输电线路无人机巡检图像增强及智能识别技术研究

输电线路无人机巡检图像增强及智能识别技术研究

刘晓晶,陈楠,康洪玮 ,张运成,国宇

国网济南供电公司 山东 济南 250000

摘要：在国民经济迅速发展的大背景下，管理人员采用特定方式对无人机的数据采集系统、巡检系统、数据处理及无人机搭载机器人技术进行优化与调整后，妥善应用红外探测设备进行巡检，在充分利用整个输电线路的运行情况后，全面促进航空事业的全面发展。基于此，本文以山东省电力公司的输电线路无人机自主巡检前端图像增强装置为主要研究对象，首先提出了项目概况和服务内容、要求分析；随后分析了无人机系统巡检及智能识别关键技术；其次从不同角度说明了基于人工智能输电线路无人机巡检系统组成；最后简单介绍了巡检影像的智能识别与分析技术在无人机巡检中的应用，希望能够给同行提供一定的帮助。

关键词：输电线路；无人机巡检技术；巡检图像；智能识别技术

引言

众所周知，科学合理的应用无人机巡检图像增强及智能识别技术，系统操作人员对面积较大的输电线路进行巡查后，通过智能方式能够对输电线路架构的隐患进行识别分析与数据对比，电力企业管理人员投入较少人力物力资源就可对整个供电区域进行检测，继而有针对性的排除安全隐患，提高巡检组织效率后，保证输电设备能够安全平稳运行。

1. 项目概况和服务内容、要求分析

1.1项目基本情况

在国民经济迅速发展的大时代背景下，经过管理人员不断优化与改进，利用先进的科学技术，研发了一种输电线路无人机自主巡检前端图像增强装置，此种增强装置由山东省电力公司济南供电公司研制，具体情况如下：无人机图像采集过程中，受光照条件、拍摄角度、天气条件等因素影响，导致无人机在巡检过程中存在拍摄图片质量不高等现象，影响人工观感及图像缺陷检测等算法的准确率；同时，无人机自主巡检主要基于GPS或RTK信号。受点云数据精度偏差、定位信号遮挡强度差、现场风力外力等影响，航线预设拍照点位无法精准到达，易产生偏差。需要通过前端AI分析装置及算法，实现图像增强及辅助拍照等智能化功能。

1.2服务内容

首先，前端AI智能识别装置，通过轻量化算法移植与边缘端NPU芯片底层融合适配技术，最大限度发挥硬件算力，让边缘端机载装置成为无人机巡检辅助拍照与质量增强的边缘计算载体；其次，针对无人机图像识别技术，算法自动发现目标，联动飞机位置及云台姿态将其置于画面中央，并通过精准对焦获得清晰目标；最后，针对无人机影像增强技术，通过对无人机巡检拍摄图像过暗、逆光、虚焦、过曝等问题进行处理，提升图像质量，降低废片率，提升人眼观感同时为缺陷检测率提升奠定基础。

1.3服务要求：

首先，应妥善运用前端辅助拍照算法，例如，基于前端AI智能识别的无人机巡检图像智能辅助拍照技术研究，通过搭建杆塔部件轻量化算法模型，在无人机巡检作业过程中实时自动调整云台或飞机姿态以获取最佳图像；其次，针对前端分析装置，应采用特定方式基于前端AI智能识别的高性能计算技术研究，通过轻量化算法移植与机载端NPU芯片底层融合适配技术，并在机载端图像增强装置部署本地化算法[1]，实现边缘计算载体贴近端侧，就地应用；最后应充分利用影像增强算法，基于前端AI智能识别的无人机巡检图像实时增强技术研究，解决图像过亮、过暗等问题，提升图像质量。

2.无人机系统巡检及智能识别关键技术

2.1基于无人机图像识别的目标纠偏技术

依据现有主网场景无人机巡检图像，建立输电线路设备图像库。通过预训练模型抽取设备关键位置信息，进行精细化处理标注，建立主网设备样本库；使用图像库和样本库进行人工智能深度学习网络检测模型训练，利用FPN、PAN、PAN-Unite等在线多尺度学习方式，实现网络模型对目标多尺度和识别优先级的自适应，确保前景中需要正确识别目标的唯一性；当深度学习模型算法可以实时输出检测结果时，由于在连续图像或视频流的前景中输出唯一目标设备的位置，可以由检测实现该目标的跟踪效果。

2.2基于无人机拍摄图像的影像增强技术

在关键目标识别追踪技术基础上，结合图像去噪、暗光增强、超分辨率、去雾等技术。采用基于CNN的多种算法的混合模型结合训练使用方法改善图像。在图像质量提升方面，主要使用光场均衡算法智能调节曝光有效解决过曝、过暗等问题；使用深度学习模型框架图像去噪算法；基于关键目标识别的设备基础上，明确对焦物体，自动调节焦距至图像清晰，再进行拍摄。

2.3基于轻量化技术的边缘端目标识别与追踪技术

利用轻量化神经网络模型结构、模型蒸馏和剪枝技术，实现在模型检测性能不下降的情况下，压缩网络模型参数量，减小模型体积；进一步加速模型在边缘端的运行；最终适配边缘端芯片算子和低比特模型推理工具链，完成电网设备全场景关键位置识别算法在边缘端设备，例如无人机记载边缘计算盒或无人机遥控器连接的手机或平板电脑上的算法部署。

3.基于人工智能输电线路无人机巡检系统组成

3.1数据采集系统

系统研发人员采用适当方式在电网架构内部融入先进的无人机自主巡检技术后，局部子系统就可以对大量数据信息进行收集，大量实践下，整个系统已经基本在较大输电线路高精度绝对坐标系的激光雷达点位完成数据采集工作，在整个无人机自主巡检系统对220KV电压等级的输电铁塔线路实现基本覆盖后，内部荷载零部件和无人机装置紧密联系后，能够对整个系统元器件进行全面控制，与此同时，巡检系统还可以与红外、紫外、激光雷达任务荷载相结合，涵盖并拥有精准定位、惯性导航、数据采集与获取及时间按同步等多重应用效果，研究人员应通过对系统零部件进行改进，并合理应用激光雷达测量技术和全频PTK+IMU融合技术，进一步促使整个无人机巡检系统获取的数据信息真实可靠。

3.2巡检系统

第一，对于可见光相机，相关元器件具备物理缺陷诊断的功能，操作人员应采用适当方式对螺栓松脱、防震锤滑移及导线断股等不良现象进行检验；第二，针对红外热成像仪，能够及时诊断接线管、接头、耐张管及接续管的连接问题；第三，在对紫外成像仪分析过程中，相关构件能够及时发现并精准诊断出接触不良、绝缘效果较差分内部缺陷造成的电晕放电情况；第四，对于激光雷达架构，能够及时采集输电线路、塔杆高精度三维空间的点云坐标数据信息；第五，在倾斜摄影相机结构中，此类架构能够精准获取输电线路周边区域的地理影像，并在特定模式下及时生成周边区域的地理环境彩色三维影像。

3.3无人机与巡现机器人的复合搭载系统应用

管理人员应顺应时代发展潮流，具备与时俱进的思想，妥善运用无人机与巡现机器人的搭载技术，确保机器人能够与外部装置进行对接，在保证无人机与巡现机器人能够发挥诸多实用功能后，进一步促使无人机和机器人巡检应用范围全面扩大。

4.巡检影像的智能识别与分析技术在无人机巡检中的应用

首先，系统操作人员应紧密结合无人机搭载的不同任务载荷全面获取输电线网在巡检期间应获取的数据信息，利用先进的人工智能识别技术对数据进行统一处理后，促使电网平稳运行，在全面了解无人机运行状态后，为后期检修工作奠定夯实基础；其次，操作人员应借助并充分发挥GPU服务器或者具备一定计算能力的设备，采用云计算方法，进一步应用人工智能视觉处理与分析计算模式对相关可见光图像进行全面识别操作，对大量图像信息进行分析判断后，优化输电线路本体缺陷智能识别效果；最后，还应高度重视无人机搭载的激光雷达，对输电线路空间结构进行测绘分析后，得出科学完整的输电线路及通道走廊的激光点云数据，随后从激光点云数据中得出输电线路塔杆及导地线的空间信息，在进一步得知周边区域地理概况后，促使输电线路附近区域建立健全完整的立体三维模型[2]，巡检人员采用特定模式就可得知走廊内目标的空间位置，并结合计算机软件系统获取相关数据信息，具体的测量距离可以精确到厘米级别。

结束语：

总而言之，输电线路无人机巡检图像增强及智能识别技术涉及的内容是相对较多的，通过对输电线路无人机自主巡检前端图像增强装置进行全面分析后，可以较为准确的对输电线路进行综合把控，管理人员应充分利用国内外先进的计算机技术，及时学习并更新先进的无人机巡检智能识别方法，在具体问题具体分析的基础上，优化并提高输电线路无人巡检水平，最后促进社会的可持续发展。

参考文献：

[1]冯迎春,李敏. 基于无人机搭载激光雷达的输电线路智能巡检研究[J]. 微型电脑应用,2022,38(09):66-69.

[2]鲁杰,陈建,宁岩,席海阔. 基于人工智能的输电线路无人机巡检技术分析[J]. 中国高新科技,2022,(16):44-46.

资助项目：2022年山东省电力公司职工技术创新联盟联合攻关项目