摘要
近年来，我国电网投资规模不断扩大，导致电力网络结构更为错综复杂，而输电线路的畅通和各类部件的正常工作密不可分。目前我国输电线路部件故障检测主要是对航拍采集到的特定部件图像设计相应的特征提取器，进而分类判断。鉴于航拍采集到的部件图像姿态多样化以及背景复杂多变化，使用特有的特征提取器局限性太大且很难保证对复杂背景图像有较好的鲁棒性；同时我国低空领域管限严格，航拍巡检人员无法自由巡检练习。针对上述问题，所以本文提出了一种基于航拍图像的输电线路部件故障检测方法。 本文重点搭建输电线路故障识别及检测网络模型对故障部件进行智能检测，同时对于我国低空领域的管制，本文提出基于VR的输电线路巡检培训，可以有效地缓解巡检人员无法巡检练习的局限。首先以航拍采集到的输电线路部件图像为主，三维建模并在不同背景下渲染所得图像为辅建立wire_18数据集；其次，以区域建议网络算法为基础，搭建输电线路部件识别及故障检测网络模型，并在自建数据集上训练调参，得到一个泛化性较强的故障识别网络；然后，将训练好的模型加载到Qt中，实现对航拍图像进行自动检测并分类保存，生成相应的故障报表，同时对检测出的故障部件通过经纬度信息判断部件所属塔杆；最后利用虚拟现实技术对真实地形、输电塔杆、部件及无人机进行建立三维模型，设计HTCVIVE手柄与虚拟场景中无人机之间的交互，模拟控制无人机对输电线路的巡检。 实验结果表明，本文设计的输电线路部件故障检测网络模型可同时对绝缘子、均压环、防震锤等18类常见部件进行有效检测，并在自建的Wire_18数据集中获得91.1%的平均识别率。同时基于VR的输电线路巡检也实现了外部手柄与虚拟场景直接的人机交互，用户可沉浸式体验航拍巡检人员对无人机的操作步骤。
NETL