基于图像识别的无人机电力线路检测研究

关钦中

国网黑龙江省电力有限公司检修公司，输电运维四班班长 150091

摘 要

我国的电网技术随着应用范围的推广，技术也逐步得到优化。无人机电力线路检测作为一种电力系统巡检方法，不仅体现出了应用价值，更体现出了宝贵的科研价值。要想保证当前庞大而复杂的电网体系下供电安全及稳定，无人机检测已经成为了当前电力系统发展的迫切需求。对于基于图像识别技术的无人机线路巡检方案进行了研究与设计，针对当前无人机线路巡检的重点与难点——线路检测技术，帮助提高我国电力线路检测技术水平。

关键词：图像识别，无人机，电力线路检测

1 引言

输电线路在电力系统当中起着至关重要的作用，输电线路的通畅运行，是保证供电系统运转的关键所在。而由于输电线路的工作环境差异很大，在长距离高压输电过程当中，输电线路需要暴露在户外，经受风吹日晒的考验，并且有鸟类等在线路上活动，其安全运行并不能得到有效的保障。正因为如此，对于输电线路的检测和维护是输电部门工作的一个重点问题，通过人工或自动机械电子设备的线路巡检过程，才能够对线路的运行状态进行检测和评估，并根据检测结果发现线路运行的故障和隐患，从而保证电力线路的安全有效运行，确保人们生产生活供电的稳定^[1]。

2电力线路图像采集与检测研究

目前国内的高压输电线路多建设在田野、山川等远离交通主要干道的地方，通过无人机对输电线路进行高空拍摄时，复杂的背景图像将成为对目标识别跟踪要解决的首要问题，并且由于无人机是在空中拍摄，很容易受到光照强弱和大气湍流等天气状况的影响而使拍摄的目标存在模糊、抖动等其它干扰现象，使得到的视频图像质量不好，主要有:复杂背景引起的噪声的干扰、光照引起的过亮或过暗、无人机与目标的相对运动和运动的抖动造成的图像模糊等，这样会对后续的处理产生很大的影响。因此在进行目标的识别与跟踪之前进行必要的处理是至关重要的，例如:滤波去除干扰噪声、图像复原削弱光照和抖动的影响等。

3 输电线识别方法研究

3.1 输电线图像分析

通过上述处理与检测过程可以看出，航拍得到的输电线图像中，仅凭直线检测方法是难以得到准确的输电线路图像信息的，必须结合其他图像识别方式，来对图像上的不同直线进行区分，选择其中输电塔部分进行识别，然后根据输电线与输电塔的连接关系，来识别出原图像上哪些线条表示输电线，哪些线条属于背景等其他图像部分。

在对输电塔与输电线路进行图像提取和识别时，主要按照以下算法流程来进行。首先，使用主成分分析（Principal Component Analysis,PCA）的方法，提取出图像中的主要信息，以这些主要信息组成的向量来对输电塔与其他景物进行区别，并将二维图像降为一维向量，以便进行分类与识别。然后，通过支持向量机（Support Vector Machine,SVM），对所得到的不同图像进行划分，从而对不同的目标进行识别和分类。

为了进行输电图像的识别，本文通过航拍图像、一般检测图像、网络照片等图像数据，构建了输电塔正负训练集和测试集，以便能够通过上述算法，归纳出输电塔与其他目标在图像特征上的不同之处，从而进行输电线路的识别运算。

3.2输电塔的SVM识别

SVM同样是一种常用、有效的图像识别与分类算法。该方法通过在不同类别的数据点之间寻找一个界限，将整个数据空间分为两个部分。通过在数据空间中计算各个点的位置，就可以完成这些数据的分类与识别操作^[。

在使用SVM对数据点进行检验时，只需与法向量点乘，然后判断正负即可。因此SVM在进行数据判别的时候，运算速度较快。

本文对输电塔的PCA特征使用SVM进行了识别，图1为SVM训练及测试结果。图中“-1”与红色加号表示输电塔特征点，“1”与绿色星号表示其他各类图像的特征点。小圆圈表示支持向量点，红绿色大圆圈表示航拍图像中分割出的输电塔图像与其他目标（包括树木和房屋）的特征点在SVM中识别的分类情况。可以看出，SVM能够将输电塔与其他目标较好地区别开来，尤其是航拍目标的特征点，能够清晰地分布在中心线的两侧。我们认为，这是由于航拍图像与地面检测时所采集的图像相比，图像特征清晰完整，且角度不同所致。这更加说明了航拍检测的优势所在。

图1 航拍与地面图像采集训练图

通过更多航拍与地面采集图像的训练与测试，本文对算法的识别准确率进行了统计，随着主成分特征分量的增加，识别结果变得越来越准确，同时运行速度也越来越慢。因此，在准确率和性能方面，应当找到一个较为平衡的位置。此处选定7个特征分量进行分类识别，准确率可以达到90%。对于进一步增强识别的准确性，可以通过无人机检测系统运行后采集到的大量航拍图像，来进行进一步的训练过程。

3.3 输电线的判别

经过上述过程的输电塔识别之后，结合第三章Hough直线检测的结果，将直线与输电塔进行连接，如果连接成功，则说明该直线为电力线的图像。如果连接失败，则该线条被判定为干扰目标从而被除去。输电线判别结果如2所示。

图2 输电线识别

4结论

本文针对无人机电力线路巡检问题，使用图像识别技术进行了研究，基于无人机平台使用图像识别技术对输电线路进行检测，是一项很有前景的技术。当前相关技术的发展方向主要有：使用无人飞行器频繁巡线，结合其他线路检测方式，来实现对整条线路的实时故障监控。以及使用机器学习对检测过程进行优化。对电网故障的深层次隐患进行信息的提取与分析，并在此基础上借助实时监控来进行隐患挖掘与故障预测，也是当前相关研究的重点问题。

参考文献

[1]王永强,车凯,戴铎,王红星,高超,黄郑.电力巡检无人机精准降落方法研究与应用[J].计算技术与自动化,2021,40(02):41-46.

[2]皮骏,张志力,李想,张春泽.无人机目标分类的深度卷积网络设计与优化[J].计算机系统应用,2021,30(05):290-297.

[3]林清平,张麒麟,肖蕾.采用改进YOLOv5网络的遥感图像目标识别方法[J].空军预警学院学报,2021,35(02):117-120.

[4]陈昱彤. 基于图像识别的无人机电力线路检测[D].杭州电子科技大学,2018.

2