人工智能计算机视觉技术在电力系统中的应用

国网河南信通公司 杨 莹 张向聪 王 磊 孙 元

在计算机视觉的应用过程中也会出现电力系统应用场景过于复杂、部署工作困难等问题。但随着技术的不断发展，计算机视觉和电力系统间的结合也会不断的完善，并且也会在更高层次的视觉系统（如3D 点云、VR 系统）中有更加广阔的发展前景。

1 计算机视觉技术相关概述

随着人工智能的不断普及，作为人工智能中重要分支的计算机视觉应用也越来越广泛。计算机视觉技术作为一种新兴技术，其基本原理就是用摄像头来充当“人眼”，用算法来代替“大脑”。计算机视觉技术作为人工智能系统中的重要组成部分，其核心就在于视觉，如何让计算机学会像人一样的去“看”是其本质，通过对大量图片的处理训练达到计算机系统的智能化，再配合各种摄像头和扫描设备就可以使计算机视觉技术在电力系统中代替人工[1]。

计算机视觉技术在40多年的发展历程中主要经历了四个阶段，这四个阶段分别是马尔计算视觉、主动和目的视觉、多视几何与分层三维重建和基于学习的视觉。其中David Marr 在1982年发表的《视觉》一书标志着计算机视觉学科的正式成立。计算机视觉的基本定义是指利用计算机系统和摄像设备的结合来达到人类视觉的功能，并对提取到的信息进行读取和处理，从而对特定目标物进行识别、判断和跟踪。其大致可以分为语义感知和几何属性两大部分，其中语义感知主要包括识别（Recognition）、检测（Detection）、分割（Segmentation）、检索（Retrieval）和分类（Classification）；几何属性主要包括双目视觉、3D 建模和增强现实[2]。

计算机视觉基础是对数字图像处理的延伸和扩展，是基于图像技术的进一步发展，所以它在对图像的分析过程中会穿插对图像的颜色、几何、纹理和局部特征的处理和描述，与传统图像处理过程不同的是计算机视觉提取这些特征的过程是基于卷积神经网络（CNN），而非简单的对RGB 色彩的处理。由于卷积神经网络的加入，使计算机视觉技术对图片的处理速度更快，效率更高。在电力系统中有很多的视觉应用场景，例如线路检修、故障查询和图文识别，并且它具有很多人工目检所不具备优点，因此随着电力系统对计算机视觉技术的不断引入，整个系统在智能化和自动化方面都会实现前所未有的突破。

2 计算机视觉在电力行业中的应用

电力系统作为世界上最为庞大的几个系统之一，其安全状况直接关系到广大人民群众的生命财产安全，但是这么庞大的系统在运行的过程中难免会出现很多紧急的安全隐患，例如失火、漏电、破损、年久失修等。为了保证电力系统安全稳定的运行，就必须对其中的重要信息数据进行收集整理，在系统运行过程中实现实时监控，并对收集到的异常状况进行及时处理[3]。因此监控系统通过摄像头对设备状态、人员进出、火情监控等的图像监测就显得尤为重要，但是传统通过摄像头监控方法均为人为监控，人为监控存在很多弊端。

例如，在人员进出的检测中，监管人员往往不能轻易地掌握所有人员的信息，会发生遗漏和遮挡问题，并且像伪装和变装这类事情也不能有效的避免。但是通过计算机视觉便可以在无人监管的状态下对异常情况进行报警，通过对不同工作环境下的不同摄像头搭载不同的图像、视频分析算法，可以有效地对电力系统的整个结构的设计进行优化，提高整个系统运行的稳定性以及控制制造和安装成本。

计算机视觉在电力系统中的很多方面都有着广泛的应用，其中最主要的主要分为以下三个方面：

计算机视觉在线监控系统。在线监控系统主要依托普通摄像头，但鉴于普通摄像头精度不高，有时也会采用深度摄像头或红外摄像头。在人员识别中，摄像头捕捉人物面部特征，然后利用特征提取网络对人物面部特征进行提取，再通过分类网络对人物身份进行分类，从而掌握人员具体身份信息。在掌握人员信息后通过计算机视觉图像算法例如ST-GCN、MMAction 等动作识别算法来实时预测人物动作信息，从而实现在线监控的目的。对于电场中火灾等安全隐患同样也可以通过计算机视觉算法对其进行训练，通过将训练过的算法搭载到固定摄像头上来达到对火灾的检测预警，再加上红外摄像头对温度的监测可以杜绝火灾隐患，从而保证整个电力系统长期安全的运行。

计算机视觉柜面图像分析系统。在电力系统中每一个设备的状态都尤为重要，而设备状态的观察主要靠指示灯的状态，因此我们可以利用摄像机采集到的指示灯状态画面，结合计算机视觉图像识别计数对状态灯进行识别，例如我们可以通过目标检测算法YOLO、SSD 等对指示灯不同状态图像进行训练，利用训练好的算法可以对设备状态进行自动检测[4]。相比于人工巡检，基于计算机视觉的检测方法效率更高，并能及时发现问题。我们只需要一次训练便可以不同厂家、不同型号、不同规格的状态灯进行统一识别，我们还可以在算法的后边加载一些判断规则用来对识别结果做出相应的措施，真正做到智能化识别。

计算机视觉视频分析报警。计算机视觉作为人工智能的重要分支，其不仅能对复杂多变的图像进行识别检测，同时也能对视频直接进行分析监测，对视频的监管需要满足数据库的检索需求，大量的视频监控不利于数据库的储存，所以在视频监控中我们需要对数据进行精简，去除大量冗余数据并对重点数据进行分析，并研究不同时刻同一监控区域位置的相关性，结合特定用户的需求分析，进行合理的算法安装部署流程和数据显示管理平台的构建。

3 计算机视觉技术在电力行业中面临的挑战

随着人工智能的普及以及计算机视觉技术的不断发展，电力系统也迎来了新的机遇。但随着机遇的到来，计算机视觉在电力中的应用也面临很多难点。首先如何合理综合利用计算机视觉技术、图像识别技术和机器学习技术是一个亟需突破的问题，要想让计算机视觉技术在电力系统中建立一套完整、准确和快速的系统，就必须对每个算法进行精心的研究和设计。

例如在二次屏柜的显示识别检测算法学习框架的设计中，不仅需要对图像和监控数据进行分布式储存和关联性分析，还需要利用数据快照技术实时对浓缩数据进行快速分析，结合智能终端设来实现快捷查询、上传。最终实现集采集智能前端和智能识别后台服务器的状态识别吗，并通过Key-Value型的数据库LMDB 进行相关图像、视频、语音的分布储存和智能化分析[5]。

综上，由于电力系统的复杂多样,决定了计算机视觉技术在电力系统研究和应用的过程中可以更加高效和安全的处理问题。基于本文的叙述，随着计算机视觉技术的不断发展和创新，该技术在以后电力系统的发展过程中可以提供更加安全优质的服务，不断提高企业发展的高度。对于新算法的研究和应用也会将电力领域推向一个新的高度，从而提高整个电力行业的智能化和信息化水平。