【技术实现步骤摘要】
一种基于深度学习的输电线路防外力破坏预警方法及系统
本专利技术涉及输电线路保护领域，特别是一种基于深度学习的输电线路防外力破坏预警方法及系统。
技术介绍
我国输电线路承担着输送区域电能的重担，因此保障输电线路的稳定运行显得尤为重要。而现代化建设速度的不断加快，工程施工频繁已严重威胁到输电线路安全，外力破坏已成为影响输电线路安全的主要因素，对外力破坏的预防迫在眉睫。而目前的防外力破坏方法大都靠人工巡查，以及防外力破坏系统检测，但人工巡查不及时、效率低下，不能很好地预防外力破坏，减轻损失；防外力破坏系统结构复杂，不便操作，且防范范围小。伴随着无人机应用的逐渐普及，电力巡线无人机因其具有野外作业风险低、成本低以及作业灵活的特点受到各大电网公司的广泛关注以及应用。但巡检所得的海量图像数据仍需多名经验丰富的专业人员耗费数日进行枯燥的图片检索与分析任务，过程中还易出现漏检、误判的情况，增加了巡线成本，降低了巡线效率。近几年深度学习凭借着自身良好的学习能力，被广泛应用在电力无人机巡检图像的故障识别上，并取得了良好的成果。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于深度学...
【技术保护点】
1.一种基于深度学习的输电线路防外力破坏预警方法，其特征在于：包括以下步骤：步骤S1：在一架以上的无人机上搭载摄像头与无线通信模块，每架无人机按照预设的路线、高度与拍摄角度对输电线路进行巡查，并将在目标地区拍摄的图像数据传输至对应巡查站的服务器；步骤S2：巡查站的服务器对无人机实时传输回来的图像数据采用深度学习的方法搭建深度神经网络，对目标进行智能识别，判断存在外力破坏风险的位置坐标，并将其上传至中心控制台；步骤S3：中心控制台接收各个巡查站发出的预警坐标位置，用以警示工作人员。
【技术特征摘要】
1.一种基于深度学习的输电线路防外力破坏预警方法，其特征在于：包括以下步骤：步骤S1：在一架以上的无人机上搭载摄像头与无线通信模块，每架无人机按照预设的路线、高度与拍摄角度对输电线路进行巡查，并将在目标地区拍摄的图像数据传输至对应巡查站的服务器；步骤S2：巡查站的服务器对无人机实时传输回来的图像数据采用深度学习的方法搭建深度神经网络，对目标进行智能识别，判断存在外力破坏风险的位置坐标，并将其上传至中心控制台；步骤S3：中心控制台接收各个巡查站发出的预警坐标位置，用以警示工作人员。2.根据权利要求1所述的一种基于深度学习的输电线路防外力破坏预警方法，其特征在于：步骤S2中，所述深度神经网络采用MaskR-CNN神经网络搭建，通过MaskR-CNN神经网络得到输电线路和危险目标的边缘像素点，适当选取输电线路与危险目标的个别边缘像素点，用以算出危险目标与输电线路的距离，当这些距离的最小值小于设定的阈值时，说明存在外力破坏危险，此时通过服务器向中心控制台发送警报。3.根据权利要求2所述的一种基于深度学习的输电线路防外力破坏预警方法，其特征在于：所述步骤S2具体包括以下步骤：步骤S11：不断地采集无人机拍摄的图片作为训练样本集；步骤S12：构建MaskR-CNN神经网络模型；步骤S13：将训练样本集转换数据格式后输入步骤S12的神经网络模型中进行训练，且每隔一定训练周期，保存训练模型，利用测试集数据测试当前模型性能，计算平均准确率、漏检率、误报率；当模型各项参数达到期望值且趋于平稳时，保存模型然后固化，只保留包括前向传播的神经元权重与偏置在内的常量；步骤S14：将无人机实时传回的图像数据输入训练好的MaskR-CNN神经网络模型中，得到输电线路和危险目标的边缘像素点，适当选取输电线路与危险目标的个别边缘像素点；步骤S15：由于此时是像素坐标系，即以图像左上角为原点建立以像素...
【专利技术属性】
技术研发人员：陈静，林雅婷，缪希仁，江灏，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。