劉 琦，翟瑞聰，曾群生，王鵬凱

（1.廣東電網(wǎng)有限責(zé)任公司，廣東廣州 510000；2.廣東電網(wǎng)有限責(zé)任公司機(jī)巡管理中心，廣東 廣州 510000；3.南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東廣州 510000）

“機(jī)巡+人巡”協(xié)同巡航研究現(xiàn)已在國內(nèi)外展開，無人機(jī)的設(shè)備管理、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等是其主要功能和工作重點(diǎn)，可降低巡航作業(yè)難度，實(shí)現(xiàn)巡航過程的制度化管理[1]。但是其對有缺陷的圖像、視頻的自動識別和處理還處于發(fā)展階段，隨著管理要求的提高，精細(xì)檢測已經(jīng)成為一種趨勢[2]。在檢測過程中會產(chǎn)生大量的圖像、視頻數(shù)據(jù)。對架空輸電線路的視頻圖像和圖片資料進(jìn)行日常電力線路巡查，一般由人工進(jìn)行對比核實(shí)，工作量大，費(fèi)時費(fèi)力，容易造成遺漏[3]。此外，由于有大量的圖像需要驗(yàn)證，圖像中涉及的缺陷數(shù)據(jù)與傳輸線的安全運(yùn)行有密切的關(guān)系，實(shí)現(xiàn)精確識別面臨著巨大的考驗(yàn)[4]。以往通信信號處理系統(tǒng)在異構(gòu)高性能計(jì)算集群的基礎(chǔ)上，采用基于異構(gòu)高性能計(jì)算集群圖像識別方法，并結(jié)合異構(gòu)高性能計(jì)算技術(shù)進(jìn)行機(jī)群圖像識別。當(dāng)把寬帶大容量數(shù)據(jù)傳輸?shù)讲⑿杏?jì)算機(jī)網(wǎng)絡(luò)中時，用聚類計(jì)算的方法實(shí)現(xiàn)了強(qiáng)、弱通信信號的高增益和低時延均壓環(huán)。但是這種方法受噪聲的影響，難以實(shí)現(xiàn)圖像數(shù)據(jù)的有效解譯。

為有效地對線路缺陷圖像進(jìn)行識別，提出了架空輸電線路均壓環(huán)缺陷圖像智能識別方法。

1 均壓環(huán)斷裂原因分析

均壓環(huán)在不同方向的風(fēng)力作用下會產(chǎn)生輕微振動，引起支撐應(yīng)力的變化，且應(yīng)力集中于支承軟面，則會在應(yīng)力集中面附近形成裂紋[5-7]。

均壓環(huán)斷裂一般為脆性斷裂，表面有明顯氧化現(xiàn)象，表明其不是瞬時斷裂，而是逐漸發(fā)展的，可以排除直接受到懸掛沖擊的可能性[8-10]。均壓環(huán)斷口無燒蝕，可排除均壓環(huán)因雷擊而燒毀或破裂的原因[11]。均壓環(huán)斷裂是長時間發(fā)育表面微裂紋引起的。均壓環(huán)斷口不平，氧化現(xiàn)象明顯。在均壓環(huán)斷裂表面可發(fā)現(xiàn)明顯的疲勞痕跡，并沿表面中心方向延伸，如圖1所示。

圖1 均壓環(huán)裂縫紋痕跡

為了進(jìn)一步分析和判斷故障原因，需要智能地識別架空輸電線路均壓環(huán)缺陷圖像。

2 圖像智能識別

圖像識別技術(shù)是利用計(jì)算機(jī)捕捉和識別圖像，使計(jì)算機(jī)能像人一樣識別圖像。圖像智能識別的流程如圖2 所示。

圖2 圖像智能識別流程

由圖2 可知，圖像智能識別詳細(xì)流程如下：

Step1：圖像信息采集。通過傳感器將聲、光等信息轉(zhuǎn)換成電子信號[12-13]，然后把均壓環(huán)的基本信息轉(zhuǎn)換成計(jì)算機(jī)能夠識別的信息；

Step 2：圖像信息預(yù)處理。主要是對圖像進(jìn)行去噪、變換、平滑等操作，從而改善圖像的重要特征；

Step 3：特征提取與選擇。通過對數(shù)字處理后的信息進(jìn)行處理、分類決策、分析和歸納，提取出各種圖像特征；

Step 4：識別結(jié)果輸出。分類器以訓(xùn)練識別為基礎(chǔ)，分析判斷圖像的大小、形狀、顏色等特征，輸出識別結(jié)果。

2.1 輸電巡檢影像樣本標(biāo)準(zhǔn)庫構(gòu)建

基于架空輸電線路設(shè)備的結(jié)構(gòu)依賴性和缺陷分類，建立了相應(yīng)的樣本標(biāo)準(zhǔn)庫。樣品標(biāo)準(zhǔn)庫來自于傳輸線上的各種檢測數(shù)據(jù)，包括無人機(jī)、在線視頻、機(jī)器人和可穿戴設(shè)備的視頻、圖片等[14]。不同數(shù)據(jù)源的數(shù)據(jù)特征和存儲格式不同，需要建立缺陷圖像數(shù)據(jù)庫。通過對缺陷樣本特征質(zhì)量評價技術(shù)的研究，利用深度學(xué)習(xí)框架進(jìn)行訓(xùn)練數(shù)據(jù)集格式轉(zhuǎn)換，利用數(shù)據(jù)庫存儲檢索技術(shù)，建立轉(zhuǎn)換后的圖像樣本標(biāo)準(zhǔn)數(shù)據(jù)庫。

文中利用分布式存儲技術(shù)實(shí)現(xiàn)了缺陷樣本的高效存儲，并為不同缺陷樣本提供了可擴(kuò)展的屬性檢索[15]。以HDFS 分布式文件系統(tǒng)為基礎(chǔ)，采用主節(jié)點(diǎn)與子節(jié)點(diǎn)分布式存儲、任務(wù)信息匯總的方式，處理海量線路缺陷檢測樣本數(shù)據(jù)[16]。根據(jù)業(yè)務(wù)應(yīng)用程序進(jìn)行任務(wù)轉(zhuǎn)換和合并，生成標(biāo)準(zhǔn)的訓(xùn)練數(shù)據(jù)集以及應(yīng)用程序服務(wù)器和業(yè)務(wù)應(yīng)用程序?qū)又g的數(shù)據(jù)交互。

2.2 數(shù)據(jù)標(biāo)注與數(shù)據(jù)集轉(zhuǎn)換

在數(shù)據(jù)處理過程中，需要先標(biāo)記樣本，再將標(biāo)記后的樣本轉(zhuǎn)換為訓(xùn)練數(shù)據(jù)集。保留一個數(shù)據(jù)格式，但是數(shù)據(jù)接口因框架而異，格式轉(zhuǎn)換相當(dāng)復(fù)雜。針對訓(xùn)練前數(shù)據(jù)的預(yù)處理問題，提供了訓(xùn)練數(shù)據(jù)格式轉(zhuǎn)換接口，以實(shí)現(xiàn)多種轉(zhuǎn)換技術(shù)的集成，按照“樣本標(biāo)注/驗(yàn)證-轉(zhuǎn)換-訓(xùn)練”的基本流程，構(gòu)建出缺陷樣本并作出判斷，在不滿足要求的情況下，對訓(xùn)練集進(jìn)行反復(fù)檢驗(yàn)和優(yōu)化。

2.3 圖像預(yù)處理與特征提取

在架空輸電線路均壓環(huán)缺陷圖像智能識別之前，對輸電巡檢影像樣本圖像進(jìn)行預(yù)處理，從而提高圖像分辨率，降低拍攝器材本身存在的缺陷影響程度。通過設(shè)備采集卡能夠直接獲取拍攝數(shù)據(jù)，其受到的噪聲干擾直接影響識別精準(zhǔn)度，為此，對圖像預(yù)處理以剔除干擾因素。

使用Laplacian 算子對架空輸電線路均壓環(huán)缺陷圖像進(jìn)行預(yù)處理，使用二值化處理方式簡化計(jì)算過程，其計(jì)算公式為：

式（1）中，x、y分別表示二值圖像的最小和最大閾值，點(diǎn)(a,b) 表示像素灰度值。如果智能識別的圖像與架空輸電線路均壓環(huán)缺陷圖像邊緣輪廓一致，則可說明該圖像中既包含架空輸電線路均壓環(huán)，又包括導(dǎo)致均壓環(huán)出現(xiàn)裂紋的外界環(huán)境。在x、y閾值范圍內(nèi)，能夠有效分離出目標(biāo)與環(huán)境，方便圖像智能識別。

在預(yù)處理圖像后，提取關(guān)鍵性特征，包括形狀與輪廓。由于圖像具有旋轉(zhuǎn)、移動不變屬性，因此在二值圖像f(a,b) 中，圖像區(qū)域(n+m)階矩陣和中心矩陣為：

式（2）、（3）中，(a′,b′) 表示點(diǎn)(a,b) 對應(yīng)的中心坐標(biāo)。在圖像點(diǎn)離散情況下，需先獲取圖像智能識別不變矩特征矢量，提高方法對噪聲的不敏感程度，有效識別與分析架空輸電線路均壓環(huán)缺陷圖像斷裂程度。

2.4 裂縫識別

通過對裂紋源及其附近的進(jìn)一步觀察，判斷斷裂原因是否與夾雜、孔隙等缺陷有關(guān)。一般情況下，裂紋初始位置在表面、起裂位置無明顯夾雜和氣孔。

通過對圖像進(jìn)行智能識別，可以得到以下結(jié)論：均壓環(huán)為典型的鑄態(tài)組織，有明顯的枝晶、夾雜及氣孔；裂紋萌生處存在微量的疲勞裂紋，裂紋初始位置位于裂紋表面，但未發(fā)現(xiàn)明顯的夾雜和氣孔；基于工作條件推測，在長時間的工作過程中，由于材料、結(jié)構(gòu)和其他因素，加上風(fēng)的作用和其他不利因素，例如明顯的大風(fēng)破壞以及前后的疲勞裂紋表面缺陷(如夾雜物、松脫等)，最終導(dǎo)致疲勞裂紋的產(chǎn)生。

3 實(shí)驗(yàn)與分析

為驗(yàn)證設(shè)計(jì)的架空輸電線路均壓環(huán)缺陷圖像智能識別方法的可行性，設(shè)計(jì)如下仿真實(shí)驗(yàn)。

3.1 實(shí)驗(yàn)背景

2020 年5 月10 日、5 月15 日某地出現(xiàn)兩次強(qiáng)對流天氣，導(dǎo)致該地區(qū)架空輸電線路出現(xiàn)1 條110 kV線路、1 條35 kV 線路、4 條220 kV 線路跳閘的情況。其中，2 條220 kV 線路均壓環(huán)出現(xiàn)斷裂脫落，同時，龍卷風(fēng)導(dǎo)致線路跳閘，為均壓環(huán)裂紋擴(kuò)大提供適宜外部環(huán)境。具體情況如表1 所示。

表1 架空輸電線路跳閘情況

3.2 實(shí)驗(yàn)結(jié)果與分析

分別使用人工識別方法、基于異構(gòu)高性能計(jì)算集群圖像識別方法和文中設(shè)計(jì)的識別方法分析不同線路下的跳閘情況，對比結(jié)果如表2 所示。

分析表2 結(jié)果可知，使用文中設(shè)計(jì)的圖像智能識別方法與實(shí)際情況一致，在2 條220 kV 線路均壓環(huán)出現(xiàn)斷裂脫落現(xiàn)象；使用異構(gòu)集群圖像識別方法與實(shí)際情況有些出入，但也能識別出2 條220 kV 線路均壓環(huán)出現(xiàn)斷裂脫落現(xiàn)象；使用人工識別方法與實(shí)際情況出入較大，難以高效識別出均壓環(huán)出現(xiàn)斷裂脫落的現(xiàn)象。

表2 不同方法線路跳閘識別結(jié)果對比分析

在此基礎(chǔ)上，分別使用基于異構(gòu)高性能計(jì)算集群圖像識別方法和文中設(shè)計(jì)的均壓環(huán)缺陷圖像智能識別方法對均壓環(huán)缺陷進(jìn)行識別，對比結(jié)果如圖3所示。

分析圖3 所示結(jié)果可知，使用基于異構(gòu)高性能計(jì)算集群圖像識別方法受到外界噪聲影響，均壓環(huán)圖像識別結(jié)果十分模糊，噪點(diǎn)較多，難以精準(zhǔn)識別均壓環(huán)裂縫；使用文中設(shè)計(jì)的圖像智能識別方法不會受到外界噪聲影響，無噪點(diǎn)出現(xiàn)，能夠精準(zhǔn)識別均壓環(huán)裂縫。

4 結(jié)束語

利用計(jì)算機(jī)系統(tǒng)中的圖像自動識別技術(shù)，實(shí)現(xiàn)了架空輸電線路缺陷圖像的快速自動識別，提高了檢測人員的工作效率，避免了在檢測過程中依賴經(jīng)驗(yàn)而無標(biāo)準(zhǔn)可循的問題。將其應(yīng)用于電網(wǎng)公司等單位，可節(jié)約部分人力資源，提高員工勞動生產(chǎn)率，并能夠有效減少安全隱患。

文中方法對輸電線路故障檢測及相關(guān)部件的識別有一定的參考價值，雖取得了較好的試點(diǎn)應(yīng)用效果，但仍有一些問題需要進(jìn)一步解決。在未來階段，將先驗(yàn)知識與計(jì)算機(jī)精確表達(dá)相結(jié)合，對進(jìn)一步提高電力系統(tǒng)故障診斷水平具有重要意義。