黃智明，黃浩誠，陳湘陽

（廣東電網(wǎng)有限責(zé)任公司江門供電局，廣東 江門 529000）

電力設(shè)備所處的環(huán)境往往比較復(fù)雜和惡劣，容易受到外界環(huán)境氣候的影響，為保障電網(wǎng)供電安全，電力部門需要定期進(jìn)行各種電力設(shè)備的巡視檢修工作[1]。而其中較為常用的方法是電力設(shè)備的紅外故障檢測[1-2]。

由于傳統(tǒng)的人工巡檢方式存在人力成本高、工作效率低下等問題，已經(jīng)難以滿足當(dāng)前電網(wǎng)規(guī)模的運行維護(hù)要求。而隨著深度學(xué)習(xí)視覺技術(shù)的興起與發(fā)展，電力設(shè)備圖像的識別與分割的準(zhǔn)確度得到了很大的提升。因此，本文主要探討基于機器視覺技術(shù)實現(xiàn)紅外故障檢測的兩種思路以及四種可行技術(shù)方案，并充分討論各方案的優(yōu)劣性，以給相關(guān)研究工作提供參考。

1 電力設(shè)備紅外故障檢測現(xiàn)行流程

傳統(tǒng)紅外圖像的拍攝主要依靠工作人員帶著手提紅外攝像儀進(jìn)行拍攝。獲得目標(biāo)電力設(shè)備的紅外圖像后，由輸電運檢人員對可疑發(fā)熱點做定點測溫，根據(jù)電力部門制定的相關(guān)標(biāo)準(zhǔn)實現(xiàn)對紅外故障的等級判斷。單純依靠人工很難完成這樣繁重的工作，檢測準(zhǔn)確率無法得到保障。

2 紅外故障檢測的兩種思路

判斷電力設(shè)備是否出現(xiàn)紅外故障主要基于溫度數(shù)據(jù)及電力設(shè)備在紅外圖像中的位置兩個要素。因此有兩種思路可以實現(xiàn)電力設(shè)備紅外故障的檢測。

（1）先獲取紅外圖像的溫度數(shù)據(jù)，找出可疑發(fā)熱點，再判斷這些可疑發(fā)熱點是否處于電力設(shè)備上。由于拍攝到的紅外圖像中可能存在大量的冗雜信息，不僅干擾判斷，在計算效率也較為低下。

（2）對紅外圖像中電力設(shè)備的分割與分類，再獲取電力設(shè)備所處區(qū)域的溫度數(shù)據(jù)，找出最高溫的那個點，再判斷該點的溫度是否超過正常的溫度允許范圍。

綜合分析可得，第一種思路存在大量的冗余計算問題，效率低下。因此本文主要基于第二種思路來展開具體技術(shù)方案的探討，以下的方案探討均以輸電線路上的復(fù)合絕緣子為例。

3 溫度數(shù)據(jù)提取方案

電力設(shè)備的紅外圖像主要有原始紅外圖像和偽彩色紅外圖像兩種，如圖1、圖2 所示。其中，圖1 為直接從紅外攝像儀中導(dǎo)出未經(jīng)紅外圖像分析軟件渲染的原始圖片；圖2 為從紅外攝像儀中導(dǎo)出后經(jīng)過紅外圖像分析軟件渲染成為偽彩色的圖片。

圖1 原始紅外圖像

圖2 偽彩色紅外圖像

相對而言，原始紅外圖像中的溫度數(shù)據(jù)較為容易得到，因為紅外熱像儀輸出的原始紅外圖像中自帶有溫度數(shù)據(jù)，直接提取并轉(zhuǎn)化為溫度值即可。

從偽彩色紅外圖像中獲得圖像各像素對應(yīng)的溫度值需配合右側(cè)標(biāo)有最高溫度值和最低溫度值的溫度條進(jìn)行對比分析，溫度條沿垂直方向均勻線性分布，因此可以計算得到每種RGB 值所代表的具體溫度值。

4 電力設(shè)備分割與識別技術(shù)方案

4.1 傳統(tǒng)圖像處理方法

傳統(tǒng)圖像處理方法的檢測效果往往不盡人意，因此很少運用到實際場景中，分析可知其主要存在以下4 個方面的原因。

（1）整體技術(shù)方案被切割成3 步：①分割。②提取特征。③分類識別。每一步中可使用的方法都有若干種，需要不斷地嘗試。

（2）電力設(shè)備的紅外圖像背景復(fù)雜，而且一幅圖中一般都包含有多種類且多個電力設(shè)備，傳統(tǒng)圖像處理無法實現(xiàn)對同一幅圖中多種設(shè)備的分割與識別工作。

（3）紅外圖像的拍攝受環(huán)境影響，所得圖像含有大量噪聲，而傳統(tǒng)圖像分割方法抗干擾能力差，預(yù)處理工作不能保證可以去除這些噪聲。

（4）不同的電力設(shè)備需要不同的分割模型，沒有普適性的傳統(tǒng)圖像分割算法。

圖3 展示的是使用OTSU 和區(qū)域生長兩種經(jīng)典的圖像分割算法對圖1 中原始紅外圖像進(jìn)行分割的結(jié)果。

圖3 OTSU 分割結(jié)果（左）與區(qū)域生長法分割結(jié)果（右）

由圖3 可見傳統(tǒng)圖像處理的分割算法在背景復(fù)雜的情況下表現(xiàn)不佳，分割結(jié)果比較隨機，無法將目標(biāo)從圖像中提取出，因此難以應(yīng)用到實際工作當(dāng)中。

4.2 深度學(xué)習(xí)視覺方法

基于深度學(xué)習(xí)視覺方法的電力設(shè)備紅外故障檢測的技術(shù)方案有3 種：針對缺陷的目標(biāo)檢測、針對設(shè)備的目標(biāo)檢測與分割及直接實例分割。

4.2.1 針對缺陷的目標(biāo)檢測

電力設(shè)備的紅外故障檢測本質(zhì)上屬于目標(biāo)檢測問題，然而該方案在具體實現(xiàn)上存在2 個問題。

（1）現(xiàn)實場景中電力設(shè)備發(fā)生紅外故障的概率較低，因此積累的圖像庫中存在紅外故障的圖像占比很少，若采用目標(biāo)檢測的方法，存在正負(fù)類樣本不均衡的問題，因此訓(xùn)練出的目標(biāo)檢測模型會傾向于判斷為無紅外故障，從而大大降低了檢測紅外故障的召回率。

（2）一般故障、嚴(yán)重故障和緊急故障三者在溫度上往往只是相差1～3℃，圖像上的表現(xiàn)出的差異非常細(xì)微，差異很難被準(zhǔn)確地區(qū)分開來，模型難以收斂。

綜合上面的兩點，可見直接對圖像中的紅外故障進(jìn)行目標(biāo)檢測的技術(shù)方案在實現(xiàn)上有很大的難度，不建議采用。

4.2.2 針對電力設(shè)備的目標(biāo)檢測與分割

該技術(shù)方案中的目標(biāo)檢測是圖像中的電力設(shè)備。找到目標(biāo)電力設(shè)備所在的位置后，對該區(qū)域的圖像進(jìn)行分割即可，也可使用深度學(xué)習(xí)中的語義分割方法進(jìn)行分割。

然而當(dāng)人為地將目標(biāo)檢測與分割兩個過程切割開來，會出現(xiàn)小分辨率的圖像，失去了上下文的語義信息，想要對其中的電力設(shè)備進(jìn)行精確分割比較難。圖4 展示了該技術(shù)方案下使用目標(biāo)檢測網(wǎng)絡(luò)FasterR-CNN 與語義分割網(wǎng)絡(luò)Deeplab 的復(fù)合絕緣子分割效果，可以看出目標(biāo)檢測可以較好地提取出復(fù)合絕緣子在圖中的位置，但后續(xù)的語義分割部分圖像表現(xiàn)不佳。

圖4 目標(biāo)檢測與分割結(jié)果

4.2.3 直接實例分割

實例分割是在目標(biāo)檢測的同時對檢測到的物體進(jìn)行精確分割，將目標(biāo)檢測和分割兩個任務(wù)綜合在一起，整體實現(xiàn)上會更加緊湊和連續(xù)。

但該方案需要對大量圖片做像素級別的標(biāo)注工作，且實例分割的輸出結(jié)果在很多時候并不能直接用于后續(xù)的工作。

例如在復(fù)合絕緣子的實例分割前期標(biāo)注工作中，如圖5 所示，若直接使用實例分割模型，很大概率會導(dǎo)致誤檢。而實際上紅外故障只會出現(xiàn)在芯棒部位，因此可以只提取出芯棒所在的區(qū)域作為最終的分割結(jié)果。圖5 展示了直接采用實例分割網(wǎng)絡(luò)MaskR-CNN 的分割結(jié)果，對復(fù)合絕緣子的分割精確度非常高，比以上幾種技術(shù)方案的結(jié)果要好很多。

圖5 目標(biāo)檢測與分割結(jié)果

5 結(jié)語

本文討論了電力設(shè)備紅外故障檢測的兩種實現(xiàn)思路及4 個技術(shù)方案，這4 個技術(shù)方案又具體分為傳統(tǒng)圖像處理方法和深度學(xué)習(xí)視覺方法兩大類，各有優(yōu)缺點。因此在實際場景中要采用哪種方法，需要具體問題具體分析。對于特定的項目，比較好的思路是可以先使用傳統(tǒng)的圖像處理方法進(jìn)行嘗試，若效果表現(xiàn)不好且無法提升則可以采用深度學(xué)習(xí)視覺方法。