深度学习目标检测算法在架空输电线路绝缘子缺陷检测中的应用研究综述

传统架空输电线路绝缘子缺陷检测一般通过人工巡检方式进行。架空输电线路的数量增长使巡检规模更加庞大、巡检环境更加复杂,放大了传统绝缘子缺陷检测方法人力成本高、检测效率低的不足。无人机(unmanned aerial vehicle, UAV)等新型巡线方式依靠深度学习目标检测算法识别架空输电线路绝缘子缺陷,能够有效应对人工巡检的不足,是绝缘子缺陷检测的发展趋势。鉴于此,围绕架空输电线路绝缘子缺陷检测场景,首先梳理常用的深度学习目标检测算法,比较不同算法的检测策略、检测精度与检测速度;然后结合云–边–端协同架构说明算法的改进需求与相应改进方法;最后针对现有绝缘子检测方面的不足,展望了输电线路绝缘子中多类型缺陷的识别问题,并在这一研究趋势下进一步探讨了模型边缘端轻量化与针对小样本数据下的算法研究价值。     

基于链码分析的绝缘子伞群脱落检测方法

随着高电压、大功率、长距离输电线路的出现,输电线路穿越的地理环境日趋复杂,应用直升飞机巡检输电线路已成为电力发展的需要.对航拍绝缘子图像进行处理,以识别伞群脱落的绝缘子串,从而及时准确地掌握输电线路中绝缘子串的状态信息,为后续绝缘子故障处理提供必要的依据.采用图像增强、去噪、锐化、阈值分割、形态学和边缘提取等算法对绝缘子航拍图像进行了预处理,提出了对经过预处理的航拍破损绝缘子串图像进行故障检测和识别的方法,即应用MATLAB数字图像处理工具箱,根据绝缘子串图像的形态特征对其进行预处理、链码的计算及模糊划分来检测绝缘子串的瓷片脱落故障并分析其故障程度,测试证明了所提方法的可行性和有效性.     

±500 kV直流线路不良绝缘子带电检测技术研究

研制了直流输电线路不良绝缘子带电检测装置,并对±500kV直流输电线路绝缘子上的分布电压进行了检测。检测结果表明,直流输电线路绝缘子串的电位分布与交流输电线路的基本相同,均呈U形分布,但受串中单个绝缘子性能影响更为明显;研制的不良绝缘子带电检测装置可满足±500kV及以下电压等级直流输电线路不良绝缘子带电检测的要求。该研究成果对于减少直流输电线路的停电检修时间,促进电网的安全稳定运行具有重要的意义。     

基于改进YOLOv5的输电线路绝缘子 识别方法

针对输电线路绝缘子识别准确率低、识别花费时间长的问题,提出一种改进的YOLOv5绝缘子识别方法。首先,通过引入超分辨率卷积网络提升数据集中图像样本质量;其次,通过引入k3-Ghost结构替换原始网络BCSP模块中的普通卷积,减少模型主干网络参数量,在主干网络尾部引入SENet注意力模块,加强模型对于通道信息的关注提升目标检测性能;在颈部网络引入DC-BiFPN结构替换原始结构,对不同尺度特征赋予不同权重以使多尺度特征进行更好的融合,提升绝缘子识别效果。最后,使用CIOU作为回归损失函数,加快网络收敛速度。实验结果表明：本文提出的方法在保证绝缘子识别准确率的同时拥有更高的识别速度,检测准确率达到89.5%,检测速度达到35.7FPS,验证了改进方法的有效性。     

航拍绝缘子卷积神经网络检测及自爆识别研究

无人机巡检通过搭载的高清相机和图传设备可获取大量详实的巡检影像。绝缘子是输电线路中极其重要且用量庞大的部件,在图像视频中快速准确地检测出绝缘子可为无人机贴近铁塔和输电线路进行细节巡视的测距和避障飞行提供可靠的依据;同时绝缘子为故障多发元件严重威胁电网的安全,需充分利计算机技术对其进行故障诊断。通过搭建卷积神经网络,在由5个卷积池化模块和2个全连接模块组成的经典架构的基础上,对网络进行改进,实现在复杂航拍背景中绝缘子检测。同时在训练的网络模型中抽取绝缘子的特征融入自组织特征映射网络中实现显著性检测,结合超像素分割和轮廓检测等图像处理方法对绝缘子进行数学建模,提出一种针对绝缘子自爆故障的识别算法,取代人工分析,降低由人为经验判断可能造成的误差。经测试,复杂航拍背景下的绝缘子检测精度达90%以上,自爆识别准确率达到85%以上,均满足工程需求,有效提升巡检的效率和智能化水平。     

220kV低零值绝缘子红外检测技术应用研究

为研究输电线路绝缘子低零值红外检测方式,分析绝缘子串的电压分布及发热功率,利用耐压设备对含有劣化绝缘子进行红外分析,获取了低零值绝缘子红外热像图谱特征。现场检测结果表明,红外热像技术可通过遥测绝缘子串温度特征来判断绝缘子绝缘性能,并总结出该方法实际应用的优势和缺陷,提出应用该技术的策略建议,为研究绝缘子带电检测低零值提供参考。     

基于改进YOLOv7的输电线路绝缘子识别检测研究

针对绝缘子目标尺寸小导致检测精度低、误检漏检率高的问题,提出一种基于YOLOv7改进的输电线路绝缘子检测模型。首先,将双支路融合通道注意力机制与主干部分的ELAN模块进行融合,强调重要的通道信息,抑制噪声等无用信息的干扰;其次,在特征融合部分加入局部自注意力机制,使得局部微小区域局部关注度增强;同时,在Neck部分融入BiFPN跨层连接,在增加部分计算量的同时,使得边缘信息得到更好的保留,更利于小目标的检测;最后,以精确度、召回率、平均精度均值等作为评价指标,对采集的数据集进行了消融实验和对比实验。实验结果表明,改进后的网络模型对输电线路绝缘子检测精度为92.1%,相比于传统的YOLOv7网络模型提高3%,并且其平均检测均值、召回率分别提高3.1%、3.6%;同时,改进的模型在各个评估指标上相比YOLOv5-ECA和Faster-R-CNN等均有显著优势,针对输电线路绝缘子检测具有良好效果。     

高分辨率的航拍输电线路绝缘子检测

绝缘子是输电线路上的重要部件之一，利用无人机巡检准确的检测出绝缘子及其缺陷是保障电力安全输送的重要手段。针对目前主流目标检测网络处理高分辨率图像时直接缩放原图带来目标的细节信息丢失或者将原图切块再检测导致目标丢失整体信息的问题，在残差网络(ResNet 50)的基础上设计了一个双分支结构的主干网络(RC Net)同时兼顾绝缘子的位置信息和细节信息，能减少目标上下文信息和局部信息的丢失。同时引入可变形卷积替换部分常规卷积来改变采样点，使采样点能更贴合目标本身的几何形状，提高网络的特征表达能力，并根据绝缘子本身的大小和形状重新设计锚框的参数，使锚框更适合目标本身的尺度，边框回归更精确。在扩增的中国输电线路绝缘子数据集(CPLID)进行实验，结果表明，本文提出的算法的平均精度达到88.3%,相比于目前主流的检测算法在高分辨率图像背景下具有更好的检测效果。     

基于改进文本检测识别的绝缘子串异常定位和判别方法

绝缘子串的长宽比和倾斜角度变化大,使用通用目标检测算法时,检测和识别效果不佳.为此,借鉴文本检测思想提出新的绝缘子串异常定位和判别算法.检测部分,改进了基于语义的任意方向场景文字检测器算法进行绝缘子串检测;异常定位部分,提出了针对绝缘子串的序列状态编码方法以及基于模板匹配的数据增广方式;再使用卷积循环神经网络(convolutional recurrent neural network,CRNN)和连接主义时间分类(connectionist tem-poral classification,CTC)方法提取绝缘子的纹理和序列特征,用编码的序列状态作为标签进行有监督训练.结果 表明,所提算法的检测精度和识别精确率均超过了实验中的通用目标检测方法,精确度提升了4.1％.该方法可为各类条状物的异常定位和识别提供新思路.     

基于注意力机制与跨尺度特征融合的YOLOv5输电线路故障检测EI北大核心CSCD

利用无人机对高压输电线路巡检,并基于计算机视觉技术对巡检数据中的故障目标进行自动、准确检测是输电线路巡检领域中的重要研究方向,同时也是一个极具挑战性的课题。针对复杂巡检环境中待检测目标存在多尺度特性以及部分遮挡造成传统算法难以准确检测问题,提出一种基于注意力机制与跨尺度特征融合的YOLOv5输电线路故障检测算法。首先,搭建YOLOv5检测网络,为了抑制复杂背景干扰,在其基础上引入空间与通道卷积注意力模型,以增强待检测故障目标的显著度;然后,将原始YOLOv5检测框架Neck中的FPN+PAN结构改为BiFPN结构,从而使目标多尺度特征能够有效融合;其次,为了解决待检测目标特征表达能力不足造成漏检和误检的问题,设计多尺度与同尺度特征的自适应加权融合模块,以增强检测网络对遮挡情况下故障目标的检测能力。最后,为了验证提出算法的有效性,利用某巡检部门近4年无人机巡检数据对算法进行验证。结果表明,提出的算法能够对复杂环境中输电线路上的多尺度故障目标实现精确检测,其平均检测精度可达96.8%。     

基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题。文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法。以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度。将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75%,检测速度为34 frame/s。结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求。     

输电线路绝缘子冰闪的成因分析和防范措施

通过对山西省≥ 2 2 0kV线路绝缘子覆冰闪络的类型、特征、相关的气象和地形情况分析 ,找出了绝缘子冰闪的典型气象特征及闪络机理 ,并对各种防冰闪措施的效果和利弊进行了比较和评价     

500kV四联耐张绝缘子串首末片绝缘子更换工具的研制

四联耐张绝缘子串是杭州地区500kV输电线路中采用较多的一种形式。其首末片绝缘子更换时,由于一侧连接二联板,造成闭式卡具难以使用;整串更换四联耐张绝缘子串难度较大,工器具要求高。通过研制新式更换工具并制定高效作业方案,实现非整串更换500kV线路四联耐张绝缘子串首末片绝缘子,解决了长期困扰输电线路检修工作的难题。     

输电线路绝缘子串防冰闪措施研究

2008年1—2月,南方地区严重的冰灾事故给部分地区电网造成了巨大的损失,绝缘子串冰闪是造成这次冰灾事故的主要因素之一,因此预防绝缘子冰闪对于保证覆冰地区输电线路安全运行十分重要。通过对绝缘子冰闪机理进行分析,文章比较了3种预防输电线路绝缘子串冰闪措施的特点,指出绝缘子串发生冰闪的主要原因是绝缘子串电压分布畸变和冰凌桥接导致融冰时形成了连续高电导水膜,并指出在一些防冰闪措施中,防污闪复合涂料(permanent room temperature vulcanized anti-contamination flashover composite coating,PRTV)并不能有效防止绝缘子覆冰,且会降低绝缘子冰闪电压,因此笔者不推荐采用PRTV预防冰闪。同时,因V型串和间插方式可有效调高绝缘子冰闪电压,这种方式在覆冰地区输电线路设计和改造中较实用。     

基于密集连接网络的航拍绝缘子旋转目标精准定位方法

为了实现架空线路巡检时绝缘子的精准定位和检测,提出了一种基于Dense-Block密集连接块与旋转框改进YOLOv5的绝缘子检测模型。该模型针对绝缘子长宽比较大和方向多变的特点,提出利用长边定义法为检测框增加角度信息,实现目标旋转框检测,有效提升绝缘子检测和定位的效果。同时为了增强特征的重新利用和传播,利用Dense-Block对模型中的残差模块进行改进,构建YOLOv5-dense检测模型。最后为了使YOLOv5-dense模型能够更加关注有效的特征信息,在主干网络尾部加入SimAM注意力模块对模型进行改进。实验之前,利用Retinex算法对输入绝缘子图像进行增强。实验结果表明,相较于原始YOLOv5算法,所提算法在平均准确率和每秒处理帧数方面都有提高。除此之外,与水平框检测算法相比,所提算法去除了检测结果中大量冗余的背景信息,实现了绝缘子区域更加精准的定位。     

±800 kV特高压直流线路均压环优化研究

采用三维有限元方法对 ±800 kV特高压直流输电线路绝缘子串进行电场计算,比较不同外径、不同管径、不同安装位置的均压环对绝缘子串的电压分布和电场分布特性的影响,给出均压环合理结构尺寸和安装位置。然后通过球隙法测量 ±800 kV特高压直流输电工程绝缘子串的电压分布,试验结果与有限元计算结果一致。该文的研究成果对指导±800 kV特高压直流输电工程均压环的优化配置具有重要意义。     

电晕指纹法地面检测不良绝缘子串的研究

Based on the finger prints of insulator corona discharges, a new detecting method is introduced to inspect for the faulty porcelain insulator string on ground in this paper. In this method, the pattern recognition was applied to identify the corona finger prints corresponding to faulty insulator strings,improving greatly the reliability of fault diagnostics. In order to confirm this technology, we developed an intelligent prototype and operated it on some 110 kV transmission lines in China. Our preliminary results is positive, indicating that the faulty insulator strings on transmission lines can be identified by this technology easily.     

电晕指纹法地面检测不良绝缘子串的研究

在深入研究绝缘子及绝缘子串电晕放电指纹 (N - φ谱图 )的基础上 ,提出了用绝缘子串电晕放电的指纹来检测不良绝缘子串的新方法。在该方法中 ,应用了模式识别技术智能化判别不良绝缘子串所对应的电晕脉冲指纹 ,克服了以往三相不平衡法必须寻找工频零点的缺点 ,提高了故障诊断的准确性。在此基础上 ,研制了一台智能化便携式检测样机 ,并在 1 1 0kV线路的试用中取得了较好结果 ,证明了指纹检测方法的可行性     

分体式绝缘子检测机器人的电场分析及测试试验

超、特高压输电线路绝缘子串较长,采用绝缘子检测机器人检测更为方便和有效。但目前的绝缘子检测机器人主要为攀爬方式,体积大、结构复杂,需要进行改进。为此设计了一种适用于悬垂绝缘子串检测的轻便型分体式绝缘子检测机器人,对绝缘子机器人周围的电场分布进行了仿真计算与分析,并进行了220 kV绝缘子串的测试试验,结果表明：所设计的检测机器人本体最大电场强度为1 753 kV/m,不会发生起晕;绝缘子检测机器人的测量电压值小于绝缘子原始电压分布值,可通过补偿修正得到实际的绝缘子电压分布,并进行低、零值绝缘子检测。     

融合迁移学习的绝缘子缺陷分级检测方法

针对Faster R-CNN算法对复杂环境下的小样本绝缘子缺陷检测精度不高的问题，本文提出了一种融合迁移学习和主体局部的绝缘子缺陷分级检测方法。整个方法使用融合残差模块和特征金字塔结构的卷积神经网络作为骨干网络进行特征提取，用于适应不同尺度的缺陷目标，保留更多有效信息。首先使用迁移学习的方法改善对缺陷所在绝缘子主体的检测效果；然后对检测出的绝缘子主体进行自动裁剪来改善复杂背景对缺陷区域检测的影响，使得模型能够更有效地挖掘出缺陷特征；最后将裁剪后的缺陷绝缘子局部图像送入第二阶段进行训练，进一步提高模型准确率。通过对无人机航拍采集的绝缘子缺陷图像进行检测实验。结果表明，本文方法相较于Faster R-CNN基线模型平均精度提高了37.5%，达到了89.6%。在对自爆和破损检测上，精度分别提高了34.9%和60.2%。