基于5G网络和AI边缘计算的无人机巡检实时视频传输技术研究

盛从兵，邵 震，胡永辉，吴述伟

国家电网濮阳供电公司，河南 濮阳 457000

0 引言

近年来，无人机巡检已成为输电线路的重要巡检手段，其巡检效益和质量相比传统人工巡检有显著提高。但是，现阶段无人机巡检仍主要依靠人工手动操作无人机完成，存在下述问题：巡检效果受操作人员技能水平、操作经验、环境突变等因素制约；缺乏高精度自主定位及视觉导航跟踪技术，无法实现输电线路设备及通道缺陷的实时识别；巡检数据传输效率不高。

5G网络具有高性能、低延时、大容量等突出特点，可为无人机的应用提供大带宽、高可靠、低时延的通信链路，赋予无人机实时高清图传能力。AI边缘计算具有计算速度快等优点。文章主要研究将5G网络、AI边缘计算应用到无人机巡检，如此可显著提高无人机的巡检效果。

1 5G网络及AI边缘计算概述

5G网络可以支持厘米级高精度定位数据传输，在无人机的飞行数据安全保障方面具有明显的优势[1-5]。

边缘计算属于一种分布式计算，边缘计算网关的功能设计非常强，包含轻量级的容器，可按需为客户部署行业App，并通过云管理实现分钟级的部署，在网络边缘即可实现实时、智能的数据分析和数据聚合。同时它是开放式的，支持多种协议与接口规范，可适用于不同的行业场景[6-8]。

边缘AI指在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据。这意味着可以在无须流式传输或在云端数据存储的情况下进行数据创建等操作。在实际操作中出现了越来越多的设备数据无法依赖云端处理的情况，比如，工厂的机器人和自动驾驶汽车都需要以最低的延迟高速处理数据。为了实现这些目标，边缘计算可以在云上靠深度学习生成数据，而在数据原点即设备本身（边缘）执行模型的推断和预测。以工厂的工业机器人为例进行分析。AI技术能够以人类无法企及的速度，对来自监控摄像头和传感器的大量多模态数据进行可视化和评估，以检测生产线上人类可能忽略的故障数据。这类物联网结构可以存储生产线上产生的大量数据，并通过机器学习进行分析。同时，能够提高工厂智能化程度的AI模型的核心，具体如图1所示。

图1 边缘AI模块

2 基于5G网络和AI边缘计算的实时视频传输技术

2.1 技术原理

目前，云计算几乎是所有应用程序的主流解决方案，移动终端在大多数场景中仅负责发送请求、接收返回数据、渲染画面等操作。在云计算中，庞大的、来自地理位置各异的移动用户终端的服务请求首先通过有线或无线的方式传入接入网（Access Network），再经过主干网（Backbone）传送给服务所在的数据中心进行处理。在此过程中，位于云端的数据中心才是真正负责处理用户服务请求的地方，而主干网的传播耗时相对较长，不利于对延迟极其敏感的应用程序。因此，有必要降低延迟。

降低延迟有两种方法：第一种方法是增加硬件性能以及带宽，这种方式需要加大资金投入；第二种方法是直接改变计算范式，即尽可能取消请求和数据在主干网上的路由。具体为边缘计算直接把计算和处理能力从云数据中心下沉到用户接入网。随着5G时代的到来，这种计算范式上的转变势在必行。5G使用了更高的频带，无线信号的覆盖范围将会受限，为了做到全面覆盖，需要部署大量微基站[9]。因此，可以赋予这些微基站一定的计算能力，甚至可以在周围建立小型数据中心，直接处理来自微基站转发来的服务请求，从而可以完全避免主干网上极其耗时的路由开销。

当然，以上仅仅是最理想的情况，目前更多的研究人员推崇的是“device-edge-cloud synergy”，即“云-边-端协同处理”。云-边-端协同处理应依据以下特征：端通常是计算受限、电池受限的，相比端，边的计算能力更强，但是与云相比则是小巫见大巫。用户体验的延迟则正好相反。例如，如果要在移动端完成一个DNN分类的任务，可以将已经训练好的DNN模型进行切分，前一半网络层（假设计算不密集）放在边缘服务器上，后一半计算密集型的网络层放到云数据中心。用户作为端将待分类的图片发送给边，边将前半部分返回的结果发送给云，由云来完成后半部分，将最后结果再回传给端。这个过程需要在计算开销和通信开销之间做权衡。

2.2 实时视频传输技术

输电线路处于野外，采用人工巡视方式不但效率低下，而且存在一定的安全风险。同时，巡检无人机存在自主水平低、故障识别精度低、续航里程短等问题，严重制约了无人机的推广应用，从而无法保障无人机巡检结果的及时性、有效性、全面性。当前的4G网络只支持1 K的图传，传输的图像清晰度不足，不能对某些细节位置进行查看；而5G网络传输速率达到100 Mbps以上，时延在10 ms以内，可显著提升无人机所获取视频的清晰度。因此，利用无人机搭载5G模块进行实时视频或图像传输的电力巡检，是保障其可靠性运行的重要手段。

无人机可配备多种传感器（包括红外相机、激光雷达），按照预先设定要求进行巡检。将5G网络与AI边缘计算技术综合应用到无人机控制中，可实现7×24 h的不间断巡检。具体巡检数据无线传输及处理原理如图2所示。

图2 数据无线传输及处理原理图

配备多种传感器的无人机可实时采集视频数据，通过机载AI边缘计算智能模块实时处理并确定目标位置，进一步确定拍照位置，进行精准对焦和拍照。AI边缘计算智能模块通过连入5G网络，将处理后的视频或者对焦拍照的图像实时传输回地面站，地面站配有5G网络，可实时接收回传数据和显示无人机飞行状态，具体网络架构如图3所示。

图3 数据无线传输及处理的网络架构

3 结束语

供电电网的供配电线路一般处于远离城镇的郊区或者偏远的野外，具有线路结构组件多、故障类型多、维护困难等特点。供电线路出现故障可能导致大范围断电，从而严重影响社会生产与生活。因此，提高供电线路可靠性和巡检能力具有重要意义。

人工巡检方式虽然可直观掌握供电线路的实际情况，但是存在巡检效率较低、安全风险较高等问题，而无人机智能巡检受环境、气候、作业时长等因素的影响较小，运维成本较低，可显著提升巡检效率。将5G网络和AI边缘计算应用到巡检视频实时传输中，可提升巡检结果的传输效率，为后续的无人机智能化、自主化巡检创造良好条件。