一种识别样本不平衡的架空线路异常的方法技术

本发明专利技术公开了一种识别样本不平衡的架空线路异常的方法，步骤1：对采集的架空线路图片中正常和异常的电气设备进行标定；步骤2:构建模型，通过现标定后的图片对模型进行训练，所述的模型为基于focal‑loss的YOLO_v3模型；步骤3：采集当前的架空线路图片，将图片输入至训练好的模型中进行识别，得到架空线路识别结果。本发明专利技术能够克服因架空线路异常数据的样本不平衡而导致训练效果不佳问题，提高异常识别的精度。

【技术实现步骤摘要】
一种识别样本不平衡的架空线路异常的方法
本专利技术涉及一种识别样本不平衡的架空线路异常的方法。
技术介绍
保障架空线路的稳定运行是电力系统中最重要的环节之一，维护架空线路的运行需要大量的人力与时间。尤其在密集的树林和深山，维护人员通常需要大量的精力判断架空线路的故障位置。近年提出了一些故障定位方法，如行波定位分析法。该类方法虽然对于故障定位有一定的效果，但对设备精度要求高，且需要运维人员具有一定的知识水平。该方法只能在故障发生后才能进行检测，而无法查出一些异常状态带来的隐患。如今无人机技术的发展已逾见成熟。无人机操控方便，使用灵活，拍摄清晰，用于架空线路的巡检可以减少树木对视觉的干扰，还能方便地检测人力难以到达的山区的线路情况。目前使用无人机检测架空线路还处于人力观察阶段，操作人员将无人机拍摄到的画面经肉眼观察而判断线路中是否存在异常。该巡检方式的确方便了工作人员，但肉眼观察拍摄的画面可能会因光线、拍摄角度和清晰度而使判断不准确。近几年提出的一些智能检测方法，如R-CNN目标检测算法。该算法多次提取图片特征使运算本文档来自技高网...

【技术保护点】
1.一种识别样本不平衡的架空线路异常的方法，其特征在于，包括以下步骤：/n步骤1：对采集的架空线路图片中正常和异常的电气设备进行标定；/n步骤2:构建模型，通过现标定后的图片对模型进行训练，所述的模型为基于focal-loss的YOLO_v3模型；/n步骤3：采集当前的架空线路图片，将图片输入至训练好的模型中进行识别，得到架空线路识别结果。/n

【技术特征摘要】
1.一种识别样本不平衡的架空线路异常的方法，其特征在于，包括以下步骤：
步骤1：对采集的架空线路图片中正常和异常的电气设备进行标定；
步骤2:构建模型，通过现标定后的图片对模型进行训练，所述的模型为基于focal-loss的YOLO_v3模型；
步骤3：采集当前的架空线路图片，将图片输入至训练好的模型中进行识别，得到架空线路识别结果。


2.根据权利要求1所述的识别样本不平衡的架空线路异常的方法，其特征在于，所述的模型中，采用的focal-loss函数为：



其中Lfl代表loss值；a和γ为需要设置的超参数，a为斜率调整参数，γ为样本控制参数。
pi表示模型当前的训练结果认为第i个样本为正的概率(可以理解为置信度)；
y表示标签值，...

【专利技术属性】
技术研发人员：彭曙蓉，黄士峻，张恒，郑国栋，陆双，刘登港，李彬，王超洋，杨云皓，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43