中图分类号：TP391 文献标志码：A

架空输电线路对电力供应极为关键，由于输电线路广泛分布且所处环境错综复杂，传统方式存在成本高、效率低等问题。随着无人机技术快速发展，无人机巡检逐渐成为输电线路巡检的重要手段[1]。目前，已有多种无人机巡检方法应用于架空输电线路的巡检中。例如，王好阳[基于无人机倾斜摄影技术，侧重巡检路径规划和图像拼接算法，但是针对特定缺陷的识别能力有限，易受环境因素影响而产生误差。张晓琨[3运用无人机采集、预处理线路点云数据，借助金字塔分档管理与多尺度分类器实现自动分类，完成输电线路巡检，但是数据处理算法有局限，导致方法误差较大。针对现有巡检方法的不足，本文提出了一种基于注意力特征融合YOLOv7的架空输电线路直升机巡检方法。该方法借助直升机搭载高清摄像设备，运用YOLOv7目标检测算法及注意力机制，对采集图像进行高级特征融合与识别，提高图像解析能力，实现输电线路缺陷的精准识别与定位，为线路安全运维提供有力支撑。

1基于注意力特征融合YOLOv7的架空输电线路直升机巡检研究

1.1设定直升机巡检路径

当进行架空输电线路的直升机巡检作业时，必须根据地形复杂性的不同，有效排除各种外界干扰因素。在规划巡检路径前，需要先确立其限制条件。以最大路径偏移角作为限制因素来规划直升机最短航程，也就是最优的飞行路线。在规划阶段，必须针对上述设定的约束条件，对直升机飞行路径中的偏移进行必要调整，以保障整个巡检过程的安全性。巡检时产生的最大路径偏移角度如图1所示。

基于既定的约束条件，设定了一个目标函数，该函数负责在巡检时间内将各个空间点连接起来，进而形成由这些连接点构成的具体巡检路径。如果路径中包含 n 个空间点，那么可以推导相应的约束条件函数，如公式（1）所示。

式中： mi 为行驶距离； s 为惩罚因子。

在巡检路径的规划流程里，利用传感器来感知周围环境，并对感知数据进行前端的规划计算，确保所得路径具备高度的适应性，以契合巡检的实际需求。在这个过程中，把路径上的各个空间点看作是控制节点，并据此来设定直升机的行动自由度。通过评估空间场势的数值，可以确定直升机的最佳巡检路径。

图1巡检中最大路径偏移角

为了找到最优的巡检路径，从空间节点中挑选动力值最低的一点作为起始点，并反复进行迭代计算，直至得出最终的优化结果[4-5]。构建路径适应性评估函数，如公式（2）所示。

G=ax+by+cz+d

式中： d 为随机变量； ， Ψc 为环境效应系数。

通过求解函数可以得出路径适应性评估函数的最小值，并将此最小值对应的路径视为最符合要求的、最有效的巡检路径。

1.2基于注意力特征融合YOLOv7处理图像

由于架空输电线路巡检环境复杂且范围广泛，传统直升机巡检方式在数据收集与效率上存在局限。因此，采用基于注意力特征融合的YOLOv7模型来处理直升机巡检获取的架空输电线路图像，目的是为了提高对图像信息的解析能力，从而为后续的三维重构和故障检测工作奠定基础。

直升机一般会装备高清的摄像装置，从多个不同的视角捕获架空输电线路的图像信息，这些图像间存在视角差异，有助于增强场景的深度感知[，如图2所示。

这些参数间的关系如公式（3）所示。

式中： ν 为2幅图像间的视差。

为了精确提取输电线路的关键信息，需要对直升机获取的图像进行高级特征融合与识别。基于注意力特征融合的YOLOv7模型在此发挥了关键作用。该模型通过注意力机制提高特征图的表示能力，其匹配效果通过损失函数值来评估。损失函数如公式（4）所示。

式中： T（p） 为权重系数； p 和 q 为输入图像； V（p） 为 YOLOv7模型的损失值； I（p） 和 I（q） 为注意力机制引入 的损失项。

在YOLOv7框架内，注意力特征融合过程通过以下方式实现：首先，计算每个特征点的注意力权重，该权重反映了特征点对目标检测的重要性。其次，将权重应用于特征图，以增强关键特征并抑制噪声。这一过程如公式（5）所示。

式中： 为融合后的特征图； 为函数相似度度量结果； 为原始特征图； 为元素级乘法； e 为注意力权重矩阵。

为了确保检测结果的准确性，对YOLOv7模型的预测结果进行后处理，包括非极大值抑制（NMS）与边界框细化。NMS用于去除重叠的检测框，保留最佳匹配项；边界框细化则进一步调整检测框的位置与大小，以提高定位精度。

图2直升机巡检图像视角差异示意图

注：B为 A1 与 A2 之间的相对距离；f为摄像设备的焦距；A1和 A2 为从不同角度拍摄的摄像设备；P为架空输电线路；为输电线路在 A1 与A成像平面上的投影垂直坐标；H为输电线路的深度信息。

最终，处理后的架空输电线路图像集合记为 其中 i 和 j 分别代表图像的行和列索引。这些高质量图像为后续的虚拟现实（VR）场景构建、故障分析和维护决策提供了有力支持。

1.3构建输电线路三维虚拟场景

基于 ，运用VR技术来打造架空输电线路的三维虚拟环境。这个三维虚拟场景是基于无人机拍摄的架空输电线路图像来构建的，而具体的构建方法则是将VRML与3DSMAX结合。为了提高架空输电线路三维虚拟场景构建的及时性，并提高巡检的效率，运用透明材质贴图技术，以此来快速构建包含丰富数据的虚拟现实模型。

架空输电线路三维虚拟场景的构建流程如图3所示。

由图3可知，架空输电线路的实际物体与三维虚拟场景中的比例尺被设定为 1：400 3DSMAX软件通过车削等功能将二维图像转换成三维模型。在杆塔的三维建模过程中，放样功能起到了关键作用。实际操作时，首先需要确定一个合适的放样路径，然后再选择与这个路径对应的无人机拍摄图像。如果操作的顺序不正确，那么最终得到的杆塔三维模型将仅仅是一个二维的截面，这与所期望的三维建模目标是不相符的。

架空输电线路三维虚拟场景服务于巡检，对材质渲染要求低，仅需要展现基本特征[。根据实际需求设置材质渲染的参数，见表1。

表1材质渲染参数

所得到的架空输电线路三维虚拟环境如图4所示。构建架空输电线路三维场景，直观展现线路实况，可以为巡检工作提供便利。

图3架空输电线路三维虚拟场景构建程序图

图4架空输电线路三维虚拟场景示例图

1.4实现架空输电线路直升机巡检

基于已构建的架空输电线路三维虚拟场景，对直升机巡检过程中识别的架空线路故障特征集进行加载，并通过评估这些特征与虚拟场景之间的相似度来精确判断故障的类型和位置，随后生成相应的告警信息，为工作人员提供维护指导。评估虚拟场景与架空线路故障特征集合之间相似程度，如公式（6）所示[8]。

式中： ）为虚拟环境 Ki 与线路故障 Tj 的匹配度。

设定了一个阈值λ作为判断现实场景与架空线路故障相似程度的标准。当λ （Ki，Tj ）的值达到或超过λ时，认为在第 i 个虚拟场景中存在第 j 种类型的架空线路故障。利用虚拟场景与实际环境之间的比例对应关系，可以确定故障发生的地点，并通过发送告警信息的方式，及时地将这一信息传达给相关人员。

上述流程实现了架空输电线路的直升机巡检工作，为架空线路的安全稳定运行提供了坚实的保障。

2试验结果与讨论

2.1搭建试验环境

本次试验采用专用的直升机作为试验载体，根据架空输电线路巡检的具体需求，对直升机技术参数进行合理设置，具体参数见表2。

表2直升机参数

完成直升机及其搭载系统的整体搭建，为后续试验的顺利进行奠定坚实基础。

2.2试验说明

设计一项输电线路涉鸟故障巡检比较试验，选取基于无人机搭载激光雷达的输电线路智能巡检与基于无人机倾斜摄影的架空电力输电线路巡检作为2个对照组，即对比方法1与对比方法2。同时，将基于注意力特征融合YOLOv7的架空输电线路直升机巡检研究作为试验组。试验旨在通过对比分析，评估3种巡检方法在识别输电线路涉鸟故障方面的性能差异。

2.3直升机巡检路径规划

根据架空输电线路的实际情况，针对基于注意力特征融合YOLOv7的直升机巡检研究规划直升机巡检路径，规划成果如图5所示。

图5直升机巡检路径规划结果示意图

由图5可知，所规划的直升机巡检路径减少了复杂的迁回飞行，提高了操作简便性，有助于更有效地降低直升机的能耗。同时，该路径能够确保获取到输电线路的全方位信息。

2.4规划结果分析

规划所得架空输电线路巡检图像的匹配代价结果如图6所示。

图6架空输电线路巡检图像匹配代价结果

由图6可知，与其他2种对比方法相比，本文提出的方法在匹配代价上具有更出色的表现，其最小值达到了3，这充分证明了该方法在架空输电线路巡检图像匹配任务中的高效性。

试验所获得的输电线路故障判定结果见表3。

由表3可知，采用本文所提方法在架空输电线路直升机巡检中的缺陷识别准确率与实际缺陷类型高度一致，而对比方法1和对比方法2在某些情况下存在误判，说明所提方法在缺陷识别方面的准确性更高。

表3故障判定结果表

上述试验结果表明，与2种对比方法相比，本文所提方法的误差率更低，缺陷识别准确率更高，充分验证了该方法的有效性和实用性。

3结语

本文研究了基于注意力特征融合YOLOv7的架空输电线路直升机巡检方法，通过路径规划、图像处理、三维场景构建及故障识别等步骤，实现了对输电线路的有效巡检。该方法提高了图像信息的解析能力，为故障检测提供了坚实基础。然而，研究中仍存在一些不足，例如巡检路径规划算法需要进一步优化，以适应更复杂的地形，缺陷识别算法在特定条件下的鲁棒性也有待提高。未来工作将致力于改进算法性能，提高巡检效率和准确性，以满足架空输电线路安全运维的高要求。

参考文献

[1]刘维刚，刘新民，赵文瑞，等.基于多时间尺度和VR的输电线路涉鸟故障无人机巡检方法.微型电脑应用，2024，40（12）：255-258，263.

[2]王好阳.基于无人机倾斜摄影的架空电力输电线路巡检方法].电气时代，2024（12）：88-91.

[3]张晓琨.基于无人机搭载激光雷达输电线路智能巡检研究.电力设备管理，2024（24）：51-53.

[4]刘宏杰，陈泊远.基于无人机低空摄影技术的架空输电线路智能巡检方法[].电工技术，2024（3）：80-83.

[5]王志源.基于激光点云技术的架空输电线路目标建模方法].产业创新研究，2025（2）：109-111.

[6]潘可达，陈博帆，翟瑞聪，等.基于改进蚁群算法的架空输电线路无人机多目标巡检路径规划方法四.电气技术与经济，2025（1）：142-144.

[7]高嘉晗，张志伟，杨帆.基于注意力特征融合iAFFNet的路面破损检测[].中国科技论文，2024，19（12）：1321-1334.

[8]王涛，严永锋，汪滢，等.架空输电线路无人机巡检图像缺陷识别方法研究.科学技术创新，2024（24）：132-135.