שיטת גילוי פגמים במחרוזות בידוד בקווי העברה המבוססת על ניתוח צבע בתמונה ופיצוי תכונות ברב-קנה מידה

שומרי על הזרם

החיים המודרניים תלויים בשרשרות ארוכות של רכיבי זכוכית וקרמיקה — המכונים מחרוזות בידוד — התלויות על קווי מתח גבוה ושומרות על המתח מרחוק ממגדלי המתכת. כאשר חלקים אלה סדוקים, נשרפים או נשברים הם עלולים לגרום להפסקות חשמל ואפילו לשריפות. בדיקה ידנית של אלפי קילומטרים של קווים היא איטית ומסוכנת, ולכן חברות התשתית פונות יותר ויותר לצילומי רחפנים. מאמר זה מציע שיטה חכמה יותר למחשבים לסרוק תמונות אלה ולזהות פגמים בבידוד בצורה מדויקת ואמינה יותר מהשיטות הקיימות.

למה קשה לשלול שרשרות אלה

מחרוזות הבידוד תלויות בחוץ במשך עשורים, חשופות לשמש, גשם, קרח, זיהום וברק. עם הזמן הן עלולות לפתח סדקים קטנים, חלקים חסרים או סימני בערה שעשויים להוביל לכשל פתאומי. רחפנים יכולים לצלם תמונות מפורטות של המחרוזות, אך התמונות עמוסות: יערות, עננים, מגדלים, חוטים, קיני ציפורים וצללים מבלבלים את המסגרת. הפגמים עשויים להיות ברוחב של מילימטרים בודדים, ונעלמים בוהק או טשטוש. כלי הראייה הממוחשבת הקיימים מסתמכים או על חוקים מכוילים ביד—כמו טווחי צבע קבועים או מדדי צורה פשוטים—או על מודלים כלליים של למידה עמוקה שאומנו על סצנות יומיומיות. שתי הגישות מתקשות כאשר התאורה, מזג האוויר, זווית הצפייה והרקע משתנים מתמונה לתמונה.

מציאת החלקים הנכונים בתמונה רועשת

הצעד הראשון בשיטה החדשה הוא לנקות כל תמונת רחפן לפני שלומדה עמוקה נכנסת לפעולה. המחברים מנצלים שתי רמזים יציבים: הצבעים הטיפוסיים של בידודי הקו המיוחד והמרקם הסדיר של צורות החלקים החוזרות. הם קודם כל מנרמלים את הבהירות כך שהשמש החזקה או הצללים העמוקים ישפיעו פחות, ואז משתמשים בנתוני בדיקות קודמות מאותו מגדל כדי להגדיר טווחי צבע אדום–ירוק–כחול גמישים שבהם הבידודים בדרך כלל נופלים. זה מסיר במהירות גושים גדולים של שמים, צמחייה ועבודת פלדה. מכיוון שצבע לבדו עלול להטעות — חלודה, לכלוך או צללים עשויים להיראות דומים — השיטה בודקת אחר כך מרקם בתוך אזורים מועמדים. מחרוזות הבידוד יוצרות דפוסים תקינים, מחזוריים; העומס הרקעי בדרך כלל לא. על ידי החלקת רשת של חלונות קטנים על פני האזור ובמדידת כמה פעמים רמות אפור שונות מופיעות יחד, האלגוריתם שומר רק על אזורים שמרקם שלהם מתאים לדגימות בידוד נקיות ומקיף אותם בצפיפות במלבנים אופקיים פשוטים.

להראות לרשת אילו פרטים חשובים

לאחר בידוד מחרוזות הבידוד מתחיל האתגר האמיתי: לזהות פגמים זעירים עליהן. רשתות עצביות מסורתיות מכווצות בהדרגה את מידע התמונה כאשר הוא זורם מהקלט אל התחזית הסופית, וזה נוטה לטשטש את הקצוות העדינים והסדקים השערותיים שהכי חשובים. כדי להתגבר על כך תכננו המחברים רשת גילוּי חדשה, MFCD-Net, שמפרידה ומגבירה במכוון סוגים שונים של מידע חזותי. באמצעות פירמידת לפלסיאן היא מפצלת כל תמונת בידוד מגודרת לרכיב חלק הלוכד צורת כללית ולרכיב פרטים הלוכד קווים חדים ומרקמים. שלוש מסלולים מקבילים מעבדים את התמונה המקורית, שכבת הפרטים החדים והשכבה החלקה, כל אחד עם מודולים קלים של תשומת לב המדגישים תכונות הרלוונטיות ביותר לפגמים או למבנה הכללי.

הרכבת החלקים מחדש בסקלה הנכונה

סידור כל התכונות האלה יחד אינו מספק, כיוון שסוגים וגודלים שונים של פגמים נהנים מתערובות שונות של פרטים ומבנה. לכן MFCD-Net מוסיפה מודול פיצוי דינמי הפועל כמִשמר סקלת גילוי לכל רמה. בכל רמה ברשת — גסה עבור מחרוזות שלמות, עדינה עבור דיסקים בודדים — הוא מסתכל על מפת התכונה הנוכחית ומחליט, פיקסל אחר פיקסל, כמה לשאול מהזרם המחדד של הפרטים או מהזרם המשטח של המבנה. בלוק שאריות קטן שיפרש את התערובת הזו לפני הוספתה חזרה לנתיב הראשי. למעשה, הרשת יכולה להתמקד בחדות נוספת שם שהיא חושדת בסדקים, או ברמזי צורה רחבים יותר במקום שצריכה להבחין בין בידודים לבין דפוסי רקע מבלבלים, מבלי להיקבע לכללי מיזוג קבועים.

כמה טוב השיטה עובדת בפועל

המחברים בודקים את כל הצינור שלהם — פרה-סגמנטציה בתוספת MFCD-Net — על 5,793 תמונות רחפן המכילות כמעט 10,000 מחרוזות בידוד מתויגות ולמעלה מ-100,000 יחידות מתועדות. העיבוד המוקדם המבוסס צבע-ומרקם משחזר נכון כ-99% מהמחרוזות ותופס מעל 97% מפיקסלי הבידוד האמיתיים, גם בסצנות עם צמחייה צפופה או שמיים מבהיקים. בזיהוי פגמים הם משווים מול שמונה מערכות מובילות לזיהוי עצמים, כולל מודלים ידועים כגון YOLO, RetinaNet ועיצובים מבוססי טרנספורמר. מדוד לפי ממוצע דיוק (mAP) בסף חפיפה סטנדרטי, הגישה שלהם משפרת את איכות הזיהוי הכוללת בכ-4 נקודות אחוז על המתחרה הטוב ביותר, עם רווחים חזקים במיוחד בזיהוי נזקים עדינים וסימני התלקחות שיטות קודמות לעתים רבות החמיצו או בלבלו עם צללים וכתמים.

מה זה אומר לרשת החשמל

במונחים יום-יומיים, עבודה זו מראה כיצד שילוב של רמזים פיזיקליים פשוטים — צבע ודפוסים חוזרים — עם רשתות עצביות מובנות בקפידה יכול להפוך את בדיקות הרחפנים של קווי חשמל לאמינות ומידעית יותר. על ידי הסרת רוב הרקע הבלתי רלוונטי תחילה ואז כיוון תשומת הלב של הרשת לעורבוב הנכון של פרטי חדות וצורת כללית בכל קנה מידה, המערכת תופסת יותר פגמים מסוכנים ללא גל של אזעקות שווא. אמנם נותרו אתגרים, כגון בידודים שצבעם מחקה חומרים מסביב ועלות חישובית גבוהה יותר של תכנון רב-ענפי, השיטה מרמזת על ניטור חכם, בטוח וניתן להרחבה לתשתיות קריטיות.

ציטוט: Chen, X., Huang, L. & Shen, J. Insulator string defect detection method for transmission lines based on image color analysis and multi-scale feature compensation. Sci Rep 16, 10696 (2026). https://doi.org/10.1038/s41598-026-46525-7

מילות מפתח: בדיקת קווי חשמל, פגמים בבידוד, צילומי רחפנים, גילוי בעזרת למידה עמוקה, אמינות רשת החשמל