基于U-Net的输电线覆冰识别

庄红军,张伟,杜昊,李克明,周海,鲁彩江

(1.贵州电网有限责任公司毕节供电局，贵州 毕节 330006；2.贵州电网有限责任公司，贵州 贵阳 550002；3.西南交通大学机械工程学院机电测控系，四川 成都 610036)

受空气气温等各种环境的综合影响，在冬季温度低、水汽充足的情况下，附着在电力线上的过冷水滴由于释放潜热而固化最终极易形成覆冰。而寒冷时节，大量覆冰可能引发电力线路断股、绝缘子倒转甚至杆塔倾斜或倒塌，造成重大安全事故[1]。

目前国内外对覆冰电力线识别的研究取得了重大进展。传统的做法是用数字图像处理的方法来检测覆冰电力线，如自适应阈值分割、形态学滤波[2]，但这两种算法只能从背景简单的图像中检测出覆冰电力线且无识别功能；LOG算子[3]、融合多尺度小波变换[4]的边缘检测算法结合Hough直线检测可以很好地识别出覆冰电力线边缘，但Hough直线检测易受阈值大小、复杂背景的影响；依照“先验特征”先对电力线区域进行分割后再用Hough直线检测可以消除复杂背景的影响、结合最小二乘法的Hough直线检测算法可以有效解决Hough直线检测受阈值大小影响的问题，但Hough直线检测对于形状各异的覆冰(带有冰柱、边缘为曲线)则无法识别。

深度学习中的语义分割具有准确度高的特点，尤其在U-Net网络结构被提出后，该网络一直在图像分割领域因其优异表现受到人们的关注。语义分割其目标是对图像中的每一个像素分配语义标签[5]，虽然输电线的覆冰形状各异也可准确的识别。……