【技术实现步骤摘要】
基于双目视觉的输电通道隐患物识别追踪方法
本专利技术公开一种基于双目视觉的输电通道隐患物识别追踪方法,属于智能电网中的全息感知
技术介绍
随着现代电力系统的不断发展与进步,输电网规模越来越大,输电线及输电通道外破隐患(包括机械外破、烟雾山火、异物入侵、导地线异物、输电线覆冰和舞动等外部风险)成为全国范围内输电线路发生故障的主要原因。以上隐患发生后,易导致输电线故障和大面积停电,最终带来难以估量的经济损失。为有效解决上述技术问题,若干地区开始进行输电线路可视化建设,安装可视化监拍装置,建立了输电线路可视化巡检系统。然而,目前已投入运行的输电线路可视化巡检系统每年会产生海量图片,如果由人工逐一监视,会耗费大量人力物力;而且该系统对轻量烟火、导地线异物等小样本外破隐患的识别准确率较低,缺乏对隐患源与线路之间安全距离的自动计算。中国专利文献CN108665484A一种基于深度学习的危险源识别方法与系统,所述方法包括:S1、将摄像机采集到的图像以固定速率传输至后台服务器;S2、后台服务器将采集到的图像利用深度学习算法求得特征,以该特征作为运动图像的检测条件;S3、将所述特征输入系数字典,根据最优化稀疏表示求解得到运动目标;S4、利用双目视觉对由稀疏表示求得的运动特征进行定位,实现危险源识别。该专利文献解决了现有技术下输变电线路的危险源识别难度大的问题,有效降低了人工提取危险源特征的劳动复杂度,其对特征的表达较其他方法更加完整有效,最终实现对危险源运动特征的定位,保护输变电线路安全。但是该文献是用系数字 ...
【技术保护点】
1.基于双目视觉的输电通道隐患物识别追踪方法,其特征在于,包括以下步骤:/nS1:收集输电线路可视化巡检系统中的监拍数据,构造输电线路及输电通道常见外破隐患样本数据集;/nS2:构建基于双目视觉的左右目图像隐患识别追踪的模型:利用深度学习和双目视觉技术,对输入的双目视觉信息进行卷积以及左右目关联通路操作;/nS3:利用步骤S2的模型,对初始模型检测出的左右目图像外破隐患分割轮廓与数据集中的真实分割轮廓进行损失计算,并进行迭代优化,直至整个损失函数完全收敛;/nS4:将训练完成的模型投入测试与使用,接收双目视觉输入,即实现外破隐患识别追踪。/n
【技术特征摘要】
1.基于双目视觉的输电通道隐患物识别追踪方法,其特征在于,包括以下步骤:
S1:收集输电线路可视化巡检系统中的监拍数据,构造输电线路及输电通道常见外破隐患样本数据集;
S2:构建基于双目视觉的左右目图像隐患识别追踪的模型:利用深度学习和双目视觉技术,对输入的双目视觉信息进行卷积以及左右目关联通路操作;
S3:利用步骤S2的模型,对初始模型检测出的左右目图像外破隐患分割轮廓与数据集中的真实分割轮廓进行损失计算,并进行迭代优化,直至整个损失函数完全收敛;
S4:将训练完成的模型投入测试与使用,接收双目视觉输入,即实现外破隐患识别追踪。
2.根据权利要求1所述的一种基于双目视觉的输电通道隐患物识别追踪方法,其特征在于,所述步骤S1构造输电线路及输电通道常见外破隐患样本数据集的方法包括:
S11:采样双目监控视频数据,采样的范围包括但不限于:山火以及异物等隐患源监控视频;
S12:对山火以及异物等隐患源进行人工标注,记录隐患源的位置及轮廓并保存数据标签,则数据集构建完毕。
3.根据权利要求1所述的一种基于双目视觉的输电通道隐患物识别追踪方法,其特征在于,所述步骤S2构建基于双目视觉的左右目图像隐患识别追踪的模型的方法包括:
S21:所述模型接收左目图像L与右目图像R,使用预训练的深度卷积神经网络ResNet分别获取特征图Flm=ResNet(L),Frm=ResNet(R);
S22:将获取的特征图Flm和Frm通过6个不同尺度的池化卷积模块,Pooli(Convi()),i={1,2,3,4,5,6},得到Mli=Pooli(Convi(Flm))和Mri=Pooli(Convi(Frm)),这里Pool指不同尺度的池化操作,Conv指不同的卷积操作,下标i代表不同尺度,分别为1、2、3、4、5和6;
S23:分别对每个Mli和Mri进行上采样操作,得到上采样本Uli=UpSample(Mli),Uri=UpSample(Mri),i={1,2,3,4,5,6};
S24:构建双目视觉左右目关联通路:接收左目图像特征图Flm与右目图像特征图Frm,并进行合并操作得到合并特征图Fc=Concat(Flm,Frm),对得到的Fc进行尺度为1的池化卷积操作,并同样进行上采样,得到:
左右目关联特征z=UpSample(Pool1(Conv1(Fc))),其中UpSample(·)代表上采样操作,Pool1(Conv1(·))代表尺度为1的池化卷积操作;
S25:分别对左目各个上采样本Uli及关联特征z,和右目各个上采样本Uri及关联特征z...
【专利技术属性】
技术研发人员:聂礼强,郑晓云,姚一杨,战新刚,孙腾,尉寅玮,
申请(专利权)人:山东大学,国网浙江省电力有限公司衢州供电公司,国网浙江省电力有限公司,智洋创新科技股份有限公司,
类型:发明
国别省市:山东;37
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。