一种基于深度学习的输电线路覆冰厚度检测方法技术

一种基于深度学习的输电线路覆冰厚度检测方法，涉及一种电力系统中输电线路覆冰厚度的检测技术，为了解决现有的图像法处理覆冰线路图像时，覆冰检测边缘精度低的问题。本发明专利技术通过获取输电线路覆冰图像数据集，并对其进行训练，得到三分类的语义分割模型；使用三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；使用OpenCV对输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；根据提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度。有益效果为提高了输电线路覆冰检测边缘的精度。

【技术实现步骤摘要】
一种基于深度学习的输电线路覆冰厚度检测方法
本专利技术涉及一种电力系统中输电线路覆冰厚度的检测技术。
技术介绍
近年来，随着我国输电技术的高速发展，高压输电技术的普及，加上西电东送、北电南送等国家重大战略目标的确定，越来越多的输电线路建设在轻度及重度覆冰区，如我国的西南地区、东北地区等；在一定的地理气象环境条件下，输电线路的导线上常常会出现覆冰现象，由于输电线路覆冰而导致的电力事故频繁发生，输电线路覆冰这一问题逐渐成为影响电力系统稳定安全运行的一个重要因素；因此，对输电线路覆冰情况的及时有效地监测成为了维护输电线路安全稳定运行的一项重要技术手段；一般情况下，对输电线路覆冰状态的检测过程中，受自然界客观因素的影响，直接从自然环境中获取到的覆冰输电线路图像质量欠佳，如噪声过大，图像清晰度不高，输电线路边缘模糊等问题；现有的输电线路覆冰检测研究所选用的对象大部分使用的是实验室中的模拟导线或使用覆冰的光滑铜管代替，与实际情况存在一定差距，实验模型难以准确的从自然环境中所直接获取到的覆冰输电线路图像中提取边界。全世界每年都会发生多起由于输电线路覆本文档来自技高网...

【技术保护点】
1.一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，该检测方法包括以下步骤：/n步骤一、获取输电线路覆冰图像数据集；/n步骤二、对步骤一获取的输电线路覆冰图像数据集进行训练，得到三分类的语义分割模型；/n步骤三、使用步骤二得到的三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；/n步骤四、使用OpenCV对步骤三输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；/n步骤五、根据步骤四提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度。/n

【技术特征摘要】
1.一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，该检测方法包括以下步骤：
步骤一、获取输电线路覆冰图像数据集；
步骤二、对步骤一获取的输电线路覆冰图像数据集进行训练，得到三分类的语义分割模型；
步骤三、使用步骤二得到的三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；
步骤四、使用OpenCV对步骤三输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；
步骤五、根据步骤四提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度。


2.根据权利要求1所述的一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，步骤二中得到三分类的语义分割模型的具体方法为：
步骤二一、采取数据增强方法，增加输电线路覆冰图像数据集中图像的数量；
步骤二二、对增加图像数量后的输电线路覆冰图像数据集中的每一张图片生成对应的掩膜，将该掩膜作为原图像的标签；
步骤二三、批量取出增加图像数量后的输电线路覆冰图像数据集中的图像以及与其对应的掩膜；
步骤二四、对步骤二三中批量取出的图像以及对应的掩膜进行预处理；
步骤二五、设置深度学习语义模型的训练周期，并利用该深度学习语义模型对步骤二四预处理后的图片进行三分类训练；
步骤二六，训练结束，得到三分类语义分割模型。


3.根据权利要求2所述的一种基于深度学习的输电线路覆冰厚度检测方法，其特征在于，步骤二一中数据增强方法包括几何变换法和颜色变换法；
所述几何变换法包括翻转、旋转、裁剪、变形以及缩放中的一个或多个；
所述颜色变换法包括噪声、模糊、颜色变换、擦除以及填充中的一个或多个。


4.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：林泽超，侯锐，李晋，史长亭，白玉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23