一种输电网鸟类驱赶方法及其系统、计算机可读存储介质技术方案

本发明专利技术提供一种输电网鸟类驱赶方法及其系统、计算机可读存储介质，所述方法包括：实时获取输电线图像；对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类；根据判断结果生成驱赶信号，若判断结果为是，则生成驱赶信号；根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶。使用本发明专利技术，能够对停留在输电线上的鸟类进行驱赶，避免鸟类的自然活动干扰到输电线的正常工作，提高电力系统运行稳定性和可靠性。

A method of bird driving in transmission network and its system, computer readable storage medium

【技术实现步骤摘要】
一种输电网鸟类驱赶方法及其系统、计算机可读存储介质
本专利技术输电网鸟类驱赶
，特别涉及一种输电网鸟类驱赶方法及其系统、计算机可读存储介质。
技术介绍
输电线在电力系统中有着非常重要的作用，与人们的生活密不可分，如果出现大规模断电情况会给大众造成不可估量的损失。而鸟类的自然活动经常干扰到输电线的正常工作，如鸟类在输电线杆塔上筑巢容易造成输电线发生短路事故，鸟类在输电线杆塔上嬉戏或者停留，不当会造成鸟类死亡也容易造成电线短路。
技术实现思路
本专利技术旨在提出一种输电网鸟类驱赶方法及其系统、计算机可读存储介质，以对停留在输电线上的鸟类进行驱赶，避免鸟类的自然活动干扰到输电线的正常工作，提高电力系统运行稳定性和可靠性。第一方面，本专利技术实施例提出一种输电网鸟类驱赶方法，包括：实时获取输电线图像；对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类；根据判断结果生成驱赶信号，若判断结果为是，则生成驱赶信号；根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶。其中，所述对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类包括：利用卷积神经网络对所述输电线图像进行卷积处理得到卷积图像，并根据每一像素点的梯度信息描述所述卷积图像的图像特征；利用区域生成网络根据所述图像特征生成对应不同尺度的多个候选区域；利用目标检测网络对每一候选区域进行鸟类目标检测；根据目标检测网络的检测结果判断所述输电线图像中是否存在鸟类。其中，所述对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类包括：若一输电线图像存在鸟类，则进一步识别鸟类在输电线图像中的位置。其中，所述根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶包括：根据所述驱赶信号控制与鸟类在输电线图像中的位置对应的语音装置发出驱赶声音对鸟类进行驱赶。其中，所述卷积神经网络为ZF-NET神经网络；其中，所述根据每一像素点的梯度信息描述所述卷积图像的图像特征包括：步骤S11、对所述卷积图像进行灰度处理得到灰度图像；步骤S12、根据公式G(x,y)＝P(x,y)λ对所述灰度图像进行校正得到校正图像；其中，λ为预设常数，P(x,y)为灰度图像上某一点的像素值；步骤S13、根据以下公式对所述校正图像进行梯度计算得到每一像素点的梯度信息；Rx(x,y)＝P(x+1,y)-P(x-1,y)Ry(x,y)＝P(x,y+1)-P(x,y-1)公式中，Rx(x,y)为在校正图像中像素点(x,y)处的水平方向梯度，Ry(x,y)为垂直方向梯度，R(x,y)为梯度幅值，θ(x,y)为梯度方向；步骤S14、将所述校正图像分割为多个细胞单元，利用m个块的直方图统计每个细胞单元的梯度信息，对不同方向的梯度的幅值进行统计，使得每个细胞单元与不同的m维特征描述向量相对应；步骤S15、将多个细胞单元的梯度方向直方图整合成一个区域块，并对区域块进行归一化处理，统一梯度幅值，之后用所有的梯度直方图组成一个向量来描述所述卷积图像的图像特征。其中，所述利用目标检测网络对每一候选区域进行鸟类目标检测包括：步骤S21、利用滑动窗口在候选区域上进行滑动，通过滑动窗口经过的每个位置上的锚点生成候选框；步骤S22、根据以下公式对所述候选框进行修正得出检测窗口；其中，xc、yc、hc、wc分别为候选框的中心横坐标、中心纵坐标、高度和宽度，jx、jy、jh、jw分别为预设的修正参数，x、y、h、w分别为检测窗口的中心横坐标、中心纵坐标、高度和宽度；所述根据目标检测网络的检测结果判断所述输电线图像中是否存在鸟类包括：对于存在检测窗口的图像，再次提取图像特征，并利用预设分类器对图像特征进行分类识别，确定图像是否存在鸟类。第二方面，本专利技术实施例提出一种输电网鸟类驱赶系统，用于实现实施例所述的输电网鸟类驱赶方法，包括：图像获取单元，用于实时获取输电线图像；图像识别单元，用于对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类；信号生成单元，用于根据判断结果生成驱赶信号，若判断结果为是，则生成驱赶信号；语音装置，用于根据所述驱赶信号发出驱赶声音对鸟类进行驱赶。其中，所述图像识别单元包括：图像特征提取单元，用于利用卷积神经网络对所述输电线图像进行卷积处理得到卷积图像，并根据每一像素点的梯度信息描述所述卷积图像的图像特征；区域生成单元，用于利用区域生成网络根据所述图像特征生成对应不同尺度的多个候选区域；目标检测单元，用于利用目标检测网络对每一候选区域进行鸟类目标检测；判断单元，用于根据目标检测网络的检测结果判断所述输电线图像中是否存在鸟类。其中，包括摄像头，所述摄像头安装于电线杆上，用于实时拍摄输电线图像并发送给所述图像获取单元。第三方面，本专利技术实施例提出一种计算机可读存储介质，包括：计算机可执行指令，当所述计算机可执行指令被运行时用以执行所述输电网鸟类驱赶方法。本专利技术实施例提出一种输电网鸟类驱赶方法及其系统、计算机可读存储介质，实时监控输电线杆塔附近鸟类出现情况，获取输电线杆塔图像，并对该输电线杆塔图像进行图像识别，判断图像中是否出现鸟类，并在出现鸟类的情况下，确定并发出相应的声音告警，驱赶鸟类。实施本专利技术实施例，能够对停留在输电线上的鸟类进行驱赶，避免鸟类的自然活动干扰到输电线的正常工作，提高电力系统运行稳定性和可靠性。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而得以体现。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。当然，实施本专利技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。图1为本专利技术实施例一所述一种输电网鸟类驱赶方法流程示意图。图2为本专利技术实施例一中FasterR-CNN网络结构示意图。图3为本专利技术实施例一中ZF-NET神经网络结构示意图。图4为本专利技术实施例一中区域块结构示意图。图5为本专利技术实施例一中区域生成网络结构示意图。图6为本专利技术实施例一中区域生成网络生成候选区域示意图。图7为本专利技术实施例一中输电网鸟类驱赶方法具体流程示意图。图8为本专利技术实施例二所述一种输电网鸟类驱赶系统示意图。具体实施方式下面将结合本发本文档来自技高网...

【技术保护点】
1.一种输电网鸟类驱赶方法，其特征在于，包括：/n实时获取输电线图像；/n对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类；/n根据判断结果生成驱赶信号，若判断结果为是，则生成驱赶信号；/n根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶。/n

【技术特征摘要】
1.一种输电网鸟类驱赶方法，其特征在于，包括：
实时获取输电线图像；
对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类；
根据判断结果生成驱赶信号，若判断结果为是，则生成驱赶信号；
根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶。


2.如权利要求1所述的输电网鸟类驱赶方法，其特征在于，所述对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类包括：
利用卷积神经网络对所述输电线图像进行卷积处理得到卷积图像，并根据每一像素点的梯度信息描述所述卷积图像的图像特征；
利用区域生成网络根据所述图像特征生成对应不同尺度的多个候选区域；
利用目标检测网络对每一候选区域进行鸟类目标检测；
根据目标检测网络的检测结果判断所述输电线图像中是否存在鸟类。


3.如权利要求2所述的输电网鸟类驱赶方法，其特征在于，所述对所述输电线图像进行图像识别，并根据识别结果判断所述输电线图像中是否存在鸟类包括：
若一输电线图像存在鸟类，则进一步识别鸟类在输电线图像中的位置。


4.如权利要求3所述的输电网鸟类驱赶方法，其特征在于，所述根据所述驱赶信号控制语音装置发出驱赶声音对鸟类进行驱赶包括：
根据所述驱赶信号控制与鸟类在输电线图像中的位置对应的语音装置发出驱赶声音对鸟类进行驱赶。


5.如权利要求3所述的输电网鸟类驱赶方法，其特征在于，所述卷积神经网络为ZF-NET神经网络；
其中，所述根据每一像素点的梯度信息描述所述卷积图像的图像特征包括：
步骤S11、对所述卷积图像进行灰度处理得到灰度图像；
步骤S12、根据公式G(x,y)＝P(x,y)λ对所述灰度图像进行校正得到校正图像；其中，λ为预设常数，P(x,y)为灰度图像上某一点的像素值；
步骤S13、根据以下公式对所述校正图像进行梯度计算得到每一像素点的梯度信息；
Rx(x,y)＝P(x+1,y)-P(x-1,y)
Ry(x,y)＝P(x,y+1)-P(x,y-1)






公式中，Rx(x,y)为在校正图像中像素点(x,y)处的水平方向梯度，Ry(x,y)为垂直方向梯度，R(x,y)为梯度幅值，θ(x,y)为梯度方向；
步骤S14、将所述校正图像分割为多个细胞单元，利用m个块的直方图统计每个细胞单元的梯度信息，对不同方向的梯度的幅值进行统计...

【专利技术属性】
技术研发人员：张云翔，饶竹一，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：广东;44