嚴(yán)峻超，徐建軍，徐軍波，文香桂，王力，項(xiàng)戀

（國網(wǎng)江西省電力有限公司鷹潭供電分公司，江西鷹潭，335001）

0 引言

架空輸電線路是保障電力遠(yuǎn)距離安全輸送的基礎(chǔ)，更會(huì)直接影響電力系統(tǒng)運(yùn)行的安全性和可靠性[1]。在實(shí)際應(yīng)用中，架空輸電線路往往具有地形復(fù)雜、分布范圍廣、所處自然環(huán)境惡劣等特點(diǎn)，傳統(tǒng)巡檢方式使用人工進(jìn)行逐點(diǎn)排查，其時(shí)間效率低、危險(xiǎn)系數(shù)高，難以滿足目前持續(xù)擴(kuò)大的桿塔分布范圍和愈加復(fù)雜的故障排查流程[2]。

實(shí)踐證明，近年來市場上使用無人機(jī)進(jìn)行電力巡檢的系統(tǒng)具有工作量大、效率低、對(duì)飛手要求高等問題。目前對(duì)電力線路的精細(xì)化巡檢中，普遍還是飛手動(dòng)操作無人機(jī)[3-4]，完成無人機(jī)空中懸停、對(duì)準(zhǔn)、拍照，整個(gè)過程效率低、對(duì)飛手要求高。

為高效地實(shí)現(xiàn)塔間架空導(dǎo)線跟蹤飛行，完成缺陷精準(zhǔn)識(shí)別與實(shí)時(shí)飛行跟蹤，本文將PaddlePaddle-YOLO（PP-YOLO）與卡爾曼濾波算法相結(jié)合，PP-YOLO 配合無人機(jī)上搭載云臺(tái)相機(jī)傳回的視頻數(shù)據(jù)，給出抽幀識(shí)別結(jié)果，傳輸卡爾曼濾波跟蹤模塊，計(jì)算無人機(jī)的最優(yōu)移動(dòng)路徑與云臺(tái)相機(jī)的最優(yōu)調(diào)整策略。

1 架空輸電線路無人機(jī)高效巡檢方法

■1.1 “一線兩向”無人機(jī)高效巡檢模式

目前使用飛手手工操作的無人機(jī)巡檢模式受限于控制精度低，肉眼故障排查困難的特點(diǎn)，大都采用“一塔多點(diǎn)”的巡檢模式，對(duì)單個(gè)桿塔的多個(gè)目標(biāo)點(diǎn)位進(jìn)行停留拍攝?！耙凰帱c(diǎn)”模式需要兩個(gè)飛手協(xié)助，一個(gè)飛手控制無人機(jī)的移動(dòng)，另一個(gè)飛手觀察相機(jī)傳回圖像，對(duì)每座桿塔上多個(gè)關(guān)鍵巡檢點(diǎn)位進(jìn)行拍攝，同時(shí)實(shí)時(shí)觀察并拍攝出現(xiàn)的異常點(diǎn)位，具有工作量大、時(shí)間長、效率低、對(duì)飛手要求高的特點(diǎn)，且移動(dòng)過程中傳回的視頻數(shù)據(jù)冗余較多，效率不高。

■1.2 無人機(jī)仿線飛行技術(shù)

仿線飛行技術(shù)的前身是仿地飛行。仿地飛行是一種無人機(jī)飛行路線控制技術(shù)，他通過設(shè)定與已知三維地形的固定高度，使得飛機(jī)與目標(biāo)地物保持恒定高差，保持無人機(jī)的地面分辨率一致。仿地飛行使用地圖公開數(shù)據(jù)庫中的地形信息和預(yù)掃飛行時(shí)軟件錄入的高程數(shù)據(jù)規(guī)劃航線，需要一定的先驗(yàn)數(shù)據(jù)并人工設(shè)定飛行模式。

仿線飛行則是將仿地飛行中以地面為參照物改為以電線為參照物，通過視覺識(shí)別算法自動(dòng)識(shí)別電線、絕緣子等位置，從而完成姿態(tài)調(diào)整、跟蹤拍攝等一系列操作。完整的飛行周期可分為繞桿U 字形航線與仿線飛行兩個(gè)部分，整個(gè)過程持續(xù)使用云臺(tái)相機(jī)進(jìn)行數(shù)據(jù)采集并反饋給云臺(tái)，實(shí)時(shí)監(jiān)測塔間缺陷。

2 無人機(jī)AI 視覺識(shí)別與目標(biāo)跟蹤

本章基于PP-YOLO 和卡爾曼濾波算法搭建AI 視覺識(shí)別與目標(biāo)跟蹤模塊，完成無人機(jī)的塔間導(dǎo)線跟隨飛行與缺陷實(shí)時(shí)檢測等任務(wù)，圖1 給出了無人機(jī)智能計(jì)算模塊的整體框架。同時(shí)還介紹了以PP-YOLO 為核心算法的AI 視覺識(shí)別模塊和以卡爾曼濾波為核心算法的目標(biāo)跟蹤模塊。

圖1 無人機(jī)智能計(jì)算模塊的整體框架

■2.1 AI 視覺識(shí)別模塊

采 用PP-YOLO作為AI 視覺識(shí)別的核心算法，完成無人機(jī)飛行中的實(shí)時(shí)目標(biāo)檢測任務(wù)。在實(shí)時(shí)目標(biāo)檢測中，通過云臺(tái)相機(jī)視頻抽幀獲取的單張圖像作為AI視覺識(shí)別模塊的輸入，模塊中使用PPYOLO 模型生成2D邊界框來預(yù)測目標(biāo)對(duì)象的位置。PP-YOLO 沿用了YOLOv3 的One-stage 結(jié)構(gòu)，其檢測器由骨干網(wǎng)、檢測頸以及用于分類和定位的檢測頭組成。

PP-YOLO 在將錨點(diǎn)轉(zhuǎn)換為包圍框時(shí)，進(jìn)行了如下計(jì)算：

■2.2 目標(biāo)跟蹤模塊

利用2.1 節(jié)介紹的AI 視覺識(shí)別模塊輸出作為目標(biāo)跟蹤模塊的輸入，將完成坐標(biāo)變換的目標(biāo)位置信息輸入到卡爾曼濾波器，在一段時(shí)間軸上持續(xù)預(yù)測目標(biāo)的位置變化，使無人機(jī)能夠跟蹤飛行。根據(jù)云臺(tái)相機(jī)所獲取到目標(biāo)的相對(duì)位置，以及無人機(jī)傳感器所獲取到的速度信息，建立待跟蹤目標(biāo)的狀態(tài)向量

卡爾曼濾波器可以進(jìn)一步被劃分為時(shí)間更新和測量更新兩個(gè)步驟，時(shí)間更新過程是指由上一時(shí)刻的狀態(tài)加上外界輸入噪聲來預(yù)測當(dāng)前狀態(tài)，測量更新則是根據(jù)預(yù)測結(jié)果與觀測結(jié)果來計(jì)算不確定性因子。具體地，可以描述如下：

卡爾曼濾波器解決了目標(biāo)跟蹤中的目標(biāo)狀態(tài)估計(jì)問題，具體來說，以目標(biāo)當(dāng)前狀態(tài)作為輸入通過濾波器后可以得到目標(biāo)經(jīng)過步長后的預(yù)測狀態(tài)卡爾曼濾波過程是一個(gè)持續(xù)的迭代計(jì)算過程，這樣，本文就可以通過對(duì)識(shí)別的目標(biāo)進(jìn)行持續(xù)跟蹤飛行。

■2.3 無人機(jī)輸電線路飛行巡檢流程

具體來說，飛行作業(yè)流程可以做如下描述：通過所述圖像識(shí)別單元識(shí)別所述圖像信息的畫面中心區(qū)域是否有跟隨目標(biāo)；若有跟隨目標(biāo)，則繼續(xù)拍攝；若沒有跟隨目標(biāo)，則識(shí)別所述圖像信息的整個(gè)畫面中是否有跟隨目標(biāo)，若有跟隨目標(biāo)，則通過所述信息處理單元計(jì)算出相機(jī)的最優(yōu)調(diào)整策略，所述綜合控制單元將相機(jī)最優(yōu)調(diào)整策略轉(zhuǎn)化為所述云臺(tái)控制單元具體的控制指令，所述云臺(tái)控制單元接收到控制指令，調(diào)整云臺(tái)角度，直到目標(biāo)位于圖像信息畫面的中心區(qū)域；若所述圖像信息的整個(gè)畫面中沒有跟隨目標(biāo)，則初始化所述云臺(tái)控制單元，重新通過所述圖像識(shí)別單元識(shí)別所述圖像信息的畫面中心區(qū)域是否有跟隨目標(biāo)。

3 “一線兩向”無人機(jī)飛行實(shí)驗(yàn)

■3.1 無人機(jī)硬件平臺(tái)介紹

實(shí)驗(yàn)中采用的二代飛行平臺(tái)為四旋翼主體結(jié)構(gòu)，其中機(jī)身控制搭載雙實(shí)時(shí)差分定位模塊（Real-time kinematic，RTK）、視覺識(shí)別部分搭載HUAWEI Ascend 310 AI 計(jì)算芯片。無人機(jī)下方搭載使用3.5 倍光學(xué)變焦鏡頭的云臺(tái)相機(jī)，相機(jī)俯仰轉(zhuǎn)動(dòng)范圍，水平轉(zhuǎn)動(dòng)范圍，角度抖動(dòng)量。

二代無人機(jī)飛行平臺(tái)具有航時(shí)長、平飛速度高、飛行速度穩(wěn)定、抗風(fēng)防雨能力強(qiáng)等性能特點(diǎn)，能夠很好地完成多種復(fù)雜場景下的OLDT 模式輸電線路巡檢任務(wù)。

■3.2 無人機(jī)仿線飛行實(shí)驗(yàn)

仿線飛行測試路線如圖2 所示架空看那個(gè)輸電線路，無人機(jī)實(shí)際移動(dòng)路線分繞桿U 字形航線和仿線飛行兩個(gè)部分，架空輸電線路桿塔掛點(diǎn)垂直距離13 米，左右寬6 米，桿塔間檔距300 米。飛行作業(yè)中，對(duì)云臺(tái)角度、飛行速度、變焦倍數(shù)、飛行路徑、偏航率、缺陷識(shí)別率等參數(shù)進(jìn)行測試。

圖2 飛行測試參數(shù)及路線示意

圖3 仿線飛行測試中無人機(jī)海拔高度變化趨勢

為了測試不同硬件條件下無人機(jī)自主巡檢的性能參數(shù)，本文分別選取了和分辨率的云臺(tái)相機(jī)進(jìn)行測試。搭載攝像頭的云臺(tái)相機(jī)擁有更高的識(shí)別精度，能夠擁有更大的繞線飛行半徑、相對(duì)更高的仿線飛行速度以及更高的缺陷識(shí)別率。

在啟動(dòng)約5s 后，無人機(jī)以基本恒定的角速度進(jìn)行轉(zhuǎn)向與姿態(tài)調(diào)整，約5s 后，達(dá)到目標(biāo)角度并開始跟隨導(dǎo)線進(jìn)行飛行。在隨后飛行過程中，RTK 航向角基本保持恒定，角度抖動(dòng)小于等于，表明本文設(shè)計(jì)的AI 視覺識(shí)別與跟蹤算法能夠很好地輔助無人機(jī)，完成架空輸電線路巡檢任務(wù)。

■3.3 缺陷檢測與桿塔建模

云臺(tái)通過對(duì)相機(jī)在繞桿U 字形航線中拍攝的6K 視頻數(shù)據(jù)進(jìn)行抽幀，使用缺陷識(shí)別算法，實(shí)時(shí)監(jiān)測桿塔的銷釘缺失等缺陷。

進(jìn)一步地，利用采集到的桿塔本體數(shù)據(jù)，建立桿塔模型的數(shù)據(jù)庫，對(duì)桿塔模型進(jìn)行分類，實(shí)現(xiàn)桿塔識(shí)別，為后續(xù)實(shí)現(xiàn)自主塔間航線規(guī)劃做足準(zhǔn)備與數(shù)據(jù)鋪墊工作。

4 結(jié)束語

本文提出了基于AI 視覺識(shí)別的“一線兩向”模式的高效率巡檢方式，并進(jìn)行了相關(guān)飛行試驗(yàn)，將AI 視覺算法和跟蹤算法與仿線飛行算法相結(jié)合，實(shí)現(xiàn)塔間導(dǎo)線跟隨飛行、巡檢數(shù)據(jù)的視頻采集、缺陷實(shí)時(shí)檢測等功能。

圖4 仿線飛行測試中無人機(jī)經(jīng)緯度變化趨勢

圖5 仿線飛行測試中無人機(jī)海拔高度與經(jīng)緯度變化關(guān)系

（1）本文提出了“一線兩向”的飛行模式，在一定程度上解決了“一塔多點(diǎn)”模式下的缺陷，在降低人工成本的同時(shí)提升了檢測精度，相比于傳統(tǒng)的仿地飛行無需先驗(yàn)數(shù)據(jù)，提升了巡航效率。

（2）本章基于PP-YOLO 和卡爾曼濾波算法搭建AI 視覺識(shí)別與目標(biāo)跟蹤模塊，既平衡了檢測精度和每秒傳輸幀數(shù)，又具有硬件性能依賴性低、速度快、準(zhǔn)確率高、抗干擾素力強(qiáng)等特點(diǎn)。

（3）本文完成了架空輸電線路的無人機(jī)OLDT 模式飛行巡檢實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，無人機(jī)搭載AI 視覺識(shí)別與跟蹤算法，輔以仿線飛行技術(shù)能夠準(zhǔn)確地對(duì)目標(biāo)進(jìn)行跟蹤飛行，并且飛行過程中各項(xiàng)數(shù)值基本穩(wěn)定。

目前無人機(jī)在電力線路巡檢領(lǐng)域的應(yīng)用越發(fā)廣泛，優(yōu)化無人機(jī)巡檢模式，在電力巡檢工作中具有重要研究意義及極高應(yīng)用價(jià)值，具備在各省乃至全國推廣的意義。