[发明专利]一种基于超高分辨率图片的无人机电力巡线故障检测方法

说明书

本发明公开了一种基于超高分辨率图片的无人机电力巡线故障检测方法，包括如下步骤：步骤一、建立无人机航拍输电线路故障类型图片数据集；步骤二、建立YOLO检测模型；步骤三、YOLO检测模型通过低分辨率的切图和对应的xml文件进行训练，得到训练好的YOLO检测模型；步骤四、对待检测的无人机航拍输电线路故障类型图片输入训练好的YOLO检测模型得到检测结果。本发明采用滑动窗口对图片切分，采用Mosaic数据增强的方法去扩充原始数据集，根据自定义数据集自适应计算锚框，进行自适应图片缩放以及具有更细粒度特性和更密集的新网络体系结构和损失函数，有效提高了输电线路故障检测的准确率。

技术领域

本发明属于自动巡检领域，尤其涉及一种基于超高分辨率图片的无人机电力巡线故障检测方法。

背景技术

近年来，我国经济持续稳定快速发展，对电能需求的增加使得我国电网规模增长迅速。至2011年，我国电网规模已经排名世界首位。新中国成立之初，1949年，35千伏及以上输电线路长度6475千米；1978年，35千伏及以上输电线路长度23万千米；2006年，35千伏及以上输电线路长度突破100万千米；2018年，35千伏及以上输电线路长度189.2万千米，较1949年增长291倍；预计到2025年将超过200万千米。在实际情况中，相当大的一部分高压输电线路往往需要跨过高山和河流，这让高压输电线路的人工日常巡检存在极大困难和危险。高压输电线路以及安装在输电线路上的各种电气元件，都是完全暴露在自然环境之中，日晒、风雪、雷雨和一些其他的自然力量都会对输电线路造成一定的影响。随着时间的推移、累积，对输电线路的破坏就会扩大，从而导致输电线路出现磨损、腐蚀，甚至断股等问题出现。目前，我国输电线路传统的巡线方式有徒步地面巡线和逐基登塔巡线等等，这些巡线方式对人员的要求很高，需要依靠经验丰富的巡检人员。

目前传统的输电线路巡检方式存在以下问题：

(1)巡检效率低。输电线路常跨过高山、森林等人烟稀少的地区，巡检工作人员需翻山越岭，靠徒步前进，仅靠人眼远距离观看，可能会由于树木遮挡，使得输电线路巡检效率低，并会造成较多的误检漏检情况。

(2)巡检质量。由于通讯交通的不便捷，导致巡检效率低下，使得输电线路巡检周期长，故障解决不及时，常常会发生一轮巡检还没有结束，前面已经巡检过的输电线路又发生问题的情况，将使得巡检工作意义不大。

(3)工作人员安全无保障。由于部分输电线路分布于交通死区和通讯盲区中，在进行输电线路巡检的工作人员一旦发生意外，就是生命危险。

如今，国内较为常见的为无人机巡线，通过地面工作人员控制无人机，拍摄输电线路和铁塔的图片，结束巡线后由经过专业培训的识图人员查阅照片，对存在故障隐患的地方再图片中进行标注，如输电线断股、悬挂异物、绝缘子污损等，根据图片自身所携带的经纬度信息来确定输电线路故障的实际地理位置。但是，无人机输电线巡检所航拍的图片属于超高分辨率，其分辨率高达5472*3078，而输电线路故障元件与整幅图片对比占不到1％，并且输电线路存在的故障类型比较多，而且输电线路横跨的距离使得一般都是上千公里这就使得图片的背景语义信息非常丰富(森林、山川、河流、田地、道路等)，干扰信息比较多。人为的判断更加依赖识图工作人员的技术水平，容易造成漏检、误检等问题，这会造成现场实际维修人员的核查工作量，同时，无人机输电线路航拍图片的数量是非常庞大的，使用人工检测图片所存在的电力元件故障，既耗时又费力。

为保证电网的运转正常及检修人员的人身安全，利用计算机与无人机作为平台搭载巡检设备，对高压输电线进行有效的人工智能图片识别是具有重要的意义。目前对问题线路的图片识别方法还是使用传统的识别方法，例如使用HOG(Histogram of OrientedGradient,HOG)特征+SVM(Support Vector Machine，SVM)算法或者DPM(Deformable PartModel,DPM)算法的传统目标识别算法来进行分类的。传统的识别方法存在识别精度较低，对标注者的专业要求较高，识别速度较慢等问题。