一种输电线路异物入侵监测方法及装置制造方法及图纸

本发明专利技术实施例提供的一种输电线路异物入侵监测方法及装置，属于图像处理技术领域。该方法包括：获取待处理图像数据；获取所述待处理图像数据中的特征图；获取所述特征图中与预设目标物体匹配的目标候选区域；基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。通过先获取待处理图像数据；再获取所述待处理图像数据中的特征图；接着再获取所述特征图中与预设目标物体匹配的目标候选区域；然后基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；最后基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。从而有效地提高了对异物源识别的准确率。

【技术实现步骤摘要】
一种输电线路异物入侵监测方法及装置
本专利技术涉及图像处理
，具体而言，涉及一种输电线路异物入侵监测方法及装置。
技术介绍
目前输电线路分布范围广，常常穿越城市和乡村，且随着经济的快速发展，城乡基础建设越来越频繁，其运行常受到人们生产和建筑单位施工的干扰，在地广人稀的地方，也易受到自然生长的树木、农作物碰触，以及一些针对铁塔和线缆的偷盗行为的干扰，从而造成对输电线路的破坏、大面积停电等现象。因此，如何解决上述问题是目前亟需解决的技术难题。
技术实现思路
本专利技术提供的一种输电线路异物入侵监测方法及装置，旨在改善上述问题。本专利技术提供的输电线路异物入侵监测方法，应用于服务器，包括：获取待处理图像数据；获取所述待处理图像数据中的特征图；获取所述特征图中与预设目标物体匹配的目标候选区域；基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。可选地，所述的获取所述特征图中与预设目标物体匹配的目标候选区域，包括：获取所述特征图中与预设目标物体匹配的多个候选区域；基于候选区域融合提取算法对所述多个候选区域进行融合，生成目标候选区域。可选地，所述的基于所述目标候选区域与所述特征图进行分类识别，获取识别结果，包括：基于所述目标候选区域与所述特征图进行分类识别，获取所述目标候选区域中的每个区域特征；获取每个所述区域特征所对应的权重值；基于分类方法对每个带权重值的所述区域特征进行分类，获取识别结果。可选地，所述的获取所述待处理图像数据中的特征图，包括：基于预设的深度神经网络模型提取所述待处理图像数据中的特征图。可选地，所述的预设的深度神经网络模型的建立包括：将异物源抽象为所有阻断电力线特征的物体，在电力线区域内模拟生成各种不规则形状的异物源来补充样本数据；基于所述样本数据建立样本库，所述样本库包括异物源样本库和绝缘子样本库；基于所述样本库以及预设训练参数进行深度神经网络训练，得到预设的深度神经网络模型。本专利技术提供的输电线路异物入侵监测装置，应用于服务器，包括：数据获取单元，用于获取待处理图像数据；特征提取单元，用于获取所述待处理图像数据中的特征图；目标区域提取单元，用于获取所述特征图中与预设目标物体匹配的目标候选区域；数据处理单元，用于基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；数据判断单元，用于基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。可选地，所述目标区域提取单元具体用于：获取所述特征图中与预设目标物体匹配的多个候选区域；基于候选区域融合提取算法对所述多个候选区域进行融合，生成目标候选区域。可选地，所述数据处理单元具体用于：基于所述目标候选区域与所述特征图进行分类识别，获取所述目标候选区域中的每个区域特征；获取每个所述区域特征所对应的权重值；基于分类方法对每个带权重值的所述区域特征进行分类，获取识别结果。可选地，所述特征提取单元具体用于：基于预设的深度神经网络模型提取所述待处理图像数据中的特征图。可选地，所述的预设的深度神经网络模型的建立包括：将异物源抽象为所有阻断电力线特征的物体，在电力线区域内模拟生成各种不规则形状的异物源来补充样本数据；基于所述样本数据建立样本库，所述样本库包括异物源样本库和绝缘子样本库；基于所述样本库以及预设训练参数进行深度神经网络训练，得到预设的深度神经网络模型。上述本专利技术提供的一种输电线路异物入侵监测方法及装置，通过先获取待处理图像数据；再获取所述待处理图像数据中的特征图；接着再获取所述特征图中与预设目标物体匹配的目标候选区域；然后基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；最后基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。从而有效地提高了对异物源识别的准确率。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例提供的服务器与用户终端进行交互的示意图；图2为本专利技术实施例提供的一种电子设备的结构框图；图3为本专利技术第一实施例提供的输电线路异物入侵监测方法的流程图；图4为本专利技术第二实施例提供的输电线路异物入侵监测装置的功能模块示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，是本专利技术实施例提供的用户终端200与服务器100进行交互的示意图。所述服务器100通过网络与一个或多个用户终端200进行通信连接，以进行数据通信或交互。所述服务器100可以是网络服务器、数据库服务器等。所述用户终端200可以是个人电脑(personalcomputer，PC)、平板电脑、智能手机、个人数字助理(personaldigitalassistant，PDA)等。如图2所示，为本专利技术实施例提供的一种电子设备的结构框图。所述电子设备300包括输电线路异物入侵监测装置400、存储器302、存储控制器303、处理器304及外设接口305。所述存储器302、存储控制器303、处理器304及外设接口305各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述输电线路异物入侵监测装置400包括至少一个可以软件或固件(firmware)的形式存储于所述存储器302中或固化在所述电子设备300的操作系统(operatingsystem，OS)中的软件功能模块。所述处理器304用于执行存储器302中存储的可执行模块，例如所述输电线路异物入侵监测装置400包括的软件功能模块或计算机程序。其中，存储器302可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead－OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead－OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead－OnlyMemory，EEPROM)等。其中，存储器302用于存储程序，所述处理器304在接收到执行指令后，执行所述程序，前述本专利技术实施例任一实施例揭示的流过程定义的服务器100所执行的方法可以应用于本文档来自技高网...

【技术保护点】
1.一种输电线路异物入侵监测方法，应用于服务器，其特征在于，包括：获取待处理图像数据；获取所述待处理图像数据中的特征图；获取所述特征图中与预设目标物体匹配的目标候选区域；基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。

【技术特征摘要】
1.一种输电线路异物入侵监测方法，应用于服务器，其特征在于，包括：获取待处理图像数据；获取所述待处理图像数据中的特征图；获取所述特征图中与预设目标物体匹配的目标候选区域；基于所述目标候选区域与所述特征图进行分类识别，获取识别结果；基于所述识别结果判断所述待处理图像数据中是否出现异物入侵。2.根据权利要求1所述的方法，其特征在于，所述的获取所述特征图中与预设目标物体匹配的目标候选区域，包括：获取所述特征图中与预设目标物体匹配的多个候选区域；基于候选区域融合提取算法对所述多个候选区域进行融合，生成目标候选区域。3.根据权利要求1所述的方法，其特征在于，所述的基于所述目标候选区域与所述特征图进行分类识别，获取识别结果，包括：基于所述目标候选区域与所述特征图进行分类识别，获取所述目标候选区域中的每个区域特征；获取每个所述区域特征所对应的权重值；基于分类方法对每个带权重值的所述区域特征进行分类，获取识别结果。4.根据权利要求1所述的方法，其特征在于，所述的获取所述待处理图像数据中的特征图，包括：基于预设的深度神经网络模型提取所述待处理图像数据中的特征图。5.根据权利要求4所述的方法，其特征在于，所述的预设的深度神经网络模型的建立包括：将异物源抽象为所有阻断电力线特征的物体，在电力线区域内模拟生成各种不规则形状的异物源来补充样本数据；基于所述样本数据建立样本库，所述样本库包括异物源样本库和绝缘子样本库；基于所述样本库以及预设训练参数进行深度神经网络训练，得到预设的深度神经网络模型...

【专利技术属性】
技术研发人员：陈明芽，
申请(专利权)人：杭州华雁云态信息技术有限公司，
类型：发明
国别省市：浙江,33