输电线路锈蚀缺陷无人机自主飞行巡检方法

摘要

【目的】架空高压输电线路作为电力系统的重要组成部分，长期暴露于自然环境中，其金属部件易发生锈蚀，严重威胁电网的安全与稳定运行。传统人工巡检受制于高空作业的危险性和复杂性，难以实现全面、精准的缺陷检测。现有基于无人机的巡检方法虽在效率上有所提升，但在三维空间信息获取、路径规划精度和锈蚀识别准确性方面仍存在不足。本文旨在提出一种融合激光三维建模与支持向量机(SVM)的无人机自主巡检方法，以提升输电线路锈蚀检测的精度和效率，为电力系统智能运维提供技术支撑。【方法】采用多技术融合策略实现输电线路锈蚀的精准检测。利用激光三维扫描仪对输电线路及其周边环境进行扫描，并基于核密度估计函数处理点云数据，构建高精度三维模型。在无人机飞行控制方面，引入高度比参数识别障碍物，结合图像处理与声呐反馈实现恒定高度飞行，并基于边界框分析动态调整航向角，确保路径的安全性与高效性。在锈蚀识别环节，采用SVM模型对预处理图像进行特征提取与分类，通过数据规范化与分类超平面优化提高识别精度。实验中利用高分辨率摄像机(4 096像素×3 072像素)采集输电线路图像，共获得1 201张样本图像，并按7∶3比例划分为训练集和测试集以验证方法的有效性。【结果】实验结果表明，本文方法在路径规划和缺陷识别方面均具有显著优势。无人机能够精准避开随机障碍物，生成最优巡检路径，安全性与效率均优于对比方法。在缺陷识别方面，基于SVM模型在360张测试图像中的识别率稳定保持在95%以上，显著优于强化学习方法和深度残差网络方法，并在不同面积锈蚀缺陷的检测中表现出良好的适应性与稳定性。通过帧率(FPS)评价表明，该方法具备优良的实时检测性能，能够满足大规模输电线路巡检需求。可视化结果显示，该方法能够准确标记锈蚀区域，有效减少误检与漏检。【结论】所提出的输电线路锈蚀无人机自主巡检方法，融合激光三维建模、智能路径规划与优化的SVM模型，在路径规划精度、缺陷识别率及实时性方面均表现优异。实验验证了该方法在提高巡检效率、准确性和安全性方面的工程应用价值。未来研究将进一步提升算法在复杂环境下的适应性，并拓展其在其他电力设备缺陷检测中的应用。

关键词

输电线路 / 锈蚀缺陷 / 无人机巡检 / 路径规划 / 支持向量机 / 障碍物感知