摘要
传统的人工巡检方式很难及时发现线路存在的缺陷和隐患，而无人机输电线路智能巡检以其巡检自动化程度高、适用范围广、巡检效率高、成本低等优点日益成为国家电网电力巡检的主要方式。 无人机在智能巡检过程中，首先应用基于禅思L1激光可见光融合负载的M300RTK对输电线路杆塔及其绝缘子进行三维点云数据采集;然后通过DJITERRA数据处理软件对点云数据进行三维立体建模，获取杆塔及绝缘子位置信息;最后通过TovosSmartPlan软件规划无人机巡检航线，设定无人机拍摄点位，为后续的无人机巡检工作提供坚实的数据支撑。 飞行中为确保安全，避障功能尤其重要，需实时保持与拍摄对象的安全距离，而部分机型避障功能缺失。因此本文首先通过双目相机拍摄同一场景的左、右两幅视点图像，捕捉场景信息，并将原始图像数据传送至视觉处理器;其次经过双目标定、双目校正、双目匹配、深度计算等步骤，逆向建立一个从二维图像到三维世界中的映射;然后将同一物体左右视图的对应像素点匹配得到视差图，并计算出其深度信息，进而通过深度图获得无人机到绝缘子的距离信息;最后通过无人机实现了山东省220kV部分输电线路区段的绝缘子图像拍摄。 由于胶囊网络具有矢量输入的特性，可以有效保留图片中的方向、角度等关键信息，从而能在复杂背景下准确识别绝缘子缺陷，因此本文针对无人机巡检照片数量庞大且人工检查过程中常因背景复杂、缺陷特征不明显等因素导致误检、漏检及效率低的问题，提出了一种基于改进胶囊网络的绝缘子缺陷识别算法，旨在自动识别输电线路上的绝缘子缺陷。该算法通过采用3×3的卷积层和1×1归约层，简化传统的9×9胶囊神经元，不仅降低了计算复杂度，还保留了绝缘子图片中的方向、角度等特征信息，从而提升了识别效率。实验结果表明，改进胶囊网络对绝缘子破损识别准确率达到98.01％,较原网络提升了1.79％,比VGG、AlexNet、MaskR-CNN等方法准确率更高，可以实现绝缘子缺陷的智能检测。
NETL