楊 珊

（國(guó)網(wǎng)荊州供電公司，湖北 荊州 434000）

0 引 言

輸電線路的穩(wěn)定運(yùn)行和安全性一直是電力系統(tǒng)管理者關(guān)注的重要問題。傳統(tǒng)的輸電線路巡檢方式存在許多局限性，如效率低、風(fēng)險(xiǎn)高等。為了克服這些問題，學(xué)者們對(duì)無人機(jī)輸電線路快速巡檢方法進(jìn)行了廣泛研究，提出一系列創(chuàng)新的方法。文獻(xiàn)[1]通過激光掃描獲取線路的三維點(diǎn)云數(shù)據(jù)，并利用點(diǎn)云處理和分析算法進(jìn)行故障檢測(cè)。文獻(xiàn)[2]借助高分辨率攝像頭和圖像處理技術(shù)，實(shí)現(xiàn)對(duì)線路的自動(dòng)化監(jiān)測(cè)和故障定位。然而，上述方法存在巡檢效率低、準(zhǔn)確性低等問題。文章提出了一種基于5G 通信技術(shù)的無人機(jī)輸電線路快速巡檢方法，以提高巡檢效率并降低巡檢風(fēng)險(xiǎn)，幫助工作人員及時(shí)發(fā)現(xiàn)和處理線路的潛在問題，進(jìn)一步優(yōu)化電力供應(yīng)的可靠性和穩(wěn)定性。

1 基于5G 通信技術(shù)的無人機(jī)輸電線路快速巡檢方法

1.1 輸電線路無人機(jī)巡檢平臺(tái)系統(tǒng)架構(gòu)

無人機(jī)利用配備的巡檢設(shè)備和傳感器進(jìn)行巡檢任務(wù)，通過5G 通信網(wǎng)絡(luò)與地面指揮中心建立實(shí)時(shí)連接[3]。地面指揮中心監(jiān)管無人機(jī)的飛行狀態(tài)和路徑，并接收、處理無人機(jī)傳輸?shù)膱D像和數(shù)據(jù)。同時(shí)，巡檢平臺(tái)提供數(shù)據(jù)存儲(chǔ)和管理功能，便于后續(xù)的分析和統(tǒng)計(jì)[4]。該平臺(tái)實(shí)現(xiàn)了高效的無人機(jī)巡檢任務(wù)執(zhí)行和數(shù)據(jù)處理功能，為輸電線路的維護(hù)和管理提供了有力支持，系統(tǒng)具體架構(gòu)如圖1 所示。

圖1 輸電線路無人機(jī)巡檢平臺(tái)系統(tǒng)架構(gòu)

1.2 輸電線路巡檢圖像預(yù)處理

針對(duì)采集的圖像進(jìn)行初步處理，以提高圖像質(zhì)量，減少噪聲和干擾，并從中提取有用的信息。先將彩色圖像轉(zhuǎn)化為灰度圖像，常用的方法是使用加權(quán)求和的方式計(jì)算灰度值[5]。灰度值Gr(x,y)的計(jì)算公式為

式中：R(x,y)、G(x,y)、B(x,y)分別為圖像中某個(gè)像素位置(x,y)的紅、綠、藍(lán)通道的亮度值。

利用濾波操作平滑圖像，去除噪聲和細(xì)節(jié)[6]。濾波后圖像在位置(x,y)處的像素值為

式中：σ為高斯核的標(biāo)準(zhǔn)差。

增強(qiáng)操作可以改善圖像的對(duì)比度和細(xì)節(jié)[7]。增強(qiáng)后的像素值為

式中：f(x,y) 為原始圖像在位置(x,y) 處的像素值；CDF[f(x,y)]為原始圖像像素值f(x,y)的累積分布函數(shù)；CDFmin為累積分布函數(shù)的最小值；M×N為圖像大小；L-1 為灰度級(jí)數(shù)量。

1.3 無人機(jī)輸電線路快速巡檢

無人機(jī)輸電線路快速巡檢的內(nèi)容包括異物探測(cè)與清障、桿塔狀況評(píng)估、線路巡檢、數(shù)據(jù)分析與報(bào)告生成以及故障診斷與維修支持[8]。將無人機(jī)收集的數(shù)據(jù)傳輸至指揮中心進(jìn)行數(shù)據(jù)分析和處理，生成巡檢報(bào)告。在發(fā)生線路故障時(shí)，無人機(jī)還可以為維修人員提供遠(yuǎn)程支持和診斷功能。通過這種輸電線路快速巡檢方法，能夠高效、準(zhǔn)確地監(jiān)測(cè)線路安全情況。

無人機(jī)輸電線路快速巡檢是一種將無人機(jī)技術(shù)與圖像處理、數(shù)據(jù)分析等領(lǐng)域相結(jié)合，實(shí)現(xiàn)對(duì)輸電線路的自動(dòng)化巡檢和故障檢測(cè)的創(chuàng)新性方法。其基本思想是利用無人機(jī)搭載的飛行控制系統(tǒng)、傳感器、高分辨率攝像頭獲取輸電線路的圖像數(shù)據(jù)，然后通過圖像處理算法和機(jī)器學(xué)習(xí)模型對(duì)圖像數(shù)據(jù)進(jìn)行分析和識(shí)別，從而快速定位和識(shí)別線路故障點(diǎn)[9-10]。通過定義適當(dāng)?shù)暮瘮?shù)，結(jié)合圖像數(shù)據(jù)和預(yù)訓(xùn)練的模型，可以實(shí)現(xiàn)快速且準(zhǔn)確的線路巡檢[11]。模型的訓(xùn)練過程涉及大量的數(shù)據(jù)標(biāo)注和特征提取工作。通過標(biāo)注已知故障樣本的和提取正常樣本的特征，可以訓(xùn)練一個(gè)有效的機(jī)器學(xué)習(xí)模型，用于識(shí)別圖像中的線路故障點(diǎn)。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)準(zhǔn)備

采用北京數(shù)字綠士科技有效公司生產(chǎn)的Li-Air八旋翼無人機(jī)采集輸電線路巡檢圖像。該設(shè)備包括全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）雙天線及接收機(jī)、Novatel慣性測(cè)量單元（Inertial measurement unit，IMU）定位姿態(tài)系統(tǒng)、存儲(chǔ)控制單元、微型計(jì)算機(jī)以及數(shù)碼攝像頭，如圖2 所示。

圖2 Li-Air 八旋翼無人機(jī)

該無人機(jī)搭載Velodyne VLP-16 傳感器，測(cè)距范圍為100 m，掃描角度為垂直方向±15°、水平方向360°。無人機(jī)的飛行高度為40 m，飛行速度為3.6 m/s，平均點(diǎn)云密度為370 個(gè)/m2，最大回波次數(shù)為1 次。

2.2 實(shí)驗(yàn)結(jié)果

平均絕對(duì)誤差是衡量無人機(jī)巡檢性能的關(guān)鍵指標(biāo)，即生成的顯著性圖像與實(shí)際顯著性圖像之間的誤差。平均絕對(duì)誤差值越小，代表生成顯著性目標(biāo)圖像的質(zhì)量越好，檢測(cè)精度越高。平均絕對(duì)誤差計(jì)算公式為

其中，B、L分別表示無人機(jī)巡檢圖像的長(zhǎng)、寬；E(x,y)表示生成顯著性圖；E'(x,y)表示實(shí)際顯著性圖。

此次實(shí)驗(yàn)設(shè)定10 張無人機(jī)巡檢圖像共有100 個(gè)顯著性目標(biāo)，采用本文方法、文獻(xiàn)[1]方法與文獻(xiàn)[2]方法進(jìn)行顯著性目標(biāo)檢測(cè)，結(jié)果如圖3 所示。

圖3 平均絕對(duì)值誤差結(jié)果

由圖3 可知，文章所提方法在輸電線路巡檢中的平均絕對(duì)誤差值明顯小于文獻(xiàn)[1]方法和文獻(xiàn)[2]方法，在完成輸電線路巡檢任務(wù)時(shí)表現(xiàn)較好。此外，平均絕對(duì)誤差值越小表明線路位置定位和故障檢測(cè)的準(zhǔn)確性更高。因此，采用更精確的傳感器并引入更先進(jìn)的圖像處理算法，能夠更準(zhǔn)確地獲得線路的位置信息并識(shí)別出潛在的故障點(diǎn)。

為驗(yàn)證無人機(jī)輸電線路巡檢的速度，與文獻(xiàn)[1]方法和文獻(xiàn)[2]方法進(jìn)行目標(biāo)檢測(cè)的時(shí)間開銷分析，結(jié)果如圖4 所示。

圖4 時(shí)間開銷分析

由圖4 可知，文章所提方法在目標(biāo)檢測(cè)的時(shí)間開銷方面表現(xiàn)最佳，僅用了14 s；文獻(xiàn)[1]方法迭代次數(shù)較多，導(dǎo)致檢測(cè)所需時(shí)間較長(zhǎng)，需要44 s；文獻(xiàn)[2]方法由于運(yùn)算難度較大，完成巡檢任務(wù)則需要56 s。因此，文章所提方法能夠有效減少計(jì)算量和迭代次數(shù)，從而顯著縮短目標(biāo)檢測(cè)時(shí)間。這進(jìn)一步驗(yàn)證了所提方法的高效性和實(shí)用性，在無人機(jī)輸電線路巡檢中能夠更快速地完成任務(wù)。

3 結(jié) 論

通過基于5G 通信技術(shù)的無人機(jī)輸電線路快速巡檢方法，能夠有效解決傳統(tǒng)巡檢方法存在的效率低下和人力資源消耗大等問題。該方法利用無人機(jī)搭載高清攝像頭和紅外熱像儀，通過5G 網(wǎng)絡(luò)實(shí)現(xiàn)與指揮中心的實(shí)時(shí)數(shù)據(jù)傳輸和遠(yuǎn)程操作。經(jīng)過一系列實(shí)驗(yàn)驗(yàn)證，該方法能夠顯著提高巡檢效率和準(zhǔn)確率，同時(shí)降低巡檢人員的風(fēng)險(xiǎn)，優(yōu)化資源利用，具有較好的應(yīng)用價(jià)值。