国网山西省电力公司文水县供电公司 山西吕梁 032100
摘要：我国电力系统架空输电线路规模庞大、环境复杂、气候多变，为保证电力系统安全稳定运行，防止事故发生，需要定期巡检排查隐患。由于地理条件复杂、巡检环境恶劣，依靠人工检测不仅费时费力，而且检测效率低，难以满足要求。无人机具有操作简单、响应灵敏、飞行灵活、电池寿命长、成本低等优点，已成为电力巡检的常规方式。
关键词：电力巡检；图像检测；加速；压缩
引言
传统的电网输电线路巡检图像识别方法主要采用模糊模式识别方法和基于统计分析的识别方法，识别时对资源和时间消耗较大。因此，设计基于移动边缘计算的电网输电线路巡检图像识别方法。移动边缘计算是一种将无线网络与互联网技术结合在一起，在无线网络侧增加计算、存储等功能，通过无线AP开放无线网络与业务服务器之间的信息交互，智能化满足用户的实际需求。通过移动边缘计算，实现实时有效的电网输电线路巡检图像识别。
1系统工作原理
系统集成GPS、PDA与计算机网络通信技术，无需借助于信息识别载体，仅需便携式移动设备和PDA，位于无线网络覆盖区域，用户能够及时对线路巡视缺陷进行准确详细记录，使缺陷管理以及人员考勤等工作可以更加科学化、信息化与规范化。数据服务器通过对客户端电脑中存在的各类记录进行有效收集，对信息数据进行存储、整理、分析以及输出等，对缺陷发现和缺陷处理的全过程采取严格有效的监管以及闭环控制，实现PDCA循环。PDA利用串口，可同装载PDA同步程序的客户端计算机直接连接，可对作业指导书进行快速下载，同样可对租用现场记录数据及时完成上传。网络化多级机构纵向巡检工作模式，便于上级部门及时对下属机构巡检信息数据的有效查询，并进行科学分析与精确统计。
2电网输电线路巡检图像识别方法设计
2.1基于移动边缘计算的图像采集
电网输电线路巡检图像主要通过无人机巡检采集，获得的图像可能存在无用的图像数据，如在某一个巡检位置收集的图像中，出现障碍物将目标遮挡住，对于输电线路巡检图像识别，没有完整的输电线路图像的图片是无用的。针对这种情况，采用移动边缘技术，设计边缘数据处理层，该层在接收输电线路巡检图像数据后，临时保存在云空间，在线识别含有输电线路的图像数据。个城市都会有呈规律性的大规模输电线路，将具有高分辨率、高像素且具有网络传输功能的摄像机安装在无人机上，摄像头覆盖前方80m范围，设置巡检的时间的路线进行巡检，收集输电线路图像数据信息，并实时传送至边缘服务器，同时部分电网工作人员在地面上，通过移动设备传送到边缘服务器。边缘服务器与其附近的无人机等移动设备的连接主要通过无线数据链实现，连接完成后即可实现部分服务请求的在线处理，同时临时保存部分输电线路巡检图像数据。其安装位置在密集的输电线路中心。经过处理后，剩余的图像用于后续识别。
2.2视频拍摄传输模块
在多旋翼飞行器电力寻线的工作过程中，需要一个清晰度高、抗干扰强的轻量化无线视频传输系统。根据上述需求，设计了一种符合需求的HD高清视频无线传输系统。该系统采用了一种基于Linux的嵌入式操作系统，通过数字高清摄像头进行视频捕捉，并使用2．4GHz无线网桥将视频信号传回地面，从而实现HD高清视频的无线传输。网桥是整个系统的重中之重，只有选择合适的网桥，高清视频流才能快速而又准确无误地传回地面站。经过慎重考虑与分析，采用UBNT网桥，该网桥是UbiquitiNetworks公司在全球范围内设计、制造和销售创新性的宽带无线解决方案，具有颠覆意义的无线产品。该网桥的优势在于任何一个型号的UBNT产品，均可被作为无线覆盖AP、点对点网桥、点对多点网桥和无线客户端（CPE）等多种角色。
2.3输电线路巡检图像预处理
在实际巡检过程中，获得的图像数据中存在模糊、畸变和失真情况，造成图像质量下降，对于识别有较大影响。使用预处理技术，提高图像质量，图像预处理技术主要包括灰度化、亮度均衡、对比度增强以及图像去噪。在图像中，以RGB表示图像颜色，当R=G=B时为灰度值，采用加权平均法实现图像灰度化处理。
3输电线路巡检图像检测与模型压缩算法
3.1图像检测算法
目标检测算法分为一阶段和二阶段2种。一阶段目标检测算法网络结构简单，算力要求低，检测速度快，但检测精度较差，代表算法为SSD[14]、YOLO[15]系列；二阶段目标检测算法算力要求高，结构复杂，但检测精度更高。输电线路巡检图像有着背景复杂、检测目标尺度小、干扰因素多等特点，需要精度高和网络结构较为复杂的深度学习算法。Faster区域卷积神经网络是一种典型的2级检测算法，主要有3个主要部分组成，即区域建议网络、前置特征提取网络和基于感兴趣区域的分类器，Faster-RCNN的网络结构。Faster-RCNN检测精度高且检测速度较快，适用于输电线路设备检测。
3.2无人机自主巡检系统性能验证
为验证本文所建输电线路无人机自主巡检系统的优越性，以抚顺市境内220kV输电线路作为实验样本，从可编辑航线占比、图像采集质量、巡检安全性、航线编辑难度、投入成本5方面对系统性能进行评价，并与目前较为成熟的无人机自主巡检系统进行对比。其中，可编辑航线占比表示样本内能够使用该方法进行无人机自主巡检任务的线路占全部线路的比重。图像采集质量用于衡量所拍摄杆塔结构先对于图像中心的偏移程度。巡检过程中任何人为的因素均可能会造成无人机发生空中碰撞，巡检安全性用于人为因素占整体工作量的占比。
3.3模型压缩算法
巡检无人机作为嵌入式设备，其计算力和内存容量有限，若想将缺陷检测算法应用于巡检无人机上，必须对其进行一定程度的压缩与加速。本文研究模型压缩算法，在基本保证精度不下降的基础上，尽可能减少模型参数大小和算法推理速度，进一步提升电力缺陷检测系统的实用性。神经网络的运算量由卷积层主导[18]，研究人员提出了卷积核剪枝方法，以减少卷积的运算量。去除无效的卷积核对模型的精度影响不大，但可以有效减少推理所需的计算量。最近人们提出了一种深神经网络的抽奖假设，研究人员证实：稀疏子神经网络相较于原神经网络，不仅有着更小的规模和计算量，且具有与原模型相似、甚至更高的测试精度。
结束语
近年来智能电网发展迅速，输电线路规模越来越大，为了保证输电线路的安全，采用多种手段对输电线路进行巡检，获得巡检图像。将巡检过程中采集的图像作为研究对象，引用移动边缘计算技术，实现电网输电线路更完整的测试系统，为进一步研究别方法的完善和发展创造条件。
参考文献：
[1]王金城，陈清江.输电线路无人机超视距巡视智能操控系统研发与应用[J].科技视界，2018（32）：5-8.
[2]程海涛，王和平，邹彪，吴建军，杨国柱.基于激光雷达技术的架空输电线路巡检应用[J].新疆电力技术，2018（04）：35-38.
[3]朱永胜，魏巍，胡国洪，黄会贤，张博，朱晚，周渠.输电线路外护套故障巡检及修复装置研制[J].电工技术，2018（21）：136-137.
[4]孙依新.架空输电线路无人机人工联合巡检模式初探[J].科技资讯，2018，16（31）：64-65.
[5]严文涛，王玮，苏琦，刘荫，殷齐林，郭爽爽，刘越.基于输电线路三维信息的无人机智能巡检技术研究[J].中国高新科技，2018（19）：76-78.