广州供电局：基于深度学习距离感知技术的无人机风险精准识别与预警系统
导 语
2024年4月25日，在“2024输电数字化大会——「金巡奖」第9届全国无人机电力巡检技术高峰论坛”上，「金巡奖」第6届全国电力巡检技术创新应用评选结果公布。
广东电网有限责任公司广州供电局输电管理一所凭借其“基于深度学习距离感知技术的无人机风险精准识别与预警系统”案例，获得“无人机人工智能技术创新案例”奖。
创新点
本产品研究一种无人机风险精准识别与预警装置，整套装置包括三维激光雷达模块、摄像头模块、云台模块、4G无线模块、声光报警模块和监控中心平台。
该装置利用激光点云数据，结合输电线路悬链线公式拟合线路数据到系统，设备上电之后进入工作状态，一旦发现物体超过警戒距离和警戒高度触发警报，同时利用激光测距及点云数据追踪高大机械等可能存在靠近高压线路的物体，实时分析高大机械物体或吊臂与高压线路的净空距离，分析高大机械物体的运行轨迹，提前在现场高音喇叭发出声响警报语音提示，摄像头采集照片并向监控中心上传现场图片。
监控中心管理平台可实现现场音视频的远程监控，对现场图像资料进行收集整理，作为实时监测存档数据。
本产品的研究点为输电通道场景知识的准确认知和相互约束，并通过这种约束关系对输电通道场景中的工程机械进行距离感知。
主要的创新点在于融合多个摄像头的图像数据，通过构建图像中多物体的空间拓扑关系，建立多物体之间的拓扑空间约束，进而实现目标物体的距离感知。
应用成效
广州地区输电线路密集，运行环境复杂，广州供电局输电管理一所研制出了适用于无人机的基于深度学习距离感知技术的风险精准识别与预警系统，通过内置的三维点云目标检测、定位与测距算法，融合图像深度学习等AI技术，能够全天实时监测输电通道内外部入侵物情况，并进行安全距离量测，实现传统输电线路实景化监测技术从二维到三维、从定性到定量的转变。
该装置包括三维激光雷达模块、摄像头模块、云台模块、4G无线模块、声光报警模块和监控预警平台。装置利用三维激光雷达和可见光相机全天候监测可能存在靠近高压线路的物体，实时分析高大机械物体或吊臂与高压线路的净空距离，分析高大机械物体的运行轨迹，提前通过现场高音喇叭进行报警语音提示，前端监测主机采集现场点云与影像数据，并向监控预警平台上传现场监测数据。监控中心管理平台可实现现场点云与影像数据的远方监控，对现场预警数据进行解析与三维展示，作为实时监测存档数据。
经测试验证本产品能够对通道内动态隐患目标进行高精度的监测、定位与测距，测距精度达厘米级。能够实现全天实时监测输电通道内外部入侵物情况，并进行安全距离量测，实现传统输电线路实景化监测技术从二维到三维、从定性到定量的转变，能有效地避免因外破隐患入侵导致的线路跳闸，提高了供电可靠性。
技术路线
本产品提出融合场景知识的基于深度神经网络的目标识别和位置感知技术，采用深度神经网络提取监控视频中的位置信息，实现对塔吊等目标物的快速距离测量与监控。其主要原理是采用图像数据经验结合贝叶斯先验概率模糊算法，替代数学解析，以解决数学解析中精确信息测量困难、图像形变大、测量误差大等问题。根据多张照片及多种角度的数据联合重构，精准重构二维图景中目标物现实三维位置坐标。
1
三维图像重构与危险点识别
通过激光脉冲测距法测得输电导线下方各个点的深度信息，在获得被测目标足够多的点的数据后，形成点云。将原始数据映射到笛卡尔坐标系中，转化为一幅三维深度图像。图像处理的过程可以分为三个阶段：图像预处理、图像分析阶段以及图像理解阶段。
为了实现图像自动识别，必须提取目标图像的特征并建立特征空间，这些特征包括图像的轮廓、直线、灰度分布等信息。而在输电线路防护的过程中，危险目标主要有过高的挖掘机、吊机等。这些危险目标大都包含了各类直线轮廓，且同类危险物轮廓有其相似性，因此提出将扫描所成灰度图像提取其边缘特征，通过特征的比对来实现危险目标的识别和归类。
三维激光雷达获得原始数据之后，对数据进行有效处理和分析，实现目标自动识别，是整个输电线路防护系统的关键。通过参数空间内危险目标自动识别算法，建立目标图像与危险目标数据库的匹配函数，实现危险目标的自动识别。搭建三维深度图像处理仿真平台，进行目标自动识别实验，使得可以有效识别出危险目标。
2
短信通知与报警模块
激光雷达在检测异常信号后，精确探测危险距离点并联动无线模块将报警信息通过GSM无线网络发送给相关管理人员，管理人员可以直接进行远程喊话提示或联系线路管理单位。对于视频监控联动的自动触发的图像、视频采集，可通过4G无线网络向监控中心在线传输现场实时图像、视频数据。系统同时设定物体超过初始警戒值后进一步靠近高压线时的多档报警值，便于管理人员评估风险，采取紧急措施。
应用场景
近年来，随着全国各地建设事业的发展，各类工程机械在输电线路周边进行施工的现象明显变多，而输电线路保护区内房屋、采石场、矿场等违章建筑物悄悄兴建，屡禁不止，加剧了输电线路周边环境的恶化；另一方面，随着全国用电普及和西电东送等大型工程的扩展实施，输电线路经常需要进行远距离和深层次的输送，使得由植被、偷盗等外力破坏导致的输电线路故障频率大大增加。
在数字化转型的背景下，以视频、图像为主的输电线路巡检的方式受到越来越多的关注，然而传统的输电线路无人机巡检通常是将视频、图像的数据传回监控平台，通过人工筛选的方式识别施工机械等外破隐患发生，存在工作效率低、无法实时识别并预警的问题；且单一的视频监控仅能定性判断外破目标及其危险性，不能全方位掌握外力因素的深度信息，比如相对位置、空间距离等，不能准确定量分析；且环境要求较高，夜间、阴天等特殊情况下无法有效地监测，导致误报、漏报率极高，导致对警告信息失去信心，未达到在线监控的目的。
本产品可应用于所有输电线路巡检作业中。2023年7月至今，无人机风险精准识别与预警系统在广州输电一所220kV珠鱼甲线#25杆塔进行试点应用，试点应用情况如下：
广州输电一所工作人员投入现场测试及试应用以来，装置在现场环境下运行稳定。该装置主机中内置的外破隐患三维点云目标检测、定位与测距算法可靠，具有很高的鲁棒性和实用性，装置具有高精度、环境适用性强等特点。
现场测试及试应用期间累计检测到外破隐患提示状态6次、预警状态2次、暂没监测到危险状态，经测试验证该装置能够对通道内动态隐患目标进行高精度的监测、定位与测距，测距精度达厘米级。能够实现全天实时监测输电通道内外部入侵物情况，并进行安全距离量测，实现传统输电线路实景化监测技术从二维到三维、从定性到定量的转变，能有效地避免因外破隐患入侵导致的线路跳闸，提高了供电可靠性。
图：AI准确识别并动态追踪测量大型机械和带电导线距离
典型经验和推广前景
现有的产品和研究工作，无法解决无人机超长距离（超过200米）精准三维空间测距问题，导致无法精准捕捉风险情况、预警信息不准确。
本产品研发的基于深度学习距离感知技术的无人机风险精准识别与预警系统，获取输电线路全空间的入侵物体信息并进行精确定位，通过数据分析判断测距，最终给出隐外物入侵的危险等级，指导运维人员和现场施工人员进行隐患排除，减少故障发生，提升电网运行可靠性。
基于深度学习距离感知技术的无人机风险精准识别与预警系统投运及推广以后，管理部门根据防外破监测平台监测统计的各区段入侵物频率和级别，采取有针对性的防护措施，可有效地降低线路的跳闸断线次数，具有广阔的应用市场和重大的经济社会效益。
END
本文内容来自广东电网有限责任公司广州供电局输电管理一所