论文部分内容阅读
随着国民经济的发展,各行各业对电力的需求不断扩大,各种人为和自然事故导致的断电造成的损失也越来越大。如何提早发现、处理和预防危害输电线路的自然灾害及意外事故,时刻保障电力正常供应,成为人们关注的焦点。威胁输电线路安全的隐患主要有超高作业车、线下施工、森林山火等,相关部门需要不断地巡检线路来搜寻可能存在的隐患,并进行处理。目前常用的巡线方式有人工巡线、无人机巡线、在线视频监控等。人工巡线需要耗费大量的人力资源,而且效率低下;无人机的飞行距离有限,使得无人机巡线方式难以在偏远无人地区推广;在线视频监控是新兴的一种巡线方式,且目前已有智能视频分析系统可以自动检测一些隐患,具备灵活、高效的特点,但是不间断地拍摄视频传回服务器需要耗费许多传输流量,制约了其发展。近期某公司对在线视频监控巡线方式提出了一种改进方案,其仍然在输电线路杆塔上安装摄像头进行监控。与传统视频拍摄方式不同,在该方案中,摄像头每间隔一段时间拍摄图片传回服务器,然后由工作人员查看图片确定有无隐患。这样既能获取场景信息,又大大减少了设备损耗及电量流量消耗。该方案存在的问题是尚未有相应的基于图像分析的隐患检测系统,所有的观察评判工作都由人工完成。在安装的拍照设备数量上万后,工作人员每天需要观察近十万张图片,显现出人工工作量过大这一弊端。基于上述方案的现状及需求,课题组与该公司进行合作,开发了一款基于图像差异进行分析的输电线路周边隐患检测系统。该系统利用图像处理和机器学习的相关方法,对间隔拍摄到的输电线路场景图像进行分析,找到其中存在的隐患并进行报警。本文主要讲述了该隐患检测系统的检测算法设计与系统实现,研究的重点是在图像差异的基础上进一步筛选并识别隐患的方法。具体内容如下:(1)根据隐患特点和检测方法对其进行分类。通过对输电线路环境及各种隐患的观察分析,将隐患分成天空中的塔吊、吊车,地面工程车辆和火灾三种独立即时隐患,以及线下施工、停车场、堆积物等复合长期隐患,并确立了不同的检测思路。(2)针对各种隐患的特点设计实现了相应的隐患检测算法。主要有以背景建模为主的天空中塔吊、吊车的检测方法,利用颜色和纹理信息检测火灾的方法,使用卷积神经网络识别地面工程车辆的方法及利用统计模型实现的检测线下施工、停车场、堆积物等复合长期隐患的方法。(3)在隐患检测算法的基础上搭建了隐患检测系统。该系统主要实现了自动检测图片中各种隐患的功能,验证了隐患检测算法的有效性。根据实际应用的需要,系统还具有监听检测请求、告警、人工确认、上传结果和历史记录查询等功能。使用本系统之后,工作人员只需要对报警的图片进行观察确认即可,大大降低了人工工作量。目前运用了该检测系统的巡检方案已在省内17地市得到推广,安装部署了上万台拍照设备。系统在目前已运行的时间中漏报极少,用户反馈仅有约5%的报警率,意味着减少了95%的人工工作量,具备较大的实际意义。