基于人工智能的管线巡检无人机系统可行性研究

奥瑞思智能科技（天津）有限公司

基于人工智能特性、自动化程度较高的无人机智能图像识别技术、无人机视频实时传输与分发技术、线状目标自动跟踪技术，可为油气管道、输电线路巡检采集数据并进行专业分析，为管道和输电线路管理和维护提供数据支持，将对行业发展产生极大影响。

针对现有无人机油气管道巡检、高压输电线路巡检系统存在的实时性差、自动化程度低、智能化应用水平有限等问题，需要研究无人机视频实时传输与分发、线状目标自动跟踪、智能图像识别等技术，形成一套基于人工智能的巡检无人机系统；并通过技术成果转化和试制，研制巡检无人机系统。

目前油气管道和电力输电线路多布设在荒郊野外，地形复杂，人工巡检困难，管道和线路由于暴露在野外，会遭受风、雨、雪等自然因素，以及施工、植树等人为因素的影响，须及时排查，找出缺陷位置和缺陷类型；其次管道和线路在野外环境运行，气象条件复杂、现场环境多变，导线、避雷线、绝缘子、金具长时间运行后，受各种因素长期影响，可能发生断股、锈蚀、过热等情况。过去依靠人工逐个杆塔巡检的作业方法，巡检工作量大、复杂的地理环境给巡检人员带来未知的安全风险。同时人工巡检方式消耗大量人力及物资，使更多深入的工作无法有效展开。

无人机具备高空、远程、快速、自主作业能力，正逐渐取代人工巡检。无人机可以穿越高山、河流对电力输电线路进行快速巡检，对架空线路的铁塔、支架、导线、绝缘子、防震锤、耐张线夹、悬垂线夹等进行多光谱快速摄像和故障监测。

无人机巡检具有受地形限制小、塔头巡检效果好、效率高、操控简单、可快速部署、巡检成本低等优点，在巡检范围、内容和频次上，可作为人工巡检的有效补充。但是在巡检过程中，现有技术普遍存在过于依赖图像拼接以及背景差分方法、物体检测以及识别精度不高等问题。

基于人工智能的巡检无人机系统应具备起降便捷，能实时传输高清影像，使用半径应大于100km，能够完成视频分发，并实时回传至后方指挥调度点，具备线状目标自动跟踪功能；智能图像识别系统对车辆、人员等异常目标的检出率应不低于90%。

背景与必要性

政策文件要求

2017年12月，工业和信息化部已下发有关人工智能的文件，文件指出，为贯彻落实国务院发布的《中国制造2025》和《新一代人工智能发展规划》，加快人工智能产业发展，推动人工智能和实体经济深度融合，制定并实施《促进新一代人工智能产业发展三年行动计划(2018-2020)》（下称《行动计划》）。

根据文件可知，国家将通过实施四项重点任务，力争到2020年，完成一系列人工智能标志性产品研制并取得重要突破，具体包括人工智能重点产品规模化发展、人工智能整体核心基础能力显著增强、人工智能技术在关键技术装备中快速集成应用、人工智能产业支撑体系基本建立。文件强调，在2018～2020年内，重点培育智能无人机、智能网联汽车、智能服务机器人等八大类人工智能产品;重点突破智能传感器、神经网络芯片、开源开放平台三大核心人工智能技术;同时完善5G通信技术与算法训练数据库等人工智能配套体系。在把握人工智能发展趋势、构建完善新一代人工智能产业体系基础上，为我们描绘了到2020年人工智能行业发展的宏伟蓝图。

在智能无人机领域，《行动计划》指出要支持智能避障、自动巡航、面向复杂环境的自主飞行、群体作业等关键技术研发与应用，推动新一代通信及定位导航技术在无人机数据传输、链路控制、监控管理等方面的应用，开展智能飞控系统、高集成度专用芯片等关键部件研制。

由多部委联合制定的《“互联网+”人工智能三年行动实施方案》，明确提出推动人工智能技术在无人系统领域的融合应用，发展无人机、无人船等多种无人装备。加快消费级和行业级无人系统的商用化进程，完善无人飞行器等无人系统的适航管理、安全管理和运营机制。提升无人系统智能化水平，推动在物流、农业、测绘、电力巡检、安全巡逻、应急救援等重要行业的创新应用。

行业实际需求

中国信息通信研究院发布的《全球人工智能战略与政策观察（2020）》报告称，截至2020年12月，全球已有39个国家和地区制定了人工智能战略政策、产业规划文件。中国电子信息产业发展研究院发布的《人工智能“新基建”发展白皮书》称，新一代人工智能为代表的科技和产业革命正在孕育兴起。数字化、网络化、智能化的信息基础设施加速构建，正成为构建现代化的数字经济体系、推动经济社会高质量发展的重要驱动力量。

图1 基于人工智能的无人机正在巡检输电线路。

随着输电高压等级不断提高，输电线路巡检作业对维护区域的电网安全、稳定、高效运行越来越重要，也是电网运行的当务之急。输电线路跨区域分布，点多面广，长期暴露在野外，受持续机械张力、雷击损伤、材料老化、覆冰以及人为因素影响，易产生倒塔、断股、磨损、腐蚀、舞动等现象，这些问题必须及时解决或更换电线和设施。绝缘子还存在被雷击损伤、树木生长引起高压漏电以及绝缘性能下降而导致输电线路事故，杆塔存在被偷盗等意外事件，必须及时处理这些问题。对山区和跨越大江大河的输电线路巡检，以及冰灾、水灾、地震、山体滑坡、夜晚期间巡检，传统人工巡检所花时间长、成本高、困难大，而且某些线路区域和某些巡检项目，人工巡检目前还难以完成。

巡检无人机系统涉及飞行控制与导航、通信、图像识别、信息快速处理、感知与规避等多种技术。对无人机巡检数据进行专业分析，为电网管理和维护提供数据支持。无人机巡检工作能在完全带电环境下迅速完成，作业范围大，而且不为污泥和雪地所困扰。

油气管道、电力线路安全形势日趋严峻

我国油气管道具有总里程长、建设年代跨度大、安全事件和事故多发等特点，并且管道总里程呈高速增长趋势，安全形势更加严峻，应加强管道安全管理。而依赖传统人工巡检显然无法满足要求，需要采用更科学的管理办法和技术手段，无人机巡检技术已经在国内外石油天然气行业应用。

而油气输配管网长期埋设在地下，管道长期或超期服役会导致力学性能下降、管道内外壁腐蚀，受自然和地质灾害，打孔盗油，第三方人为破坏等各种不确定性因素影响，对系统安全运行带来潜在的巨大危害。一旦发生泄露或者爆炸事故，将严重威胁人民群众生命和财产安全。

图2 巡检员检查电力塔架。

电力线路是电网中十分关键的一个组成,它能否安全有效运行，将直接影响一个国家的经济平稳有序发展。“十二五”期间，我国电网建设经历了高速发展阶段，规模已跃居世界首位。目前我国已经建成南方、西北、华东、华中、华北和东北共六大跨省区电网，500kV及以上的输电线路已成为各区电网输电主力。我国国土幅员辽阔，地形也相对复杂，丘陵较多、平原较少，加上气象复杂多变，给跨区电网和超高压输电线路工程的建设带来一定难度，而且建成后的维修与保养，仅依靠现有检查手段和常规测试并不能满足高效快速的要求，也达不到很好的巡检效果。若不能及时查出问题,并立即修复和解除隐患,有可能引发各类线路问题,对电网来说就像是一个随时爆炸的炸弹,后果不堪设想。

人工智能技术方兴未艾

人工智能是一门融合计算机科学、统计学、脑神经学和社会科学的前沿学科。它的目标是希望计算机拥有像人一样的智力能力，可以替代人类实现感知、认知、分类和决策等多种功能。人工智能在发展过程中产生了很多流派，如符号主义、连接主义和行为主义。这些流派相辅相成，推动了人工智能技术的发展。

符号主义

符号主义又称逻辑主义、心理学派或计算机学派。符号主义认为，人工智能源于数学逻辑，人的认知基源是符号，认知过程即符号操作过程，通过分析人类认知系统所具备的功能和机能，然后通过计算机来模拟这些功能，从而实现人工智能。符号主义的发展大概经历了推理期即20世纪50年代至20世纪70年代，知识期即20世纪70年代至今。

在推理期，人们基于符号知识表示、使用演绎推理技术取得了很大成就；

在知识期，人们基于符号表示、通过获取和利用领域知识建立专家系统，取得了大量成果。

连接主义

连接主义又称仿生学派或生理学派。连接主义认为，人工智能源于仿生学，特别是对人脑模型的研究，人的思维基元是神经元，而不是符号处理过程。20世纪60～70年代，以感知机(Perceptron)为代表的脑模型研究出现热潮，由于受当时理论模型、生物原型和技术条件限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到霍普菲尔德（J．J．Hopfield）教授在1982年和1984年分别发表两篇重要论文，提出用硬件模拟神经网络后，连接主义又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。进入21世纪后，连接主义卷土重来，提出了深度学习概念。

机器学习

二十世纪80年代，机器学习成为一个独立的科学领域，各种机器学习技术百花初绽。事实上，机器学习在20世纪80年代正是被视为解决公式工程瓶颈问题的关键而走上人工智能主舞台。费根鲍姆（E．A．Feigenbaum）等人在著名的《人工智能手册》中，把机器学习划分为机械学习、示教学习、类比学习和归纳学习。我们目前所说的机器学习方法，一般认为是统计机器学习方法。

机械学习将外界输入信息全部存储下来，等到需要时原封不动地取出；

示教学习和类比学习就是从指令中学习和通过观察和发现学习；

归纳学习就是从样例中学习，二十世纪80年代以来，研究最多的是归纳学习，它包括监督学习、无监督学习、半监督学习、强化学习等。归纳学习有两大主流，一是符号主义学习，其代表包括决策树和基于逻辑的学习；二是基于神经网络的连接主义学习。

二十世纪90年代中期，统计学习闪亮登场，并迅速占据主流舞台，代表性技术是支持向量机以及更一般的“核方法”。

进入20世纪以来，以人工神经网络为基础的人工智能有了长足发展，尤其是在目标检测、目标分类、目标识别等计算机视觉领域。进入2010年以后，以计算机视觉系统识别（Imagenet）比赛为标志，随着计算能力的提高，尤其是GPU计算设备的进步，卷积神经网络在计算机视觉领域开始慢慢超越人类对物体的检测、分类精度，研究人员相继提出AlexNet、GoogleNet、VGGNet、ResNet、MobileNet等卷积神经网络结构，使以卷积神经网络为代表的人工智能技术在计算机视觉领域的发展越来越快。

信息技术推动无人机产业发展

在国外，无人机机载传感器巡检试验研究约始于70年代初期，在不断改进后，故障维修费用逐年递减，到1987年，其费用已低于初期费用的一半。接头检查结果有微温、温、热和异常热四种情况，维修工程师根据天气、负荷来确定维修先后顺序。我国一些输电系统均已开展红外热成像巡检试验研究，探索出不少经验，已取得一定成果，根据我国国情进行的地面检测研究，正在有效推进中。

近年来，无人机之所以迅速发展，信息技术发挥了关键性推动作用，目前呈现出两方面特点。

第一，无人机发展与新兴信息技术产业密切相关。大数据、云计算、物联网含互联网等新兴信息技术产业发展，正在深刻影响无人机技术的变革；

大数据技术方面，无人机在测绘、国土资源调查、气象探测、交通监管、工业生产、林业生产、运输、消费娱乐等领域应用，产生海量数据，无人机飞行参数信息，部分数据具有至关重要经济效益，而大部分数据需依托大数据技术进行综合开发；

云计算方面，未来很多无人机将实现机载计算、存储等能力，这些都需要通过云端解决；

物联网方面，物联网是一个比移动互联网更加复杂的生态系统，目前社会倡导万物互联，无人机融入物联网后将更好地发挥机动性、传感器数据多样化等优点，实现人机交互、互操作等功能；

第二，信息基础设施将成为无人机组网测控和飞行管理的重要支撑。目前无人机空中交通管理面临挑战，因此必须依托信息基础设施解决未来空中交通管理问题。移动通信基础设施、互联网基础设施以及广播电视基础设施或将成为无人机组网和飞行管理的重要支撑。

国内外巡检技术现状与发展趋势

目前国际上主要采用人工巡检、光纤或电子感应巡检、无人机巡检三种方式。

人工巡检

人工巡检是最基本的巡检方式，通常由管道、线路管理单位实行专人专岗负责制，把管道、线路分成不同段区，由不同巡检人员巡查，而其又分为普通巡检和特殊巡检。一般依靠巡检人员徒步观察和检查线路情况并作记录，地形空旷平坦的区域可驾驶交通工具实行巡检，大部分管路、线路位于地形复杂的区域，人工巡检工作由此不可避免地受到制约。在高寒、高温、雨、雪、大雾、沙尘暴等恶劣天气下；在高海拔、山地、河流、沼泽、峡谷、湖泊、森林、沙漠、冰川、雪原等极端地理环境中，以及洪水、山体滑坡、地震、泥石流、冰雪灾害等灾害突发时，容易造成管线损毁和故障，传统人工巡表现出极大的局限性和不足，受以上因素影响，人工巡检在很多情况下不能及时、安全执行巡检任务，也不可能完成常态化、全天候、全天时巡检。

光纤传感器巡检

利用靠近管道、线路附件布设的光纤传感器，通过检测传感器信号变化对管道、线路周边的震动进行分析预警，以及利用管道、线路泄露和温度变化产生的信号波动，检测管路是否遭到破坏。目前光纤传感器和大部分外设电子感应装置普遍存在误差高、使用半径短，成本较高，不适合范围广、里程长的管道、线路监测,如果对旧管道、线路铺设感应系统,成本太高,耗时太多,而且光纤传感器或电子感应巡检并不能获取事故点的实时图像，供给指挥中心决策。

图3 无人机在管道巡检各阶段的运用。

图4 2 架巡检无人机巡检范围可覆盖5个地面监测站。

无人机巡检技术蓬勃发展

目前无人机技术越来越成熟，任务载荷越来越多样化，随着数字化、信息化油气管道、电力线路巡检管理系统逐渐形成，将从根本上解决人工巡检周期长、成本高、效率低、巡检有盲区的问题。

无人机可高效完成大范围常规巡检，搭载光电/红外吊舱进行全天候、全天时巡检，并可在指定目标上空悬停详查，利用任务载荷传感器获取管道、线路周围土壤环境、管线温度等信息，发现异常情况即可定位报警，可以锁定和跟踪地面目标，配合远程喊话器，及时发现、威慑、制止破坏管道和盗油行为，并做现场取证。

对于油气管网存在管道长、巡检点多、巡检难度大等难点，尤其是桁架、悬索跨等危险性较高的巡检段，无人机巡检优势非常明显。利用无人机对油气管道进行巡检，不仅可以预设航线自动巡查，也可以切换到手动操控进行特殊情况巡查，提高了巡检作业的自动化程度，保护了巡检人员生命安全，降低巡查成本和风险。

电力线路运维在电力系统中具有相当重要的作用，得到众多电力专家的重视。相关无人机数据和图像资料可以清楚看到，在检查设备外观时，无人机技术可以发挥相当关键的作用，电力部门相关人员利用无人机，可以准确判断一些重要部件是否受到损坏，保证输电线路安全，保障居民用电。

除正常巡检和特殊巡检外，无人机还可应用于灾后电网故障巡检。当灾害导致道路受阻、人员无法巡检时，无人机可以发挥替代作用，开展输电线路巡检，准确定位杆塔、线路故障，且视角更广，避免“盲点”。无人机提高了电力维护和检修的效率，使许多工作能在完全带电情况下迅速完成，比人工巡检效率高出40倍。无人机在巡检过程中，还可清除线路上的风筝、气球、塑料袋等异物。

无人机在电力行业的应用，除实现线路巡检外，还能辅助实现线路架设和线路规划。在输电线路施工过程中，线路长、地形复杂，线路所经地区有山谷、河流、茂密森林，给线路架设带来极大不便，工程实施困难重重。运用无人机展放导引绳进行架设线路施工，可有效解决生态环境保护和架线施工之间的矛盾。无人机首先沿线路上空飞行，并施放一根轻质高强导引绳经过各基塔，然后利用这根轻质导引绳不断牵引后续引绳，直至牵通一根三级导引绳，并架设导线。采用这种方式，解决了人力展放导引绳的工作强度和动力伞展放导引绳着陆困难等问题，也减少了线路通道中的树木砍伐，最大程度保护了生态环境。

表1 电力线路巡检无人机需求量分析。

表2 油气管道巡检无人机需求量分析。

市场需求分析

电力线路巡检无人机需求

我国已形成南方、西北、华东、华中、华北和东北共六大跨省区电网，输电设备在国家电网建设中比重越来越大，随着智能电网建设进程不断推进，硬件设备巡检等作业要求更高。随着电网日益扩大，巡检工作量也日益加大，平均20人巡检100千米/天的传统巡检方式已难以满足现代电力系统的广泛需求。

按照巡检总长51．4万千米、巡检频率1次/周、巡检飞行速度30km/h 计算，每年飞行应为 85．6万小时，单机年平均飞行小时数按照200h计算，则该领域无人机潜在需求架数约为4280架；按照均价50万元/架单价计算，则电力巡检无人机市场规模为21．4亿元。

油气管道巡检无人机需求

如果以无人机替代人力巡检，按照电力巡检的计算方法，16万千米的油气管道潜在无人机需求量约为1333架，市场规模6．7 亿元左右。

无人机巡检面临的问题

目前无人机开展管道、线路巡检过程中，我们常会面临如下问题和困难。

第一，无人机缺乏自主飞行能力，无法满足复杂环境下的飞行要求；

第二，无人机挂载的光电任务载荷，无法自主判别目标如管道、线路的特征，不能自主跟踪被观测的目标；

第三，在目标区域中，无法对一些敏感目标如车辆、人员进行高效率自动识别；

第四，单旋翼无人机无法解决飞行可靠性问题；固定翼无人机对起降场地要求苛刻；无法悬停对目标进行仔细观测；多旋翼无人机续航时间、航程等指标存在较大局限性；以汽油为燃料的无人机存在火灾隐患；

第五，无线通信受功率衰减影响，存在超过使用半径后视频信息无法实时回传的问题。

总体上看，目前无人机巡检有时存在实时性差、自动化程度低、智能化水平有限等问题。因此，迫切需要研制出具有人工智能特性的、自动化程度较高的巡检无人机系统。

技术研究

异常目标自动识别技术研究

在油气管道巡检中，需要对行人和车辆异常目标进行准确识别并定位，供监察人员监视，从而及时发现偷油，破坏输油管道等恶劣违法行为。针对目标尺寸的多变性以及刚体、非刚体特点，本文以卷积神经网络为基础，构建深度神经网络特征金字塔，通过构造合理的类损失与定位损失函数，配置合理的候选框，能够对视场范围内的行人，车辆目标进行精准识别并定位，研究内容分解如下。

（1）深度神经网络特征金字塔构建

深度神经网络特征金字塔构建由主干网络、金字塔特征网络组成。由于是在地面处理数据，考虑到目标识别准确度优先原则，主干网络使用复杂度更高的VGG；金字塔特征网络为多层全卷积网络，利用卷积的特性，在卷积层输出不断下采样。

（2）候选窗生成技术

候选窗的生成方式决定了所识别目标的尺寸，长宽比等信息，因此候选窗生成是在深度神经网络特征金字塔基础上进行划窗方式进行，不同深度神经网络特征金字塔代表不同的尺度信息

（3）候选窗预测与目标定位技术

在每个深度神经网络特征金字塔层上完成候选窗生成后，需要对候选窗进行预测与目标定位，预测是指判断候选窗中的目标类型，其输出是对每一类的评分，定位是指对候选窗中的目标进行定位修正，因而候选窗预测与目标定位是并行的两个流程。

（4）损失函数设计

损失函数设计关系到整个神经网络的拟合方向，是整个神经网络设计中至关重要的一部分，在本网络中，识别人和车辆的损失函数包含类损失函数与位置损失函数两部分。类损失函数是为了修正候选窗判别结果，位置损失函数是为了修正目标定位结果

（5）数据增广与难例样本挖掘技术

在目标识别数据集中存在两个问题，第一是数据量不足及其造成的泛化性问题；第二是在目标识别中，负样本数量远高于正样本数量，造成正负训练样本不均衡问题。针对这两个问题，本文分别设计了样本增广与难例样本挖掘流程。

(6)非极大值抑制技术

由于多尺寸目标识别与稠密采样设计，目标定位结果会出现大量交叉覆盖，本文设计了非极大值抑制技术，减少定位交叉，抑制预测概率低的定位结果。

图5 使用深度神经网络算法进行图像目标识别及定位。

图6 使用多级图像处理及小波变换边缘检测技术处理管道检测。

线状目标自动跟踪技术研究

在视野中，相较其他目标，电力线路非常细，对电力线路检测提出了挑战，同时油气管道边缘也会受背景的极大影响，为解决上述难题，本文在多级图像预处理及小波边缘检测的基础上，提出基于梯度Hough变换的电力线路与油气管道检测方案，研究内容分解如下。

(1)多级图像预处理技术

由于光线原因，可能会使得所拍摄的电力线路图像整体偏暗，也会出现强弱不同的目标直线，同时图像获取过程中，通常会受周围环境和系统自身等因素影响而携带大量的噪声，使得图像质量有所退化，因此本文设计了基于直方图均衡和滤波去噪的多级图像预处理技术。

(2)基于小波变换的边缘检测技术

边缘是指图像局部明暗度变化明显的地方，它反映的是图像中物体的轮廓或者物体不同表面之间的交界。它涵盖图像识别的丰富信息，对人类描述与识别物体来说，都是一个极具价值且有效的数据。无论是图像处理领域还是计算机视觉处理系统，图像边缘检测是十分重要的环节。在边缘检测过程中，边缘定位性能同去除噪声性能是一对矛盾体。要保证算法具有一定抗噪声性能，则其边缘定位性能势必要减弱；并且每种边缘检测算子的参数选取也关系到边缘定位和噪声抑制性能。在本文中，使用基于小波变换的边缘检测方法。

(3)基于形态学的Hough变换直线检测技术

一幅电力线路或油气管道图像具有以下特点，在图像中直线部分接近于直线，且长度较长，几乎贯穿整幅画面，其宽度几乎在一到两个像素之间；若存在多条电力线，那么它们之间是近乎平行且不会相交，但由于拍摄角度及布线时存在高低位置，图像中的直线会出现重合现象。但由于其背景复杂，经常受河流、道路、田埂、树木及房屋等自然及人工因素影响，给线状目标的有效提取制造了一定难度。针对噪声参杂，背景复杂的电力线路、油气管道图像，Hough 变换提取电力线路不够准确，要么将非电力线一同提取出来，要么将对比度弱的电力线路漏提，且提取的电力线路常出现断点等问题，本文采用基于梯度的Hough变换技术来检测电力线路，能够最大程度排除背景干扰且具备很强的鲁棒性。

(4)基于类卡尔曼滤波的直线拟合链接技术

在拍摄电力线路过程中，由于树木、建筑物、光照条件等干扰，成像时传感器震动，各种噪声造成的影响，以及之前各步骤引起的失真等因素影响，图像中提取出的电力线路通常断裂且不完整，但方向基本相同，并且是相距很近的短直线线段。基于此，本文提出基于类卡尔曼滤波的线状目标链接方法。

(5)电力线路、油气管道视场中心校准技术

电力线路、油气管道等线状目标被检测后，需要将其置于视场中央，使最终获得连续图像，因此本文设计了电力线路、油气管道视场中心校准技术，使电力线路、油气管道能够一直置于视场中心，方便后续处理。

高清数据实时传输技术

无人机高清视频的原始码流约为1920×1080×60×4=474．6Mb/s，加上控制数据，通信带宽要求约为4～5Gb/s。目前国内4G移动通信网络中,LTE FDD理论下行速率为150Mb/s，TD-LTE理论下行速率为100Mb/s，而实际商用传输速率要小于理论速率，均无法达到直接传输无人机视频的要求。正在进行商用试点的5G移动通信理论传输速率可达1Gb/s，也无法满足直接传输无人机高清视频的要求。因此，实际传输时必须将机载端的视频数据进行压缩，然后在接收端进行解压缩处理。无人机通信技术研究主要包括实时视频编解码技术和远程实时传输技术两方面内容，具体如下。

（1）实时视频编解码技术

无人机高清视频数据量很大，无法直接进行无线传输。实际应用时必须将机载端的视频数据进行压缩，然后在接收端进行解压缩处理。视频压缩、解压处理需要占用一定时间，如果视频处理时间过长，数据传输就会有时延，对无人机实时传输数据很不利。本文提出基于DSP和FPGA硬件技术实现H．264高压缩比视频编解码技术方案。

（2）远程通信技术

电力线路、油气管道经常铺设在一些偏远区域，商用移动通信网络有时无法覆盖。而通常情况下，无线通信数据链频带与传输距离成反比，带宽越高要求频带也越高，但频带越高传输距离就越小；要实现更远的传输距离，只能增加发射机功率，但受无人机最大起飞重量限制，发射机不可能很大很重。因此，本文提出一种基于2．4G电台通信的多跳自组网方案。

重要意义

在日常巡检工作中，采用无人机对输电线路进行巡检，具有非常重要的意义。

第一，有利于电力部门制定有针对性的维护措施，加大线路运维工作力度，确保重要输电线路安全运行；

第二，有利于加大强降雨后重点区段的特殊巡检力度，增加大负荷运行下设备检测次数；

第三，有利于对线路通道内树木、违章建筑等情况进行重点排查、清理，确保输电线路通道安全。

第四，无人机巡检降低了电力部门整体巡检成本。随着线路长度增加，其规模效应越来越明显，无人机巡检使巡检平均成本越来越低。

因此，研制具有人工智能特性的、自动化程度较高的管线巡检无人机系统，将对行业发展产生极大影响。■