（国网福建省电力有限公司福州供电公司 福建省福州市 350009）
摘要：高空施工机械过于靠近高压架空输电线路影响输电线路安全供电问题，本文分析了各类设备及作业行为对输电线路的影响，对车辆识别方法进行研究，实现了航拍输电线路图像中工程车辆识别的精确检测，及时发现威胁输电线路安全运行的施工工程，对其进行分析告警，降低事故发生率。
关键词：输电线路；工程车辆；安全限距
1.引言
随着经济快速发展，各行各业对电力的需求越来越多，我国电网的建设规模越来越大，高压架空输电线路大幅扩建，有很多威胁输电线路安全的情况不能及时发现。近年来，由于高空施工机械过于靠近高压架空输电线路而引起的事故越来越多，很多施工人员不懂电力，对于安全距离的概念没有一定的了解，也没有电力专业人员对其进行指导，事故发生就不可避免。因此，需要经常观察和监测输电线路下的情况，对于处在输电线路下的高空施工工程要对其行为进行监测。
目前，无人机巡检逐渐成为高压输电线路巡检的重要发展方向。但是，航拍巡检过程中获取的图像或者视频资料，数量非常大，如果采用人工筛查、人工分析和判断的方式，直接处理巨大的视频和图片信息，无疑是非常艰苦的工作，并且很容易遗漏关键信息。显然，这种人工判读的方式效率低、受主客观因素影响大、测量精度、巡检效率难以保证。因此，对航拍图像中的工程车辆进行智能识别，及时发现威胁输电线路安全运行的施工工程，降低事故发生率。
2.各类设备及作业行为对输电线路安全的影响
1）爆破施工
①爆破施工时容易产生飞石，碰到导线或者杆塔，会对其造成损失；②当爆破距离较近时，爆破产生的杂物容易悬挂到导线上，可能造成线路短路跳闸；③爆破施工会引起较强的震动，有可能导致杆塔损伤。
2）塔式起吊机
①塔式起吊机的吊臂、斜拉杆等较长，容易与导线距离较近，当安全距离不足时，会产生放电；②作业过程中塔式起吊机的吊臂有可能会折断，塔身有可能会倾倒，碰到导线或者杆塔，会对其造成损伤。
3）挖掘机
①挖掘机作业时斗壁易与导线过近，因安全距离不足会产生放电，造成施工人员触电等事故；②当挖掘机作业区域离杆塔较近时，易将杆塔接地网挖断，也可能导致杆塔周围塌方事故；③挖掘机作业时会引起较强的震动，可能导致杆塔基础不稳定；④行驶时穿越导线时，容易造成安全距离不足而发生放电。
4）起重机
①起重机吊臂较长，易与导线距离过近，导致安全距离不足发生放电，造成人员损伤及电力设施损坏；②作业过程中起重机有可能会发生整体倾倒、吊臂折断等情况，容易碰到杆塔，对杆塔造成损伤；③行驶时穿越导线时，容易造成安全距离不足而发生放电。
3.研究理论基础
3.1特征提取和选择
特征提取和选择的基本任务是从许多特征中找出那些最有效的特征。特征分为物理的、结构的和数学的三种。现实中，人们通常利用物理和结构特征来识别对象，因为这样的特征容易被视觉、触觉以及其他感觉器官所发现。但在用计算机构造识别系统时应用这些特征比较复杂，而机器在抽取数学特征的能力方面则又比人强得多，且数学特征也便于计算机分析和处理。
特征提取是在图像处理过程中进行的第一个运算，是对图片中的每个像素进行检测，确定其是否代表一个特征。特征提取过程是通过高斯模糊核将输入的图像在尺度空间中被平滑，然后通过局部导数运算来计算图像的一个或多个特征。特征提取的特点是 “可重复性”，即对于不同图像，提取同一场景的特征是相同的。图像特征包括颜色特征、纹理特征、形状特征、空间关系特征等。针对不同的特征有不同的提取方法。例如，对于颜色特征，通常采用颜色直方图法；纹理特征的提取方法有统计法、几何法、模型法、信号处理法等；对于形状特征，常用的提取方法有边界特征法、傅里叶形状描述符法、几何参数法等；图像空间关系特征的提取方法有两种：①首先将图像进行分割，对包含对象或颜色的区域提取图像特征，并建立索引；②将图像简单的划分为若干均匀的子块，对每个子块提取图像特征，并建立索引。
特征选择也叫特征子集选择，是指从已有的特征中选出能使系统的特定指标最优化的特征子集。特征选择将高维空间的样本通过映射或者是变换的方式转换到低维空间，达到降维的目的，然后通过特征选取删选掉冗余和不相关的特征来进一步降维。特征选取的原则是获取尽可能小的特征子集，不显著降低分类精度、不影响类分布以及特征子集应具有稳定适应性强等特点。特征选择方法中有4个基本步骤：候选特征子集的生成（搜索策略）、评价准则、停止准则和验证方法。
特征的提取和选择应满足几个要求：①为表达信息项的内容，抽取的特征和属性应尽可能完整；②特征的表示和存储应简练，以降低复杂度和节省存储空间；③特征之间的距离计算应该是有效的，否则系统的响应时间会太长。
3.2机器学习模型
提取出来对象的数学特征和属性，即为建立机器学习模型所需要的样本特征表象。利用这些样本及其特征参量，建立特征表象参量库，训练分类器，以在新的未标记样本到来时，完成目标检测和识别等任务。机器学习系统的基本结构包含环境、学习、知识库及执行。环境和知识库是以某种知识表示形式表达的信息的集合，分别代表外界信息来源和系统所具有的知识。系统的学习环节向环境学习一些信息，并对知识库进行改进，以完善知识库，提高执行环节的能力。系统的执行环节是根据知识库中的信息来完成任务，同时将得到的信息反馈到学习环节。
4.车辆识别方法研究
车型识别的目的是对待识别车辆进行车型的判别，它借助于计算机技术，通过分析比较待识别车辆侧面视觉特征信息实现的。车型识别技术是对车辆轮廓特征识别的一种技术，通过判别待识别车辆侧面视觉轮廓特征来识别车型的。首先对常见的对输电线路安全影响的工程车辆颜色进行统计，这样可以利用工程车辆颜色特点进行筛选，然后采用机器学习模型对工程车辆进行识别。
基于机器学习的工程车辆识别，其核心在于机器学习。机器学习的目的是根据给定的训练样本求取对系统输入输出之间依赖关系的估计，使它能够对未知输出做出尽可能准确的预测。其原理为：采集获得足够多的多媒体数据，完成数据的标定，获得建立机器学习模型所需要的样本以及样本标记。利用这些样本及其标记，建立正负样本库，采用机器学习方法训练分类器，对新的未标记样本进行类别的预测。
在输电线路区域获取航拍现场样本，经过识别处理，得到的结果如图4.1所示，可以正确识别输电线路下工程车辆，并标记。
5.总结
本文研究了基于机器学习的工程车辆识别方法，实现了航拍输电线路图像中工程车辆的智能识别。识别方法先采用车辆的颜色特征进行初步筛选，然后采用机器学习进行工程车辆识别，达到对输电线路下工程车辆的精确识别。
参考文献：
[1] 丁月明，高电压现场施工安全距离报警新技术及样机开发研究.华中科技大学，2011.
[2] 陈亮，王波，蒋才明.智能输电线路巡检系统设计与实现.电工电气，2014，2014，（9）：50-53.
[3] 陈锡阳，王艳玲，黄河等.一种新的架空输电线路安全限距计算模型.电力科学与工程，2015，31（2）：60-65.
[4]王超，刘翠响.视频图像中车辆的车型识别算法研究与实现.天津市电子学会年会，2013.
[5]张侃.多旋翼无人机在输电线路巡检中的运用及发展.现代工业经济和信息化，2013（6）：72-73.
[6]谢敏，王朝斌，魏萍.基于灰度图像的阈值分割改进方法.科技世界，2013（22）：50-52.
[7]文学志，方巍，郑钰辉.一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法.电子学报，2011，39（5）：1121-1126.
[8]仝卫国.基于航拍图像的输电线路识别与状态检测方法研究.华北电力大学，2011.
论文作者:王景
论文发表刊物:《电力设备》2016年第18期
论文发表时间:2016/12/2
标签：特征论文; 线路论文; 车辆论文; 杆塔论文; 图像论文; 工程论文; 样本论文; 《电力设备》2016年第18期论文;