一种基于GPU与CPU混合数据处理的输电线路部件识别方法技术

本发明专利技术公开了一种基于GPU与CPU混合数据处理的输电线路部件识别方法，根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；利用prewitt算子提取图像的边缘特征，同时保证数据一致性；中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件。本发明专利技术充分发挥了CPU与GPU的性能优势，提高了识别任务的执行效率。

【技术实现步骤摘要】

本专利技术涉及一种基于GPU与CPU混合数据处理的输电线路部件识别方法。
技术介绍
随着我国国民经济的飞速发展和城市建设规模的日益扩大，通过增架高压、超高压线路来满足日益增强的电力能源需求。为保证整个电网的稳定供电与安全运行，要求对输电线路进行常规巡检和特殊巡检。人工巡检通常依靠巡检人员携带相关设备(望远镜、红外成像仪等)进行观察，无法全面的观察输电线路及设备的运行状态，而且劳动强度大。这种传统巡检模式已无法满足现阶段的巡检需求，无人机作为一种新型、高效的巡检模式被引入到日常巡检工作中。无人机巡检模式具有机动性高、受地域环境限制小、维护费用低等特点，可以实现对输电线路近距离的信息采集，获取到的输电线路状态信息更为准确。现有无人机搭载的数据采集设备图像分辨率较高(1500W像素及以上)，而且对每基输电线路杆塔采集几十张甚至上百张图像，数据量较大。依靠人工对图像进行处理、识别图像中的部件，劳动量大而且由于操作人员经验、熟练程度不同会造成识别不准确与部分部件的漏识别，从而造成安全隐患。利用图像处理的手段对图像中部件进行识别，可以大大的提高工作效率，而且采用统一的识别标准不会因为主观因素造成识别误差。现有的处理方式采用基于CPU单独处理数据的方式完成部件的识别任务，但是在现在的巡检中，每次巡检获取到的图像数目多、数据量大，只用CPU进行数据处理耗时较长，无法满足现在巡检的后期数据处理要求。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于GPU与CPU混合数据处理的输电线路部件识别方法，本方法利用图形处理器GPU处理简单、重复但是运算次数较多的数据运算步骤，利用CPU处理逻辑推理、数据分析等计算量小、控制复杂的数据处理步骤，利用CPU与GPU的特性进行数据运算上的互补，提高整体的数据处理效率。为了实现上述目的，本专利技术采用如下技术方案：一种基于GPU与CPU混合数据处理的输电线路部件识别方法，包括以下步骤：(1)根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；(2)提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；(3)根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；(4)利用prewitt算子提取图像的边缘特征，利用线程同步机制保持数据的一致性；(5)中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件。所述步骤(1)中，对数据进行预处理，根据图像所在文件路径，形成数据流信息；根据这些信息在CPU上开辟内存空间将图像读入内存中并提取图像的灰度信息。所述步骤(1)中，对数据进行预处理，具体包括：(1-1)形成图像数据流：通过输入的图像文件夹路径依次读取路径下的图像数据，并记录图像的基本信息形成数据流；(1-2)读取机载GPU版本信息以及此次处理是否使用GPU的标识符的状态信息。所述步骤(1-1)中，记录的图像的基本信息包括：图像的绝对路径、图像名称和图像的长宽尺寸。所述步骤(1-2)中，GPU版本信息包括GPU型号、GPU内存大小和GPU内核数量。所述步骤(3)中，根据GPU的内核数量设计kernel函数，GPU利用kernel函数使数据填充满每个线程的内存，对数据进行预取，提前准备GPUkernel所需要的数据，在GPUkernel计算的同时在多管道中同时对数据进行拷贝完成数据传送。所述步骤(3)中，利用同步锁实现数据处理过程中的一致性。所述步骤(4)中，利用八方向prewitt算子操作提取图像的边缘信息，同时利用数据同步机制确保边缘提取后数据的一致性。所述步骤(5)中，对于杆塔的识别过程包括：将图像分割为多个图像块，分析每个图像块的边缘信息，按照其倾斜类型与角度对其进行分组，设定边缘数目阈值，根据边缘的数目判断图像块是否为杆塔，对是杆塔的图像块进行标记。如果每个分块中有多个角度的分组中都存在边缘，则判断为杆塔；如果只有一组角度的边缘且边缘数目小于3，则判为不是杆塔目标。所述步骤(5)中，对于导线的识别过程，具体包括：提取边缘信息中的垂直和水平边缘信息，计算每条边缘的属性，包括每条线段上下左右端点位置坐标、线段的中心点坐标和线段的长度，设定直线融合角度阈值，根据每条线段的坐标信息和中心坐标，当相邻的两条边缘的角度差值小于阈值时，将两条边缘合并成一条边缘，遍历图像中所有的边缘完成边缘的合并，分析合并边缘的长度、贯穿性与平行性特性，从而确定导线目标。本专利技术的有益效果为：(1)本专利技术提出了优化数据分配策略，根据图像特点及GPU属性信息，自动的计算分块数据的数目及分块大小，根据分块处理的特点，弱化了数据间的关联性，提高了并行计算的能力；(2)本专利技术采用GPU与CPU的混合计算的模式，实现了输电线路部件的快速识别。通过将简单、重复性计算移植到GPU模块，CPU只负责处理逻辑推理、判断的计算，充分发挥了CPU与GPU的性能优势，提高了识别任务的执行效率。附图说明图1为本专利技术的流程示意图；图2为本专利技术的杆塔识别流程示意图；图3为本专利技术的导线识别流程示意图；图4为本专利技术的GPU线程块与线程的关系示意图。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。一种基于GPU与CPU混合数据处理的输电线路部件识别方法。利用GPU处理简单、重复但是运算次数较多的数据运算步骤，利用CPU处理逻辑推理、数据分析等计算量小、控制复杂的数据处理步骤，利用CPU与GPU的特性进行数据运算上的互补，提高整体的数据处理效率。如图1所示，具体步骤包括：(1)数据预处理。将文件路径下的图像形成数据流文件，判断现有GPU是否满足数据处理要求。(2)数据管理。提取图像像素值，并实现CPU内存与GPU内存数据的交换。(3)数据分配。根据GPU的信息创建kernel序列，使数据填充满每个线程的内存。利用多通道数据传输技术，实现GPU计算的同时完成数据的传输，并增加数据同步机制，确保数据的一致性。(4)特征提取。利用优化的prewitt算子提取图像的边缘特征，并使用同步技术保证数据的一致性。(5)特征分析。通过分析GPU计算得到的边缘数据，确定图像中的杆塔、导线部件。所述步骤(1)的数据预处理包括：(1)形成图像数据流。通过输入的图像文件夹路径依次读取路径下的图像数据，并记录图像的基本信息：图像的绝对路径、图像名称、图像的长宽尺寸。(2)获取GPU信息及状态信息。读取机载GPU版本信息：GPU型号、GPU内存大小、GPU内核数量。状态信息为此次处理是否使用GPU的标识符。数据预处理完成后，根据图像数据流信息，将图像读入内存中提取图像的灰度值信息。根据NAVDIA推出的针对GPU的通用并行计算结构CUDA(ComputeUnifiedDeviceArchitecture)语言的支持实现CPU存储单元与GPU存储单元间的数据交换，根据图像大小开辟GPU内存空间，采用数据预取、多管道数据拷贝的方式，利用PCI-E总线实现数据的传输，减少数据交换时的开销。步骤(3)数据分配，主要包括；(1)数据分块：根据GPU的内核数量设计kernel函数，主要包括GPU包含的线程块数目，每个线程块中包含的线程本文档来自技高网...

【技术保护点】
一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：包括以下步骤：(1)根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；(2)提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；(3)根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；(4)利用prewitt算子提取图像的边缘特征，利用线程同步机制保持数据的一致性；(5)中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件。

【技术特征摘要】
1.一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：包括以下步骤：(1)根据输入的图像文件夹路径，将该路径下的图像形成数据流文件，依据图像数据大小开辟图像处理器的内存空间；(2)提取图像的像素值，进行中央处理器内存与图像处理器的内存数据的交换；(3)根据图像原始数据大小及内核数目，在保证填充满每个线程内存的基础上向每个线程分配内存，同时确保处理后数据与原始数据的对应关系；(4)利用prewitt算子提取图像的边缘特征，利用线程同步机制保持数据的一致性；(5)中央处理器根据图像处理器计算得到的边缘数据，确定图像中的杆塔或导线部件。2.如权利要求1所述的一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：所述步骤(1)中，对数据进行预处理，根据图像所在文件路径，形成数据流信息；根据这些信息在CPU上开辟内存空间将图像读入内存中并提取图像的灰度信息。3.如权利要求1所述的一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：所述步骤(1)中，对数据进行预处理，具体包括：(1-1)形成图像数据流：通过输入的图像文件夹路径依次读取路径下的图像数据，并记录图像的基本信息形成数据流；(1-2)读取机载GPU版本信息以及此次处理是否使用GPU的标识符的状态信息。4.如权利要求3所述的一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：所述步骤(1-1)中，记录的图像的基本信息包括：图像的绝对路径、图像名称和图像的长宽尺寸。5.如权利要求3所述的一种基于GPU与CPU混合数据处理的输电线路部件识别方法，其特征是：所述步骤(1-2)中，GPU版本信息包括GPU型号、GPU内存大小和GPU内核数量。6.如权利要求1所述的一种基于GPU与CPU混合数据处...

【专利技术属性】
技术研发人员：刘越，王万国，刘俍，苏建军，慕世友，任志刚，杨波，李超英，傅孟潮，孙晓斌，李宗谕，李建祥，赵金龙，
申请(专利权)人：国网山东省电力公司电力科学研究院，山东鲁能智能技术有限公司，国家电网公司，
类型：发明
国别省市：山东;37