无人机航拍图像中电力线检测方法研究进展

随着各大电力公司对无人机（Unmanned Aerial Vehicle，UAV）巡检的大力推广，“机巡为主，人巡为辅”已成为我国电力巡检的主要运维模式。电力线检测作为电力巡检的关键技术，在无人机自主导航、低空避障飞行以及输电线路安全稳定运行等诸方面发挥着重要作用。众多研究者将输电线路的无人机航拍图像用于线路设备识别与故障诊断，利用机器视觉的方法在电力线检测技术研究中占据主导地位，也是未来的主要发展方向。本文综述了近十年来无人机航拍图像中电力线检测方法的研究进展。首先简述了电力线特征，阐明了电力线检测的传统处理方法的一般流程及所面临的挑战；然后重点阐述了使用传统图像处理方法及深度学习方法的电力线检测原理，前者包括基于Hough变换的方法、基于Radon变换的方法、基于LSD（Line Segment Detector）的方法、基于扫描标记的方法及其他检测方法，后者根据深度卷积神经网络（Deep Convolutional Neural Network，DCNN）的结构不同分为基于DCNN的分类方法及基于DCNN的语义分割方法，评述了各类方法的优缺点并进行了分析与比较，与传统图像处理方法相比，深度学习方法能更有效地实现航拍图像中的电力线检测,并指出了基于DCNN的语义分割方法在电力线目标智能识别与分析中发挥着重要作用；随后介绍了电力线检测的常用数据集及性能评价指标；最后针对电力线检测方法目前存在的问题，对下一步的研究方向进行了展望。

输电线路作为电力传输的动脉，其对电力系统 安全稳定供电的重要程度不言而喻。随着中国电力持续快速发展，输电线路总里程也随之快速增长， 然而线路设备长期暴露于户外，不可避免地会出现 设备老化、损伤和锈蚀等故障，给电力系统的安全 稳定运行带来了极大的安全隐患。为了应对上述问 题，输电线路定期巡检已成为智能电网运维的常态 化工作（隋宇等，2021；赵振兵等，2022）。近年 来，基于深度学习的图像处理技术、机器视觉技术 日渐成熟，以大数据、物联网、人工智能技术为依 托，国家电网公司推进输电线路巡检朝着智能化和 自动化方向发展（赵振兵等，2021）。各大电力公 司纷纷采用无人机结合人工的方式进行输电线路巡 检，此种运维模式不仅可节省资金和时间成本，还 可以避免电力技术人员从事危险作业。可见光相机、 激光雷达（Light Detection and Ringing，LiDAR）装 置业已部署在 UAV 上用于输电线路巡检，但是在 UAV 低空飞行中，电力线是最具威胁的危险源，同 时也是最难避开的障碍物之一。因此，研究航拍图 像中电力线检测对 UAV 自动避障与低空飞行、保障 电网安全稳定运行具有十分重要的现实意义。UAV 巡检获得的海量图像引起了研究者的广 泛关注，大量的输电线路航拍图像用于线路设备目 标识别及缺陷检测研究（徐晶等，2017；Zhai 等， 2018；Nguyen 等，2018；Bian 等，2019；Miao 等， 2019；Zhao 等，2020；Han 等，2020；Zhai 等，2021；戚银城等，2021）。同时有很多用于电力线检测的 视觉方法被相继提出。李朝阳等人（2007）将边缘 检测（Ratio 算子）与 Radon 变换结合用于航拍影像 中 500 kV 高压电力线的自动提取。赵振兵等人 （2011）提出一种改进的相位一致性电力线检测方 法用于输电线路弧垂计算。陈驰等人（2015）基于 LiDAR 技术获取电力线的激光点云数据，并实现点 云数据中的电力线自动提取。为了精细提取 LiDAR 数据中的电力线，麻卫峰等人（2020）设计了残差 聚类的方法提取电力线。随着近些年来人工智能技 术在智能电网中的普遍应用，人们又提出了基于深 度学习的电力线检测方法，许刚和李果（2021）采 用轻量化语义分割网络模型分割航拍图像中的电力 线。LiDAR 点云能较好地获取输电线路实景数据， 武汉大学测绘遥感实验室对电力线 LiDAR 点云数 据三维建模有大量的研究，相关产品己得到成功推 广应用，但是激光雷达硬件设备成本较高，而可见 光相机比激光雷达设备成本要低，且可见光航拍图 像更容易采集和提取特征。因此，本文讨论 UAV 航 拍图像数据源下的电力线视觉检测方法。基于传统图像处理方式的电力线检测流程一般由图像增强处 理、背景噪声抑制、边缘检测、电力线特征提取、 拟合连接、跟踪等步骤组成。由于航拍图像背景复 杂多变，加之光照条件、遮挡等诸多因素，进一步 加大了电力线特征提取难度；而电力线自身目标相 比电力杆塔、绝缘子等线路设备要小得多，准确提 取电力线特征极其困难，亟待解决。更为准确地从航拍图像中检测出电力线是近年 来相关技术研究人员广泛关注的问题，众多研究者 致力于视觉的方法检测电力线。Li 和 Wang（2019） 以可见光图像为主要数据源，综述了基于视觉的电 力线检测系统，讨论了深度学习技术在电力线自动 检测中的应用，为实现电力线的自动视觉监测提供 有价值参考。Yang 等人（2020）从输电线路巡检任 务、巡检平台、传感器系统、检测方法 4 个方面对 国内外电力线检测技术进行了分析与归纳。刘志颖 等人（2020）对输电线路巡检图像智能处理的研究 和应用现状进行了概述，归纳并分析了巡检图像智 能处理的研究成果，探讨了深度学习技术在电力巡 检领域中的应用前景。赵乐等人（2021a）综述了电 力线特征提取算法，详细介绍了电力线特征提取模 型和识别算法分类。迄今为止，国内外学者采用视 觉方法对航拍影像中的电力线进行检测，已经取得 了相当的进展，然而还没有一种通用方法能快速准 确地检测出航拍图像中的所有电力线。因此，有必 要对多种电力线检测方法进行分析与归纳，以便针 对不同的场景选取合适的检测方法。随着人工智能、 大数据、物联网等信息技术的不断发展，深度学习 算法被广泛迁移到航拍影像中的电力线检测任务研 究上，但是上述文献并没有全面总结基于深度学习 的电力线检测方法，该文也将弥补这一空白。鉴于此，本文梳理和分析了大量的电力线特征 提取方法，综述了 2010-2021 年 UAV 航拍图像中电 力线检测方法的研究进展，以期为从事电力线检测 及其应用的研究人员提供一些有价值的参考。文中 做了以下安排：第 1 部分从电力线特征、检测流程 以及面临的挑战 3 个方面进行了概述。第 2 部分阐 述了基于传统图像处理方式的电力线检测方法。第 3 部分重点阐述了基于 DCNN 的电力线分类方法以 及基于 DCNN 的电力线语义分割方法。第 4 部分评 述了各类电力线检测方法的优缺点，给出了主要方 法的分析与比较。第 5 部分介绍了电力线数据集以 及电力线检测性能评价指标。最后对基于深度学习 电力线检测技术的进一步研究方向做了展望。