1、方案概述
目前我国已形成华北、东北、华东、华中、西北和南方电网共6个跨省区电网，110 kV以上输电线路已达到近51.4万KM。相关数据表明，我国输电设备在国家电网建设上比重越来越大。随着电网的日益扩大，巡线的工作量也日益加大，100KM的巡线工作需要20个巡线人员工作一天才能完成。传统的巡线方式已经满足不了现代电力系统的广泛需求。
传统巡线方式面临的困难有：
（1）劳动强度大、工作条件艰苦，而且劳动效率低，遇到供电网紧急故障和异常气候条件下，线路维护人员不具备有利的交通优势、利用普通仪器或肉眼来巡查设施。这种方式已经不能完全适应现代化电网建设与发展的需求。
（2）近年来大量采用了直升机、无人机和巡检车，利用高速相机进行拍照，但是积累的大量数据的分析仍需耗费大量人力。急需先进、科学、高效的智能数据分析方式。
（3）为保障用电安全，电网运维单位需要不断对高压输电线路和杆塔进行巡检，及时发现部件损毁、缺陷以及环境风险，采取措施确保输电安全。目前各电网运维单位大量采用直升机或无人机航拍，再由专业人员对航拍图像进行分析解读。
为提高管理效率，采用统一规范对航拍图像进行命名，我们基于AI智能识别技术开发了输电线路杆塔塔型和部件识别和标注应用软件，实现了对航拍图像的自动化识别、去重优选和规范化命名等功能。支持T型塔、干字塔、猫头塔等十余种塔型；可识别塔头、塔基、号牌、地线挂点、防振锤、绝缘子串、塔端挂点、线端挂点、跳串、避雷器等数十种部件；可区分左中右、上中下相；实现对航巡图像的自动归类和编码，是数字化输电廊道工程建设的重要工具。
2、主要功能
（1）原始数据导入
将大量巡检图片导入系统，建立结构化数据表达，生成缩略图提高前端显示性能。
（2）质量评估和智能去重
基于图像识别和质量评估算法，将注意点集中于应该集中的部件，实现图像择优和精准去重。
（3）智能识别
基于海量标注数据，利用卷积神经网络，开发部件识别模型。结合电网的杆塔建设技术规范，定义不同塔型的部件构成（必有部件和可选部件），进行巡视拍摄图像是否存在部件缺失进行评估。实现了：杆塔类型识别模型（TypeReg）、杆塔部件识别模型（CompoReg）。
（4）部件缺失检测
部件识别精度决定了部件缺失评估功能的可用性。为提高综合可用性，利用AI技术提取线路杆塔分布特征和杆塔部件组成特征（LineFeatureAnalysis）和人员拍摄习惯（HumanHabitAnalysis），辅助进行部件识别。对单一图像内出现多种部件的情况，结合目标检测技术进行多部件检出（CompoDetect），再结合部件识别模型进行综合判断。对数量不定的部件（如引流线跳串、地线挂点），可以从杆塔所有图片中再次进行目标检测并统计，根据统计结果判断是否存在漏拍。
（5）规范化批量命名和数据导出
3、应用前景
输电线路巡检图像质量评估和去重，杆塔零部件识别，是巡检规范化作业的第一步，是图像分析智能化的基础。随着航拍巡检占比的逐渐增多，人工智能在图像研判快速查缺方面越来越受到重视，必将成为线路运维企业降本增效的利器。