西安工程大学研究者提出一种输电线路防振锤缺陷检测的新方法

防振锤作为输电线路中一种重要的金具，用来吸收或削弱风传递到架空输电导线的动能，以切断导线振动能量的补给线，从而降低架空输电导线的振动损坏。然而，由于防振锤长时间暴露在自然环境下，极易产生金属裂纹、螺栓松动等问题，进而引发防振锤缺损、变形、倒置的形态结构缺陷，导致防振锤无法切实有效地发挥防振作用。

例如，2017年5月，工作人员在锡西—东苏220 kV输电线路巡检过程中，发现部分防振锤出现锤头缺损及锈蚀缺陷，在对防振锤进行消缺更换作业时发现85%以上的导线在该位置出现了不同程度的断股情况。若不能及时发现并消除防振锤缺陷，极有可能导致输电导线微风振动与舞动，进而严重威胁电力系统的安全稳定运行。

目前，国内电力巡检的主要方式可以分为人工巡检与无人机巡检。传统的人工巡检方式依靠巡检人员对电力设备进行逐一巡查，存在线路盲区、巡检效率低、人力成本高等弊端。相比之下，无人机凭借其体积小、成本低、灵活性高等优势已被广泛应用在电网中，通过搭载光学摄像机、红外热成像仪等装置能尽早地识别与检测导线、绝缘子、金具等设备缺陷。

虽然无人机极大地方便了线路巡检工作，但也产生了海量的图像数据，在后续图像处理上仍需要人工对海量图像进行观察与查缺，且长时间的工作容易引起工作人员的疲劳，使查缺准确度降低。深度学习技术凭借其强大的特征表达能力，以及端到端的网络结构，完美契合了对海量图像自动缺陷检测的需求，既能节约人力成本，也避免了误检漏检的情况。

针对由于防振锤缺陷样本数量稀少、背景复杂、区域形状尺寸不一造成的防振锤缺陷识别能力不足的问题，西安工程大学电子信息学院的张烨、李博涛等学者，提出一种基于多尺度卷积注意力机制的防振锤缺陷检测方法。

图1 系统整体框架

展开全文

他们首先通过统计不同缺陷的防振锤尺寸，设计适应不同类别的多尺度卷积注意力机制，使网络重点关注图像中的防振锤区域；其次，引入结构重参数化方法，以将网络中的多分支结构无损失地转换为单分支结构，在提高网络检测性能的同时维持检测速度在较高水平；最后，以渐进式特征金字塔网络结构（AFPN）为基础，融合更多的浅层网络，提高了网络检测防振锤小目标的能力。

图2 不同情况下采集的防振锤现场图像

研究者发现，多尺度卷积注意力机制Conv-A以非常小的计算成本使网络关注图像中的防振锤区域，忽略背景区域，从而提升网络的检测精度。因此，Conv-A非常适用于提取具有多尺度特点的防振锤特征。

图3 防振锤小目标检测对比结果

相比单分支结构，多分支结构能帮助网络提取更多的特征，但推理速度却不如单分支结构。通过结构重参数化方式，可以在网络训练时使用多分支结构，推理时转换为单分支结构，并且保持检测性能不变，对网络平衡检测精度与速度做出显著的贡献。

图4 防振锤智能缺陷检测系统实物

通过改进渐进式特征融合结构，使更多的浅层特征被利用，同时解决了图像中防振锤大、中、小目标的特征冲突问题，使得网络具备了检测小目标的能力。实际收集的防振锤缺陷数据集实验结果表明，设计的检测方法可显著提升防振锤缺陷检测的性能，检测精度mAP0.5达到了91.9%，在TITAN XP平台下检测速度达60.88帧/s，可为输电线路防振锤智能化巡检提供参考。

他们指出，本工作将现场应用与算法研究相结合，共同提升了输电线路巡检工作中防振锤缺陷检测的效率，可以解决现阶段输电线路无人机巡检防振锤缺陷成本高、实时性差的问题。此外，目前本方法仅局限于对防振锤本体及缺损、变形、倒置结构缺陷的实时检测，未来将持续改进和优化检测网络，增加防振锤的锈蚀、移位等缺陷的检测研究，进一步为实现无人机智能化巡检提供参考。

本工作成果发表在2024年第11期《电工技术学报》，论文标题为“基于多尺度卷积注意力机制的输电线路防振锤缺陷检测”。本课题得到国家自然科学基金、西安市科技计划、陕西省科学技术协会青年人才托举计划、金属成形技术与重型装备全国重点实验室开放课题和西安工程大学博士科研启动基金的支持。