基于Jetson-TX2的输电线路设备实时巡检系统

doi:10.3976/j.issn.1002-4026.2021.02.011

山东科学 ›› 2021, Vol. 34 ›› Issue (2): 81-89.doi: 10.3976/j.issn.1002-4026.2021.02.011

基于Jetson-TX2的输电线路设备实时巡检系统

杨学杰¹，陈文栋¹，许荣浩^2*，李宋林¹，李建业¹

1.国网淄博供电公司，山东淄博 255022；2.国网智能科技股份有限公司，山东济南 250002

收稿日期:2020-04-07 出版日期:2021-04-13 发布日期:2021-04-14
通信作者: 许荣浩，男，工程师，研究方向为输电线路智能识别。Tel：15615713601,E-mail:lnint_xuronghao@163.com E-mail:zbsdyjs@163.com
作者简介:杨学杰，（1970—），男，工程师，研究方向为输电线路运维检修。E-mail:zbsdyjs@163.com
基金资助:
国网山东省电力公司资助科技项目（2020A-108 ）

Real-time inspection system for transmission line equipment based on Jetson-TX2

YANG Xue-Jie¹,CHEN Wen-Dong ¹,XU Rong-Hao^2*, LI Song-Lin¹, LI Jian-Ye¹

1. State Grid Zibo Electric Power Company, Zibo 255032,China；2. State Grid Intelligence Technology Co., Ltd., Jinan 250002, China

Received:2020-04-07 Online:2021-04-13 Published:2021-04-14

摘要/Abstract

摘要： 针对输电线路及设备巡检效率低的问题，设计了一种基于Jetson-TX2的输电线路设备实时巡检系统。该系统包括基于YOLO v3算法的Jetson-TX2主控模块和云台相机控制模块。Jetson-TX2主控模块通过TensorRT加速库，对YOLO v3算法模型进行优化加速，完成视频流目标实时识别与定位；采用 PID算法控制云台(PTZ)相机，实现设备的高清图像采集。该系统对输电线路设备整体识别准确率达95%，可实现对视频流的实时检测，有效提高输电线路巡检效率。

关键词: 输电线路巡检, 视频实时检测, 算法加速, 云台控制, Jetson-TX2, YOLO v3, 目标定位

Abstract: To solve the problem of low efficiency of inspection of transmission line equipment, this paper designs a real-time inspection system for transmission line equipment based on Jetson-TX2. The main control module of Jetson-TX2 based on YOLO v3 and a Pan/Tilt/Zoom(PTZ) camera control module are included in this system. The YOLO v3 algorithm model is accelerated by TensorRT, which is transplanted in Jetson-TX2 to complete the real-time identification and positioning of the device target in the video stream. The PTZ camera is controlled by Jetson-TX2 to realize the high-definition image acquisition of the device through the PID algorithm. The system's overall recognition accuracy for transmission line equipment can reach 95%, which can realize real-time video detection. It can effectively improve the efficiency of transmission line inspection.

Key words: transmission line maintenance, real-time video detection, algorithm acceleration, PTZ control, Jetson-TX2, YOLO v3; target position

中图分类号:

TM755

杨学杰, 陈文栋, 许荣浩, 李宋林, 李建业. 基于Jetson-TX2的输电线路设备实时巡检系统[J]. 山东科学, 2021, 34(2): 81-89.

YANG Xue-Jie, CHEN Wen-Dong, XU Rong-Hao, LI Song-Lin, LI Jian-Ye. Real-time inspection system for transmission line equipment based on Jetson-TX2 [J]. Shandong Science, 2021, 34(2): 81-89.

参考文献 12

1	张星炜. 无人机在输电线路巡检中的应用[J]. 通信电源技术, 2020, 37(1): 234-235. doi: 10.19399/j.cnki.tpt.2020.01.097
2	卢锐. 输电线路智能无人机巡检及应用[J]. 低碳世界, 2019(12): 106-107. doi: 10.16844/j.cnki.cn10-1007/tk.2019.12.063
3	刘狄. 输电线路远程智能图像识别巡检技术研究[D]. 镇江: 江苏大学, 2019.
4	汤智谦, 杨斌. 输电线路通道可视化远程巡检实践分析[J]. 科学与信息化, 2019(34): 4.
5	田力. 输电线路杆塔无人机自动精细巡检系统研究[J]. 电力与能源, 2019, 40(2): 130-134. doi: 10.11973/dlyny201902004
6	董良. 500 kV输电线路巡检机器人设计与运动控制技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2019.
7	王丽娟. 基于深度卷积神经网络的绝缘子故障检测算法研究[D]. 天津: 天津工业大学, 2018.
8	戚银城, 江爱雪, 赵振兵, 等. 基于改进SSD模型的输电线路巡检图像金具检测方法[J]. 电测与仪表, 2019, 56(22): 7-12. doi: 10.19753/j.issn1001-1390.2019.022.002
9	张敏. 基于OneNet平台的输电线路在线监测系统的研究[D]. 青岛: 山东科技大学, 2018.
10	张昌赛. 机载LiDAR输电线走廊点云数据自动分类和树障预警分析方法研究[D]. 兰州: 兰州交通大学, 2018.
11	REDMON J, FARHADI A. YOLO v3: an incremental improvement[EB/OL]. [2020-04-01]. https://arxiv.org/abs/1804.02767.
12	HOWARD A G, ZHU M L, CHEN B, et al. MobileNets: efficient convolutional neural networks for mobile vision applications[EB/OL]. [2020-04-01]. https://arxiv.org/abs/1704.04861.

基于Jetson-TX2的输电线路设备实时巡检系统

Real-time inspection system for transmission line equipment based on Jetson-TX2

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献 12

相关文章 0

Metrics

本文评价

推荐阅读 0