基于深度学习的输电通道异物入侵检测方法技术

本发明专利技术涉及一种基于深度学习的输电通道异物入侵检测方法，针对输电通道中的架空线路导线，利用改进的Mask‑RCNN导线检测方法，实现导线的语义分割；在对导线与异物距离进行入侵检测时，提出一种优化去重算法，得到更加准确的导线的像素级别形状；异物入侵时使用单目测距的方法，利用参照物体换算得到导线与异物间的距离；对于输电通道异物入侵的检测，采用实时监测预警的方法，对其进行监控预警。本发明专利技术使用针对输电通道的引导图像进行导向滤波，增强目标特征，减弱天气造成的影响，提高鲁棒性；提出改进的Mask R‑CNN算法对目标进行像素级别划分，便于距离测量；提出算法重新拟合导线形状，并去重，提高准确率。

Foreign object intrusion detection method of transmission channel based on deep learning

【技术实现步骤摘要】
基于深度学习的输电通道异物入侵检测方法
本专利技术属于电网运营维护
，具体涉及到一种基于深度学习的输电通道异物入侵检测方法，涉及滤波算法、图像处理、深度学习、语义分割等领域，可用于检测起重机械入侵输电通道等危害电网安全运行的异常情况。
技术介绍
在电力传输的过程中，主要面临以下两类问题：一是由于大风等原因，导致导线间距变小，高压线极限放电距离缩短，危及传输线路安全，甚至造成大面积停电；二是输电线路附近的吊车等大型作业设备入侵输电通道，常常对输电线路造成损坏。目前常用的解决办法是人工排查，然而该方法费时费力且成本较高。基于此，需要一种高效自动化的异物识别方法来帮助对电力通道的各类安全隐患进行识别预警。现已有的技术方法有：(1)、基于SSD的导线识别方法：其主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归，整个过程只需要一步，所以其优势是速度快，但是精度无法达到对于目标进行像素级距离检测的目的。(2)、基于改进的FasterR-CNN高压线缆目标检本文档来自技高网...

【技术保护点】
1.基于深度学习的输电通道异物入侵检测方法，其特征在于，包括以下步骤：/n步骤1、针对输电通道中的架空线路导线，利用改进的Mask-RCNN导线检测方法，实现导线的语义分割；/n步骤2、在对导线与异物距离进行入侵检测时，利用一种优化去重算法，得到更加准确的导线的像素级别形状；/n步骤3、异物入侵时使用单目测距的方法，利用参照物体换算得到导线与异物间的距离；/n步骤4、对于输电通道异物入侵的检测，采用实时监测预警的方法，对其进行监控预警。/n

【技术特征摘要】
1.基于深度学习的输电通道异物入侵检测方法，其特征在于，包括以下步骤：
步骤1、针对输电通道中的架空线路导线，利用改进的Mask-RCNN导线检测方法，实现导线的语义分割；
步骤2、在对导线与异物距离进行入侵检测时，利用一种优化去重算法，得到更加准确的导线的像素级别形状；
步骤3、异物入侵时使用单目测距的方法，利用参照物体换算得到导线与异物间的距离；
步骤4、对于输电通道异物入侵的检测，采用实时监测预警的方法，对其进行监控预警。


2.根据权利要求1所述的输电通道异物入侵检测方法，其特征在于，步骤1所述的实现导线的语义分割的具体步骤如下：
针对输电通道中的架空线路导线，设计一种改进的Mask-RCNN导线检测方法，通过卷积神经网络进行特征提取，生成导线图像的特征图，在RPN中加入了针对于导线特征、加入不同纵横比的anchor，利用RPN在原图像特征图中生成可能存在导线的区域ROI，然后通过双线性插值方法进行ROIAlign操作，进行像素对准，对每个候选区域进行进一步的卷积、池化操作，判断ROI中是否包含导线，并对坐标进行回归修正，同时添加Mask分支，在导线目标区域产生导线的掩膜信息，实现导线的语义分割。


3.根据权利要求1所述的输电通道异物入侵检测方法，其特征在于，步骤2所述的得到更加准确的导线的像素级别形状的具体步骤如下：
在对导线与异物距离进行入侵检测时，对异物特征和导线检测时发生形状不连续的问题，提出一种优化去重算法，对异物形状相邻的小区域进行合并，去除重复问题，同时将所有导线掩膜像素点取平均值，对导线形状进行建模，生成不同长短的导线线条形状，通过对这些导线线条适度延长，将长度较短的线段合并方向相同且位置相近的长线段上，得到更加准确的导线的像素级别形状。

【专利技术属性】
技术研发人员：张合宝，田圣柯，卢闽，王建功，林国春，刘晓亮，
申请(专利权)人：积成电子股份有限公司，
类型：发明
国别省市：山东;37