《面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)技術(shù)規(guī)范》

ICS35.240

CCSL70

團(tuán)體標(biāo)準(zhǔn)

T/CESAXXXX—2022T/CESXXX—2022

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)

技術(shù)規(guī)范

TechnicalspecificationforAIindustrialvisiononlineinspectionsystemfor

transmissionline

征求意見稿

在提交反饋意見時，請將您知道的相關(guān)專利連同支持性文件一并附上。

已授權(quán)的專利證明材料為專利證書復(fù)印件或扉頁，已公開但尚未授權(quán)的專利申

請證明材料為專利公開通知書復(fù)印件或扉頁，未公開的專利申請的證明材料為專利

申請?zhí)柡蜕暾埲掌凇?/p>

202X-XX-XX發(fā)布202X-XX-XX實(shí)施

中國電子工業(yè)標(biāo)準(zhǔn)化技術(shù)協(xié)會

發(fā)布

中國電工技術(shù)學(xué)會

T/CESAXXXX-2022T/CESXXX—2022

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)技術(shù)規(guī)范

1范圍

本文件規(guī)定了面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的基本結(jié)構(gòu)、功能要求和性能要求，描述了

對應(yīng)的測試方法。

本文件適用于在輸電巡檢領(lǐng)域中，具備設(shè)備檢測和環(huán)境檢測功能的工業(yè)AI視覺在線檢測系統(tǒng)的規(guī)

劃、設(shè)計和實(shí)施。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T2900.1電工術(shù)語基本術(shù)語

GB/T5271.34信息技術(shù)詞匯第34部分：人工智能神經(jīng)網(wǎng)絡(luò)

3術(shù)語和定義

GB/T2900.1、GB/T5271.34界定的以及下列術(shù)語和定義適用于本文件。

3.1

正檢truepositive

對于有異常的檢測樣本，識別為有異常的檢測結(jié)果。

3.2

誤檢falsepositive

對于無異常的檢測樣本，識別為無異常的檢測結(jié)果。

3.3

漏檢falsenegative

對于有異常的檢測樣本，識別為無異常的檢測結(jié)果。

3.4

系統(tǒng)檢測速度systemdetectionspeed

單個樣品從到達(dá)系統(tǒng)指定位置做圖像采集開始，到AI圖像處理輸出檢測結(jié)果所消耗的時間。

3.5

位置定位精度accuracyofpositioning

1

T/CESAXXXX-2022T/CESXXX—2022

對位置定位的準(zhǔn)確性度量，適用于評估設(shè)備缺陷檢測和環(huán)境隱患檢測等異常檢測應(yīng)用中的位置定

位精度，包含定位精確率、定位召回率和mAP。

3.6

異常識別精度accuracyofabnormalrecognition

對異常類型識別的準(zhǔn)確性度量，適用于評估設(shè)備缺陷檢測和環(huán)境隱患檢測等異常檢測應(yīng)用中的類

型識別精度，包含誤檢率、漏檢率、異常識別準(zhǔn)確率。

3.7

類型識別精度accuracyofclassification

對類型識別的準(zhǔn)確性度量，適用于評估開關(guān)閉合狀態(tài)識別、天氣狀況識別和等級判定等分類任務(wù)的

分類精度，包含分類精確率、分類召回率和分類準(zhǔn)確率。

3.8

讀數(shù)識別精度accuracyofdigitalrecognition

讀數(shù)識別正確的圖像數(shù)目與測試圖像總數(shù)的比例，適用于評估表計讀數(shù)識別的精度。

4縮略語

下列縮略語適用于本文件。

AI：人工智能（ArtificialIntelligence）

FTP：文件傳輸協(xié)議（FileTransferProtocol）

GIGE：千兆以太網(wǎng)通信協(xié)議（GIGabitEthernet）

IoU：交并比（IntersectionoverUnion）

mAP：平均精度（meanAveragePrecision）

SMTP：簡單郵件傳輸協(xié)議（SimpleMailTransferProtocol）

TCP：傳輸控制協(xié)議（TransmissionControlProtocol）

UDP：用戶數(shù)據(jù)報協(xié)議（UserDatagramProtocol）

5基本結(jié)構(gòu)

圖1面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)基本結(jié)構(gòu)

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)基本架構(gòu)見圖1，包括圖像采集模塊、AI圖像處理平臺、

運(yùn)維管理模塊和應(yīng)用服務(wù)模塊。

2

T/CESAXXXX-2022T/CESXXX—2022

a)圖像采集模塊包括攝像機(jī)與鏡頭，用于采集輸電線路中，電力設(shè)備和周邊環(huán)境的數(shù)字圖像信號。

所采集圖像用于傳輸至AI圖像處理平臺進(jìn)行檢測，并緩存于運(yùn)維管理模塊。其中的相機(jī)與鏡

頭要接受運(yùn)維管理模塊的調(diào)控，動態(tài)調(diào)整參數(shù)與配置。

b)AI圖像處理平臺包括模型的訓(xùn)練、驗(yàn)證、更新和部署，以及數(shù)據(jù)標(biāo)注等功能，用于對采集自輸

電線路的圖像進(jìn)行檢測，并將檢測結(jié)果反饋至應(yīng)用服務(wù)模塊。其中，模型和數(shù)據(jù)的處理要接受

運(yùn)維管理模塊和應(yīng)用服務(wù)模塊的調(diào)控，以根據(jù)運(yùn)維和應(yīng)用需求動態(tài)調(diào)整模型和數(shù)據(jù)。并且，其

檢測結(jié)果可緩存至運(yùn)維管理模塊，以供后續(xù)的統(tǒng)計與分析。

c)應(yīng)用服務(wù)模塊用于根據(jù)AI圖像處理平臺的檢測結(jié)果，面向用戶提供設(shè)備檢測和環(huán)境檢測功能。

其數(shù)據(jù)可緩存至運(yùn)維管理模塊以供統(tǒng)計與分析，并需要接受運(yùn)維管理模塊的調(diào)控以動態(tài)調(diào)整

應(yīng)用配置。

d)運(yùn)維管理模塊用于對圖像采集模塊、AI圖像處理平臺和應(yīng)用服務(wù)模塊進(jìn)行參數(shù)配置和管理，

并提供數(shù)據(jù)緩存、檢測結(jié)果的統(tǒng)計與分析、歷史告警信息查詢等功能。

6功能要求

6.1圖像采集模塊

圖像采集模塊應(yīng)支持如下基本功能：

a)應(yīng)支持可見光成像、紅外熱成像等一種或多種圖像成像方式；

b)應(yīng)支持受控和自動圖像采集模式，采集間隔可設(shè)置；

c)應(yīng)支持強(qiáng)光抑制、背光補(bǔ)償、圖像降噪、電子去霧、居中對準(zhǔn)、AI對焦變焦等一種或多種圖像

增強(qiáng)方式；

d)圖像傳輸應(yīng)支持FTP、TCP、UDP、SMTP、GIGE等一種或多種傳輸協(xié)議；

e)圖像傳輸應(yīng)支持USB、LoRa、ZigBee等一種或多種傳輸接口；

f)可見光成像像素應(yīng)支持200W、500W、1200W、2500W、2900W等一種或多種分辨率；

g)紅外熱成像像素應(yīng)支持160×120、240×180、320×240、384×288、640×480等一種或多種分辨

率；

h)圖像成像文件格式應(yīng)支持PNG、JPEG、TIFF、BMP等一種或多種格式；

i)圖像采集宜支持疊加采集時間、采集地點(diǎn)等信息。

6.2AI圖像處理平臺

AI圖像處理平臺應(yīng)支持如下基本功能：

a)應(yīng)支持?jǐn)?shù)據(jù)的準(zhǔn)備和標(biāo)注；

b)應(yīng)支持AI模型的訓(xùn)練、部署和更新；

c)宜支持圖像質(zhì)量檢測與篩選，濾除無法正常識別的低質(zhì)量圖像；

d)宜支持圖像幾何變換、圖像濾波、圖像歸一化、圖像插值等一種或多種圖像預(yù)處理方式。

6.3應(yīng)用服務(wù)模塊

應(yīng)用服務(wù)模塊應(yīng)支持如下基本功能：

6.3.1設(shè)備檢測

a)應(yīng)支持桿塔、導(dǎo)線金具、絕緣子等電力設(shè)備中外觀缺陷的位置定位、類型識別和等級判定；

b)應(yīng)支持溫度表、電壓表等表計的讀數(shù)識別；

3

T/CESAXXXX-2022T/CESXXX—2022

c)宜支持輸電線路的熱成像檢測。

6.3.2環(huán)境檢測

a)應(yīng)支持濃霧、積水、覆冰等天氣狀況的類型識別；

b)應(yīng)支持違規(guī)施工、人員動物入侵、煙火等周邊隱患的位置定位、類型識別和等級判定；

c)宜支持鳥巢、藤蔓等外部異物的位置定位、類型識別和等級判定。

6.4運(yùn)維管理模塊

運(yùn)維管理模塊應(yīng)支持如下基本功能：

6.4.1管理與維護(hù)

a)應(yīng)支持遠(yuǎn)程查看終端設(shè)備的運(yùn)行狀態(tài)；

b)應(yīng)支持遠(yuǎn)程設(shè)置終端設(shè)備的運(yùn)行參數(shù)；

c)應(yīng)支持對系統(tǒng)配置信息的增、刪、改、查等操作；

d)應(yīng)支持系統(tǒng)自檢、系統(tǒng)故障診斷及診斷信息上報等系統(tǒng)維護(hù)功能；

e)應(yīng)支持權(quán)限管理、任務(wù)管理、日志管理等輔助管理功能。

6.4.2遠(yuǎn)程巡視

a)應(yīng)支持遠(yuǎn)程查看現(xiàn)場實(shí)時畫面，以及歷史圖片和視頻；

b)宜支持立即巡視、定時巡視和周期巡視等一種或多種巡視方式；

c)宜支持配置巡視點(diǎn)位，規(guī)劃巡視路徑等功能。

6.4.3數(shù)據(jù)統(tǒng)計與分析

a)應(yīng)支持采集圖像、檢測結(jié)果和告警信息的存儲、導(dǎo)出和查詢；

b)宜支持異常的類型統(tǒng)計、時段分析等一種或多種統(tǒng)計分析功能。

7性能要求

7.1系統(tǒng)檢測速度

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的單張圖像平均檢測耗時宜不超過10s。

7.2位置定位精度

在IoU閾值為0.5時，面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的定位精確率宜不低于85%，定位召

回率宜不低于85%，mAP宜不低于80%。

7.3異常識別精度

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的誤檢率宜不高于15%，漏檢率宜不高于15%，異常識別準(zhǔn)

確率宜不低于80%。

7.4類型識別精度

面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的分類精確率宜不低于85%，分類召回率宜不低于85%，分

類準(zhǔn)確率宜不低于80%。

4

T/CESAXXXX-2022T/CESXXX—2022

7.5讀數(shù)識別精度

在相對誤差閾值為5%時，面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)的讀數(shù)識別準(zhǔn)確率宜不低于85%。

8測試方法

8.1功能測試

8.1.1圖像采集模塊

圖像采集模塊測試方法如下：

a)在面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)中運(yùn)行圖像采集模塊；

b)檢查圖像采集模塊能夠支持可見光成像、紅外熱成像等一種或多種圖像成像方式；

c)檢查圖像采集模塊能夠支持受控和自動圖像采集模式，采集間隔可設(shè)置；

d)檢查圖像采集模塊能夠支持強(qiáng)光抑制、背光補(bǔ)償、圖像降噪、電子去霧、居中對準(zhǔn)、AI對焦變

焦等一種或多種圖像增強(qiáng)方式；

e)檢查圖像傳輸能夠支持FTP、TCP、UDP、SMTP、GIGE等一種或多種傳輸協(xié)議；

f)檢查圖像傳輸能夠支持USB、LoRa、ZigBee等一種或多種傳輸接口；

g)檢查可見光成像像素能夠支持200W、500W、1200W、2500W、2900W等一種或多種分辨率；

h)檢查紅外熱成像像素能夠支持160×120、240×180、320×240、384×288、640×480等一種或多

種分辨率；

i)檢查圖像成像文件格式能夠支持PNG、JPEG、TIFF、BMP等一種或多種格式。

8.1.2AI圖像處理平臺

AI圖像處理平臺測試方法如下：

a)在面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)中運(yùn)行AI圖像處理平臺；

b)檢查AI圖像處理平臺能夠支持?jǐn)?shù)據(jù)的準(zhǔn)備和標(biāo)注；

c)檢查AI圖像處理平臺能夠支持AI模型的訓(xùn)練、部署和更新。

8.1.3應(yīng)用服務(wù)模塊

應(yīng)用服務(wù)模塊測試方法如下：

a)在面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)中運(yùn)行應(yīng)用服務(wù)模塊；

b)檢查應(yīng)用服務(wù)模塊能夠支持桿塔、導(dǎo)線金具、絕緣子等電力設(shè)備中外觀缺陷的位置定位、類型

識別和等級判定；

c)檢查應(yīng)用服務(wù)模塊能夠支持溫度表、電壓表等表計的讀數(shù)識別；

d)檢查應(yīng)用服務(wù)模塊能夠支持濃霧、積水、覆冰等天氣狀況的類型識別；

e)檢查應(yīng)用服務(wù)模塊能夠支持違規(guī)施工、人員動物入侵、煙火等周邊隱患的位置定位、類型識別

和等級判定。

8.1.4運(yùn)維管理模塊

運(yùn)維管理模塊測試方法如下：

a)在面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)中運(yùn)行運(yùn)維管理模塊；

b)檢查運(yùn)維管理模塊能夠支持遠(yuǎn)程查看終端設(shè)備的運(yùn)行狀態(tài)；

c)檢查運(yùn)維管理模塊能夠支持遠(yuǎn)程設(shè)置終端設(shè)備的運(yùn)行參數(shù)；

5

T/CESAXXXX-2022T/CESXXX—2022

d)檢查運(yùn)維管理模塊能夠支持對系統(tǒng)配置信息的增、刪、改、查等操作；

e)檢查運(yùn)維管理模塊能夠支持系統(tǒng)自檢、系統(tǒng)故障診斷及診斷信息上報等系統(tǒng)維護(hù)功能；

f)檢查運(yùn)維管理模塊能夠支持權(quán)限管理、任務(wù)管理、日志管理等輔助管理功能；

g)檢查運(yùn)維管理模塊能夠支持遠(yuǎn)程查看現(xiàn)場實(shí)時畫面，以及歷史圖片和視頻；

h)檢查運(yùn)維管理模塊能夠支持采集圖像、檢測結(jié)果和告警信息的存儲、導(dǎo)出和查詢。

8.2性能測試

8.2.1系統(tǒng)檢測速度

系統(tǒng)檢測速度的測試方法如下：

a)將數(shù)量為?的測試圖像輸入面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)，對檢測結(jié)果返回的時

間進(jìn)行統(tǒng)計；

b)通過公式（1）計算單張圖像的平均檢測耗時?，其中第?張圖像輸入檢測系統(tǒng)的起始時間記為

??1，檢測結(jié)果的輸出時間記為??2。

∑?(???)

?=?=1?2?1···················································（1）

?

式中：

?--單張圖像的平均檢測耗時；

?--測試圖像的總數(shù)；

??2--第?張圖像檢測結(jié)果的輸出時間；

??1--第?張圖像輸入檢測系統(tǒng)的起始時間。

8.2.2位置定位精度

位置定位精度的測試方法如下：

a)將一定數(shù)量的測試圖像輸入面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)，對返回的檢測框進(jìn)行

統(tǒng)計；

b)通過公式（2）計算檢測檢測框和標(biāo)注框之間的???，其中模型返回的檢測框的坐標(biāo)記為????，

人工標(biāo)注框的坐標(biāo)記為????；

???∩???

???=??··················································（2）

????∪????

式中：

????--檢測框的坐標(biāo)；

????--標(biāo)注框的坐標(biāo)。

c)???>0.5且類型識別正確的檢測框視為定位正確。

d)計算定位精確率、定位召回率和mAP。

定位精確率

對于某一類目標(biāo)，通過公式（3）計算位置定位的精確率??。模型預(yù)測結(jié)果中，該類檢測框的

數(shù)目記為??，其中定位正確的數(shù)目記為??。

??

??=×100%···················································（3）

??

式中：

??--定位精確率；

6

T/CESAXXXX-2022T/CESXXX—2022

??--模型預(yù)測結(jié)果中，該類檢測框的總數(shù)；

??--該類檢測框中，定位正確的數(shù)目。

定位召回率

對于某一類目標(biāo)，通過公式（4）計算位置定位的召回率??。樣本標(biāo)注中，該類標(biāo)注框的數(shù)目

記為??，其中被模型正確定位出的數(shù)目記為??。

??

??=×100%···················································（4）

??

式中：

??--定位召回率；

??--樣本標(biāo)注中，該類標(biāo)注框的數(shù)目；

??--該類標(biāo)注框中，被模型正確定位的數(shù)目。

mAP

對于所有類別的目標(biāo)，可通過以下兩個步驟計算???評估模型的整體定位性能：

a)首先，對于某一類目標(biāo)，如圖2所示，可通過?????曲線下面積計算當(dāng)前類別的平均精度??。

計算公式如（5）所示。

1

??=∫??(??)???···············································（5）

??=0

式中：

??--平均精度；

??--定位召回率；

??(??)--??處的定位精確率。

b)然后，對于所有類別，通過公式（6）計算所有類別??的均值???，其中類別數(shù)目記為K。

∑???

???=?=1?···················································（6）

?

式中：

???--平均??；

???--類別?的??；

?--類別數(shù)目。

圖2?????曲線示意圖

8.2.3異常識別精度

7

T/CESAXXXX-2022T/CESXXX—2022

異常識別精度的測試方法如下：

將一定數(shù)量的測試圖像輸入面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)，計算漏檢率、誤檢率和異

常識別準(zhǔn)確率。

漏檢率

對于某一類異常，通過公式（7）計算異常識別的漏檢率???，其中正檢數(shù)記為??，漏檢數(shù)記為??。

??

???=×100%··············································（7）

??+??

式中：

???--漏檢率；

??--漏檢數(shù)；

??--正檢數(shù)。

誤檢率

對于某一類異常，通過公式（8）計算異常識別的誤檢率???,其中正檢數(shù)記為??，誤檢數(shù)記為?。

?

???=×100%···············································（8）

??+?

式中：

???--誤檢率；

?--誤檢數(shù)；

??--正檢數(shù)。

異常識別準(zhǔn)確率

通過公式（9）計算異常識別準(zhǔn)確率??,其中正確識別的樣本數(shù)目記為??，測試樣本總數(shù)記為?。

?

?=?×100%··················································（9）

??

式中：

??--異常識別準(zhǔn)確率；

??--正確識別的樣本數(shù)目；

?--測試樣本總數(shù)。

8.2.4類型識別精度

類型識別精度的測試方法如下：

將一定數(shù)量的測試圖像輸入面向輸電線路的工業(yè)AI視覺在線檢測系統(tǒng)，計算分類精確率、分類召

回率和分類準(zhǔn)確率。

分類精確率

對于某一類別，通過公式（10）計算分類精確率??，其中分類正確的該類圖像數(shù)目記為??，模

型預(yù)測的該類圖像數(shù)目記為??。

??

??=×100%·················································（10）

??

式中：

??--分類精確率；

8

T/CESAXXXX-2022T/CESXXX—2022

??--分類正確的該類圖像數(shù)目；

??--模型預(yù)測的該類圖像數(shù)目。

分類召回率

對于某一類別，通過公式（11）計算分類召回率??，其中分類正確的該類圖像數(shù)目記為??，實(shí)

際標(biāo)注的該類圖像數(shù)目記為??。

??

??=×100%·················································（11）