基于图像识别的架空线路通道树障自动巡检技术 CNR218-054

这个项目要解决什么背景问题？

某供电局架空线路约3,500km穿越林区段约800km——树障是跳闸的第二大原因（占比约25%）。DL/T 741要求导线与树木的最小净空距离为3.5m（35kV）和1.5m（10kV），每年须对线路通道进行一次树障专项巡检。传统方式为两人一组沿线路徒步目视——看树木顶端与导线之间的大致距离，凭经验判断"够不够安全"。800km林区段加上进出的步行时间，全年全检需约120工时。目视判断的误差可达±1至2m——靠近3.5m界限的树木完全不稳定——或者过度砍伐（浪费青赔费），或者不够砍伐（线路跳闸）。

现场存在哪些具体问题？

目视判断误差±1至2m。全检800km需约120工时。找不到具体树障位置——"约第150号杆附近"的描述对于80m档距的一个塔段而言太模糊，护线员须反复搜索。过量砍伐导致青赔纠纷。

本项目的创新目标是什么？

三项目标：一、以无人机自动航拍线路线路通道的高分辨率照片（含GPS坐标），树障净空距离经AI分析后精度±30cm；二、全检800km从120工时缩至20工时以内；三、树障热点自动生成带有GPS坐标的消缺清单。

技术方案如何实现？

无人机以约50m高度沿线路飞行（航向重叠率约60%），搭载可见光RGB相机（分辨率约4000×3000）拍摄头顶俯拍照片（nadir view）。照片经RTK标注GPS坐标后拼接为正射影像（orthomosaic，分辨率约2cm/pixel）。AI模块采用DeepLabV3+语义分割模型——训练了约3,200张林区标注图像（三类：树木/导线/地面），分割出图像中每一像素的类别。树障判断算法：在分割结果中，沿每一段导线绘制缓冲带（宽约±2m），查找缓冲带内的树木像素——计算树冠顶点到导线的垂直距离（利用相邻两张带有不同视角的正射影像做立体测高，或利用已知的无人机飞行高度和相机的内参做单视锥计算），精度约±25cm。所有树冠至导线距离<安全距离（3.5m/1.5m）的位置自动生成树障热点——含GPS坐标、最近距离和树冠面积大小——推送到护线员的手机App，护线员按GPS导航直达消缺。

创新亮点有哪些？

AI识别替代人眼目视——精度从±1至2m升至±25cm——过砍和欠砍同时消除。正射影像一次飞行拍全——全检800km从约120工期缩至约12个飞行日（约18h飞行时间）。GPS精确树障坐标——"约第150#附近"变成"GPS坐标 23.2245,113.3940，树距离导线2.1m"，护线员直接导航前往。

落地应用效果如何？

2025年5月完成约200km林区段的AI树障巡检。识别树障热点约85处——经人工复核确认其中约80处确实与导线净空<3.5m。砍伐量从以往的"整段砍"（约200棵树/段）精确缩至"仅需砍约5至8棵树/段"——青赔费用降低约60%。

产出物：无人机RGB正射影像数据集（约200km）、DeepLabV3+树障识别模型、手机App和消缺导航接口1套。

适用场景：穿越林区的架空输电线路通道树障巡检和消缺导航。

⚠️ 安全提示：无人机飞行须遵守线路附近禁飞区的规定，飞行高度须保持距导线>15m的安全间隔，不可在对导线距离<10m的高度悬停过久。

常见问题

Q：该创新成果的适用场景有哪些？

A：本成果适用于电力系统各类相关作业场景，包括但不限于变电站运维、输电线路检修、配电作业等。具体应用时可根据现场实际情况进行调整。

Q：与传统方案相比，主要优势是什么？

A：主要优势体现在作业效率提升、安全风险降低、操作便捷性增强等方面。经过实际应用验证，综合效益显著。

Q：后续是否有升级计划？

A：将根据现场应用反馈持续改进改进，进一步提升性能和适用性，拓展更多应用场景。

数据来源：项目验收报告及现场应用统计，单位信息已脱敏处理。