- 頭條電網元件及缺陷識別的新方法，可提升無人機電力巡檢的精度和速度2022-09-14 作者：宋立業、劉帥 等 | 來源：《電工技術學報》 | 點擊率：導語針對現有的無人機電力巡檢中的目標檢測算法小目標識別精度低、檢測的元件及缺陷類型較為單一、檢測速度和精度無法同時滿足的問題，遼寧工程技術大學電氣與控制工程學院、國網遼寧省電力有限公司葫蘆島供電公司的研究人員宋立業、劉帥、王凱、楊金丹，在2022年第9期《電工技術學報》上撰文，提出一種改進的EfficientDet目標檢測算法，該算法應用于無人機電力巡檢圖像的數據挖掘，對高壓輸電線路上的絕緣子、防震錘、均壓環、屏蔽環、鳥巢同時進行目標檢測及缺陷定位。
輸電線路的安全穩定運行是電網可靠供電的重要保障，然而絕緣子、防震錘、均壓環、屏蔽環的損壞及附著在高壓線塔上的鳥巢嚴重危及線路安全運行。通過人工檢測電網元件及缺陷的方式存在速度較低、精確度有限的缺點，因此利用計算機視覺中的目標檢測算法實現無人機巡檢圖像的自動檢測成為研究熱點內容。
目標檢測算法主要包括單階段目標檢測和兩階段目標檢測。單階段目標檢測只需對圖片處理一次就能獲得目標分類和位置信息，檢測速度較快但精度較低，代表算法有SSD、YOLO等。兩階段又稱基于候選區域的檢測方法，檢測精度較高但速度較慢，代表算法有faster R-CNN、SPP-Net、Mask-RCNN等。
目前這些方法大都對單一元件及缺陷進行檢測分析，在電力系統多元件應用環境下普適性較差；這些方法為了提高電力系統小目標檢測精度或進一步進行缺陷定位，大都采用先進目標檢測算法與傳統算法或二分類算法相結合使用，模型較為復雜，難以同時滿足速度和精度。在此研究背景下，亟需提出一種先進的元件識別及缺陷定位方法解決上述問題。
因此，針對現有的無人機電力巡檢中的目標檢測算法小目標識別精度低、檢測的元件及缺陷類型較為單一、檢測速度和精度無法同時滿足的問題，遼寧工程技術大學電氣與控制工程學院、國網遼寧省電力有限公司葫蘆島供電公司的研究人員宋立業、劉帥、王凱、楊金丹，在2022年第9期《電工技術學報》上撰文，提出一種改進的EfficientDet目標檢測算法，該算法應用于無人機電力巡檢圖像的數據挖掘，對高壓輸電線路上的絕緣子、防震錘、均壓環、屏蔽環、鳥巢同時進行目標檢測及缺陷定位。
圖1 改進EfficientDet應用于巡檢原理
圖2 真實集部分元件檢測測試結果
圖3 真實集部分缺陷定位測試結果
研究人員首先通過Imgaug數據增強庫對現有的1468張國家電網某檢修公司標準化無人機巡檢數據集進行數據增強；然后在加強特征提取網絡雙向特征金字塔網絡（BiFPN）特征融合時融入小一級尺度的特征層，提高了小目標檢測能力，對主干特征提取網絡EfficientNet的倒殘差模塊進行改進，引入坐標注意力機制（CA）提高了主干特征提取效率。
圖4 切割后缺陷定位測試結果
表1 九種目標測試精度結果
表2 六種網絡模型訓練結果對比
他們最后進行對比訓練實驗，改進EfficientDet算法在元件檢測及缺陷定位測試集上平均均值精度達到90.2%，較原始EfficientDet算法提高8.6%，亦優于其他先進目標檢測算法，同時元件檢測速率達到23.4f/s，缺陷定位達到17.2f/s，證明了該方法可以滿足無人機電力巡檢中準確性和快速性的要求。
本文編自2022年第9期《電工技術學報》，論文標題為“基于改進EfficientDet的電網元件及缺陷識別方法”。本課題得到了遼寧省教育廳科學技術研究創新團隊項目、遼寧省重點研發計劃指導計劃項目和2019年遼寧省高等學校國（境）外培養項目資助的支持。
