槍掃描終端上的二維碼，獲取終端廠商、型號和測試場景等信息。確定需要測試的場景，工控機(jī)通過API向樣本庫管理平臺請求測試樣本。樣本庫管理平臺響應(yīng)請求，下發(fā)對應(yīng)場景測試樣本。智能終端圖像識別模型測評裝置存儲測試樣本，以單張樣本為單位，下發(fā)至待測終端。待測終端識別圖像中的目標(biāo)，并反饋?zhàn)R別結(jié)果（包括是否成功，目標(biāo)的位置信息等）至智能終端圖像識別模型測評裝置。智能終端圖像識別模型測評裝置通過API向樣本庫管理平臺獲取測試樣本的標(biāo)注信息，將兩者結(jié)果進(jìn)行計(jì)算分析得出模型測評結(jié)果，最終生成終端測評報(bào)告。

圖4 測試流程示意

2.2 測試實(shí)例

以輸電智能監(jiān)拍裝置[89]作為待測智能可視化監(jiān)測終端，如圖5所示，考察其在吊車、塔吊、施工機(jī)械、煙霧山火和異線異物5個(gè)場景的人工智能圖像識別模型性能。

圖5 輸電智能監(jiān)拍裝置

輸電智能監(jiān)拍裝置采用人工智能圖像識別技術(shù)，以“拍照”為主、“視頻”為輔的工作方式對輸電線路通道中出現(xiàn)的可能威脅到電網(wǎng)安全穩(wěn)定運(yùn)行的物體進(jìn)行識別，并在線路端和統(tǒng)一視頻監(jiān)控平臺進(jìn)行報(bào)警提示，驅(qū)離威脅人員或車輛，運(yùn)維人員及時(shí)進(jìn)行線路消缺，避免故障發(fā)生[1011]。

表4是某廠商輸電智能監(jiān)拍裝置人工智能圖像識別模型的驗(yàn)評結(jié)果，交并比閾值為50%?？梢钥闯?，模型對不同場景的識別能力有一定差距，其中吊車、塔吊和施工機(jī)械的識別準(zhǔn)確率均在90%以上；異線異物由于物體形狀不規(guī)則、種類多樣等因素，識別準(zhǔn)確率相對較低。單張樣本的平均識別時(shí)間在2～3 s，主要花費(fèi)在樣本傳輸、圖像識別和分析方面。單張樣本的平均功耗在5.5～6.5 J，是待測終端除通信外消耗能量較多的環(huán)節(jié)。

表4 輸電通道人工智能圖像識別模型性能

不同交并比條件下異線異物場景識別結(jié)果見表5。

表5 不同交并比條件下異線異物場景識別結(jié)果

從表5可以看出，隨著交并比閾值的減小，異線異物的識別準(zhǔn)確率在不斷增高。如圖6所示，藍(lán)色為樣本庫管理平臺標(biāo)注數(shù)據(jù)，紅框?yàn)榇郎y終端的標(biāo)注數(shù)據(jù)，雖然識別出異線異物，但是由于標(biāo)注不規(guī)范，導(dǎo)致交并比閾值較高時(shí)，其準(zhǔn)確率較低。

圖6 測試結(jié)果分析

3 結(jié)論

智能終端圖像識別模型測評裝置采用前后端分離的方式進(jìn)行開發(fā)，前端業(yè)務(wù)層可以忽略數(shù)據(jù)層的工作，并通過API直接調(diào)取后端數(shù)據(jù)，能夠?qū)崿F(xiàn)高效檢測和設(shè)備管理，并且能夠?qū)z測結(jié)果進(jìn)行自動化分類展示，相較于通過手動導(dǎo)入測試用例的方式，工作效率提高80%。

（1）通過研制的裝置可獲得模型的多項(xiàng)評價(jià)指標(biāo)，包括準(zhǔn)確率、誤報(bào)率、漏報(bào)率和識別效率等，從而全面量化待測終端的人工智能圖像識別能力。

（2）具備檢測頻率為100SPS的功耗檢測模塊，能夠檢測智能可視化監(jiān)測終端在智能識別、低功耗等狀態(tài)下的功耗情況，滿足對終端功耗的測試需要。

（3）能夠?qū)崿F(xiàn)批量化、自動化檢測，智能終端圖像識別模型測評裝置可同時(shí)完成8臺智能可視化監(jiān)測終端的測試任務(wù)，一鍵操作，自主完成場景切換和結(jié)果記錄，極大地提高了測試效率。

（4）可擴(kuò)展性強(qiáng)，通過調(diào)取樣本庫管理平臺中的測試樣本集等數(shù)據(jù)，可滿足基建、安監(jiān)、運(yùn)檢和營銷等多個(gè)業(yè)務(wù)部門對不同場景的測評需要；同時(shí)該裝置成本較低、功能可復(fù)制、技術(shù)可推廣，可根據(jù)測試任務(wù)的多寡增加裝置數(shù)量。