基于AR眼鏡設備電力企業輸電線路檢修系統研究

國網陜西省電力公司延安市寶塔區供電公司 孫 濤

針對現有輸電線路檢修系統中存在的問題，本文提出了一種融合智能AR 眼鏡與紅外熱成像技術相結合的電力企業輸電線路檢修系統設計方案。該方案可實現智能AR 眼鏡與紅外熱成像技術的有機融合，能夠在保證巡檢工作質量的同時提升檢修效率并降低安全風險，從而提高輸電線路檢修系統的應用價值。

1 系統關鍵技術分析

紅外熱成像檢測技術是一種非接觸式的檢測技術，該技術能夠以非接觸方式對物體進行遠距離、實時、連續的溫度監測，從而達到對目標物體溫度狀況的了解。紅外熱成像設備不僅能夠獲取被測物體表面的溫度分布情況，而且能夠將溫度數據傳輸至后臺計算機，同時對設備內部部件進行熱成像。

可見光圖像技術與紅外熱成像檢測技術的融合能夠充分利用兩者各自的優勢，通過人工智能技術提取圖像中的有效信息，對設備進行故障分析、故障定位。通過分析紅外熱成像檢測技術與可見光圖像技術在輸電線路檢修系統中的應用，擬采用以下幾個關鍵技術。

紅外熱成像檢測技術與可見光圖像技術融合下的設備識別技術，即融合兩種檢測技術進行數據處理，從而實現對設備故障定位[1]。AR 眼鏡與紅外熱成像檢測設備、可見光圖像算法相結合的融合方式，能夠進一步提高紅外熱成像檢測系統的性能，并能夠在AR 眼鏡上顯示設備數據、歷史記錄和報警信息等。

1.1 紅外熱成像與可見光圖像技術融合

紅外熱成像檢測技術的檢測范圍廣，具有非接觸性、遠距離、實時等特點，并且不會受到環境因素的影響，因此可以實時、連續地對被測物體進行溫度監測，而可見光圖像技術的檢測范圍則相對較小，具有較強的靈活性和實時性。但由于紅外熱成像與可見光圖像技術在原理上存在差異，因此在具體的融合過程中，需要將兩種檢測技術進行融合，從而提高檢測結果的準確性和可靠性。由于紅外熱成像與可見光圖像技術都是通過紅外線輻射來反映物體表面溫度狀況的，因此紅外熱成像檢測系統對溫度的檢測依賴于被測物體自身的溫度。但由于被測物體表面溫度分布存在差異性，因此對于同一物體進行測量時，其測量結果存在差異[2]。

此外，由于紅外熱成像系統在檢測過程中不會受到外界環境因素的影響，因此所采集到的數據是完整、準確且可靠的。但是可見光圖像技術則不同，由于可見光圖像是利用物體自身發出的光來反映物體表面溫度狀況。在對其進行檢測時需要借助外界光源對圖像進行照射，而這一過程會導致圖像中出現過多噪聲。此外，由于可見光圖像技術所采集到的數據是零散且不完整的，難以對其進行有效處理。因此，對于紅外熱成像與可見光圖像技術融合過程中需要采用以下幾個關鍵技術。

1.2 AR 眼鏡與紅外熱成像檢測設備、可見光圖像算法融合

紅外熱成像檢測技術主要是利用不同溫度的物體的熱輻射在熱像儀上成像，從而測量被測物體表面的溫度，通過分析和處理熱像儀所拍攝到的圖像，能夠確定被測物體的溫度分布情況?？梢姽鈭D像算法主要是利用光流、光強等特性來對圖像進行處理，從而判斷是否存在異常。在紅外熱成像檢測技術與可見光圖像算法融合下，紅外熱成像檢測設備可以快速準確地完成對設備的狀態檢測，并通過可見光圖像算法實現對設備進行監控。

首先，紅外熱成像檢測設備能夠快速地將檢測結果反饋至后臺計算機，以便后臺計算機進行數據分析；其次，AR 眼鏡能夠顯示紅外熱成像檢測設備的實時狀態，同時還能與后臺計算機進行實時通信；最后，AR 眼鏡與紅外熱成像檢測設備、可見光圖像算法相結合后能夠對設備進行監控[3]。

可見光圖像算法可以通過識別并分析可見光圖像中的目標像素點，從而判斷目標是否存在異常。因此，將AR 眼鏡與紅外熱成像檢測設備、可見光圖像算法相結合后能夠更好地分析設備運行狀態并進行故障定位。通過紅外熱成像檢測技術與可見光圖像算法的融合能夠實現更高水平的應用。

2 輸電線路檢修系統設計

2.1 系統架構

輸電線路檢修系統主要由智能AR 眼鏡和紅外熱成像技術組成。其中，智能AR 眼鏡負責接收數據、分析數據并顯示結果，紅外熱成像技術負責采集圖像信息并對采集到的數據進行分析和處理，系統框架如圖1所示。

圖1 線路檢修系統架構

系統整體結構設計分為三個層次：數據層、信息層和應用層。數據層由傳感器設備、傳輸網絡和后臺服務器組成。傳感器設備主要負責采集輸電線路設備的運行參數，包括溫度、濕度、風速、風向、日照強度等；傳輸網絡主要負責將傳感器獲取的數據傳輸到后臺服務器中，并通過后臺服務器將處理后的數據傳輸給系統。信息層主要由用戶登錄界面和操作界面組成，包括用戶登錄界面、顯示界面、用戶界面等；應用層包括Web 客戶端和智能AR 眼鏡客戶端兩種形式，其中Web 客戶端主要負責接收用戶請求，并向后臺服務器發送相關信息；智能AR 眼鏡客戶端主要負責接收用戶請求并將其轉化為AR 圖像，然后通過AR 眼鏡進行顯示和處理。

智能AR 眼鏡的接口主要包括Web 服務器接口和安卓手機終端接口兩種形式，其中Web 服務器主要用于接收用戶請求并向后臺服務器發送相關信息；安卓手機終端接口主要用于接收智能AR 眼鏡發送的信息并將其轉化為AR 圖像。

2.2 AR 和熱成像處理系統

智能AR 眼鏡作為與用戶交互的平臺，采用輕量化設計，方便攜帶；采用人體工學設計，符合人體工程學的設計使得用戶佩戴更加舒適，同時也能適應不同身高的人員；紅外熱成像設備主要由紅外探測器、采集單元和分析單元組成。當有故障發生時，紅外探測器能夠將故障的位置和故障類型等信息傳送至采集單元，將接收到的信息進行分析并實時將分析結果發送至后臺管理系統，通過數據接口接收數據并進行處理和輸出。

后臺管理系統主要實現輸電線路設備的全生命周期管理，包括設備基礎信息管理、設備檢修管理、缺陷處理等功能模塊。其中，基礎信息包括設備基礎信息、檢修計劃和檢修記錄等內容；缺陷管理包括設備缺陷的類型和數量等內容；檢修管理包括對檢修計劃的審核和執行情況進行監管等內容；缺陷處理包括對需要進行維修的缺陷進行處理和維修結果的統計等內容。

3 系統設計

輸電線路檢修系統包含紅外熱成像設備數據采集、圖像識別與處理、基于AR 眼鏡的檢測數據存儲等模塊。在輸電線路檢修系統中，紅外熱成像設備主要用于電力線路設備的故障檢測，其具有對電力設備溫度進行實時采集的功能。利用AR 眼鏡對紅外熱成像設備進行圖像采集，并在AR 眼鏡上進行實時顯示。當電力設備發生故障時，用戶可以通過AR 眼鏡查看設備的圖像，從而及時了解設備的運行情況。

3.1 數據采集層

紅外熱成像設備通過對電力設備進行掃描，獲得電力設備的紅外熱圖像，并將紅外熱圖像和溫度數據保存在AR 眼鏡中，以供后續的分析處理使用。紅外熱成像設備數據采集層主要由紅外熱成像設備和AR 眼鏡兩部分組成。

紅外熱成像設備利用光電效應原理實現對電力設備的溫度采集。通常情況下，紅外熱像儀都具有可調焦的功能，可根據檢測環境調節紅外熱像儀的焦距，從而使檢測目標的溫度在圖像上呈現出更為清晰的效果。此外，通過調節焦距還可使紅外熱像儀拍攝出的圖像與溫度分布更加一致，從而更好地完成電力設備故障檢測。

AR 眼鏡作為一款智能終端，其具有視覺跟蹤、手勢識別等功能，能夠實現對電力設備的實時顯示與控制。通過AR 眼鏡對紅外熱成像設備進行掃描，并將掃描結果以AR 圖像形式傳輸到AR 眼鏡顯示層中。在AR 眼鏡上顯示的圖像與紅外熱成像設備掃描得到的圖像一致，從而完成數據采集。

電力線路中的電力設備通常具有數量龐大且種類繁多的特點，這就要求系統具有更強的數據處理能力。為保證數據采集層能夠有效地完成數據采集任務，需要對系統進行優化設計。在數據采集層中，系統采用多線程機制來對不同任務進行處理，以提高系統處理數據的效率。同時，利用數據壓縮技術對采集到的大量數據進行壓縮處理。在系統優化設計中，可根據任務不同對任務進行優先級排序。

3.2 信息層

紅外熱成像設備識別與處理模塊是輸電線路檢修系統的核心模塊，其通過圖像識別技術對紅外熱成像設備的故障進行判斷。其中，圖像識別技術主要包括基于深度學習的圖像識別和基于神經網絡的圖像識別。深度學習技術是利用計算機系統自動對海量數據進行處理、學習和分析，從而實現智能化。在此基礎上，結合深度學習和機器學習理論，設計了基于深度學習的紅外熱成像設備故障檢測方法。該方法將紅外熱成像設備的紅外熱像與其歷史數據進行關聯，并將歷史數據存儲到模型中。當設備發生故障時，利用訓練好的深度學習模型進行檢測。

本文在充分研究了紅外熱成像設備故障檢測技術后，針對現有技術中存在的問題進行了改進和優化。首先利用圖像特征提取算法對紅外熱成像設備進行預處理；然后基于多特征融合的深度學習方法，對紅外熱成像設備歷史數據中的特征信息進行提??；最后將提取到的特征與故障檢測模型結合起來實現紅外熱成像設備故障檢測。其中，數據采集模塊負責對紅外熱成像設備進行數據采集；圖像識別模塊負責對紅外熱成像設備進行圖像識別；基于AR 眼鏡的檢測數據存儲模塊負責對識別后的數據進行存儲。

3.3 應用層

在輸電線路檢修系統中，AR 眼鏡顯示層主要是將紅外熱成像設備采集到的圖像數據進行處理，并進行顯示。其包含了三個功能模塊，即圖像顯示模塊、數據交互模塊和三維地圖模塊。其中，圖像顯示模塊包括紅外熱成像設備、AR 眼鏡和后臺管理軟件。在設備端，通過AR 眼鏡的攝像頭將紅外熱成像設備采集到的紅外熱成像設備圖像數據進行采集并上傳至后臺管理軟件；在AR 眼鏡端，通過攝像頭對設備端采集到的數據進行讀取并將結果實時顯示于AR 眼鏡屏幕上；在三維地圖模塊，通過3D 地圖技術將實時顯示的數據與后臺管理軟件中的三維地圖進行匹配，實現數據交互。

4 結語

利用AR 眼鏡對紅外熱成像設備進行圖像采集，并在AR 眼鏡上進行實時顯示，當電力設備發生故障時，用戶可以通過AR 眼鏡查看設備的圖像，從而及時了解設備的運行情況。紅外熱成像設備通過對電力設備進行掃描，獲得電力設備的紅外熱圖像，并將紅外熱圖像和溫度數據保存在AR 眼鏡中，以供后續的分析處理使用。

為了保證數據采集層能夠有效地完成數據采集任務，系統采用多線程機制來對不同任務進行處理，同時利用數據壓縮技術對采集到的大量數據進行壓縮處理。紅外熱成像設備識別與處理模塊通過圖像識別技術對紅外熱成像設備的故障進行判斷。在輸電線路檢修系統中，AR 眼鏡顯示層主要是將紅外熱成像設備采集到的圖像數據進行處理，并進行顯示。