基于输电线路无人机巡检的绝缘子缺陷识别技术研究

作     者：李铭 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：陈奎

授予年度：2023年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：无人机 YOLO 轻量化 绝缘子缺陷 目标识别 

摘      要：近年来,随着中国经济快速发展,各行业对电力的需求日益增长,电力系统中不可避免地出现了长距离电力输送,这使得电力系统的输电线路规模不断增大。绝缘子是输变电系统的重要组成部分,起着支撑、绝缘等作用。由于绝缘子处于荒野环境中,受到日晒雨淋、风雪温度变化等因素的影响,加之高压环境的影响,随着运行时间的延长,绝缘子极易发生爆裂等故障,若得不到及时更换,将严重影响线路的安全运行,所以利用无人机采集的绝缘子图像信息进行绝缘子缺陷识别具有重要的工程意义。因此,研究的主要内容如下:本文首先通过对国内外自动化巡检、图像处理、图像识别等方面的研究现状进行调研,总结现有研究中存在的不足;其次,针对输电线无人机巡检时所采集到的绝缘子缺陷图像特征,分别从图像预处理、图像识别等方面展开研究;最后,针对无人机巡检输电线路实际需求,完成无人机巡检系统的相关设计。在图像预处理阶段,为了解决训练样本不足的问题,利用数据增强技术对训练样本进行了扩充。针对复杂多变的外部环境扰动,研究图像增强与分割算法,利用色彩、亮度、对比度、几何变换等方法对绝缘子缺陷图像进行预处理,提高图像质量,保证基础数据的准确性与有效性,提高检测模型对图像的分析与理解能力。在缺陷识别阶段,采用轻量化改进YOLOv5模型对绝缘子及其缺陷进行识别,从而检测出异常的绝缘子。首先针对不同的轻量化网络PP-LCNet和Ghost Net网络,经对比试验得出Ghost网络识别效果更好,因此选用Ghost Net网络重构原始YOLOv5,实现模型参数缩减,提高终端识别效率;在网络头部引入CA注意力机制,进一步提升模型对小目标的提取能力;最后将特征融合网络改进为增强EPANet。改进后的轻量化网络与原YOLOv5相比,m AP提升1.1%,模型量压缩34.9%,FPS得到极大提升,满足无人机等设备的绝缘子缺陷识别需求。无人机巡检系统的设计阶段,无人机飞行控制部分,选用STM32F103C8T6作为主处理器,对其遥控模块、传感器模块、串口模块等进行了设计。图像处理部分,设计了以Hi3519V101芯片为核心的拍摄与处理模块,并对相机及其传感器进行了选型。利用上述无人机巡检系统完成了某供电公司800余电力杆塔的巡检,并测试验证了其拍摄与识别性能。