一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法技术

本发明专利技术公开了一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，利用图像采集端采集输电线路的图像并将所述图像传输至云端，所述云端利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警,本发明专利技术能够实现覆冰的智能识别预警，无须人为值守，解决了现有系统智能化程度较低的缺陷。

【技术实现步骤摘要】
一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法
本专利技术涉及智能电网
，特别涉及一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法及系统。
技术介绍
在电网高压输电工程中，远距离高压输电线路所在的地理环境、气候条件比较恶劣，特别是在冬季，因为气温较低，当湿度较高时，很容易在输电线缆的表面结冰，而且随着气温持续下降，电缆线表面的覆冰会越来越厚，让高压输电线路的重量负载越来越大，严重时会造成输电线缆被压断的现象，非常危险，而且后期抢修维护的成本也非常高。另外，传统的覆冰监控预警系统仅仅只能对线缆的进行视频监控，并不能智能地对线缆上是否存在覆冰进行识别预警，因此其智能化程度较低。
技术实现思路
有鉴于此，本专利技术的第一方面的目的是提供一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法。本专利技术的第一方面的目的是通过以下技术方案实现的：该种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，利用图像采集端采集输电线路的图像并将所述图像传输至云端，所述云端利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警信号。进一步，所述云端利用深度学习与图像处理技术处理所述图像的步骤如下：步骤S1：对图像进行初步的覆冰检测，将初步检测得到的疑似覆冰区域从图像中截取出来；步骤S2：将步骤S1截取的疑似覆冰区域转换成灰度图像Ig；步骤S3：对步骤S1截取的疑似覆冰区域进行混合高斯模型的背景建模，得到疑似覆冰区域的背景图，将背景图转换成灰度图Ibg；步骤S4：创建和两个模板，令Ig和Ibg分别与p1和p2卷积，得到Ig的垂直方向边缘图ef1、Ig的水平方向边缘图ef2、Ibg的垂直方向边缘图eb1、Ibg的水平方向边缘图eb2：ef1＝Ig*p1ef2＝Ig*p2eb1＝Ibg*p1eb2＝Ibg*p2步骤S5：通过ef1，ef2，eb1和eb2求取Ig综合方向的边缘图Ef和Ibg综合方向的边缘图Eb：步骤S6：将Ef与Eb相减取绝对值后再二值化，得到边缘差值图Et：步骤S7:判断Et中像素值大于m的像素点数占总的像素点数的比例，若该比例超过设定的阈值TE，则判断疑似覆冰区域为存在覆冰，并在图像中标记覆冰区域；否则判断疑似覆冰区域非覆冰区域。进一步，所述步骤S6中，m的取值范围为[15,30]。进一步，所述步骤S1中，进行初步的覆冰检测的具体过程如下：步骤S11:设已有N张覆冰区域图像Ii，i＝1，...，N，对N张覆冰区域图像用线性插值法重定成30*50像素尺寸后，进行混合高斯模型的背景建模，得到每张覆冰区域图像的前景图If，i；步骤S12：对于覆冰区域图像Ii的前景图If,i，对其进行闭操作后，将其与[1,0,1]和[1,0,1]T两个模板进行卷积，得到两张边缘图g1和g2；步骤S13：对g1和g2取平方和开根号后得到覆冰区域图像Ii的轮廓边缘图Gi；步骤S14：对覆冰区域图像Ii的轮廓边缘图Gi搜索其边缘点的坐标信息，得到轮廓边缘图Gi的轮廓形状向量Si；步骤S15：对各张覆冰区域图像进行步骤S12～S14的处理，得到各张覆冰区域图像的轮廓形状向量；步骤S16：对所有覆冰区域图像的轮廓形状向量进行取平均处理，得到平均的轮廓形状向量步骤S17：基于轮廓形状向量构建覆冰区域轮廓模板T；步骤S18：对于图像I，通过混合高斯模型的背景建模得到其前景图If，及背景图Ib；步骤S19：对前景图If进行闭操作处理后，使用一个和覆冰区域轮廓模板T相同大小的像素全为255的模板t与前景图If进行卷积；步骤S20：将模板t在If上每个位置卷积后所包含图像裁剪出来，得到It，It表征物体的形状轮廓信息；步骤S21：令It与覆冰区域轮廓模板T进行相与操作，得到令It和覆冰区域轮廓模板T分别与相减，得到D1和D2：步骤S22：分别统计D1和D2中灰度值非零的像素点的数量，然后进行取平均处理，得到D1和D2中灰度值非零像素点的平均数量步骤S23：求取平均数量占It中的像素点的比例：其中H为It的高度，W为It的宽度；步骤S24：若r小于设定的阈值Q，则认为It所表征的物体与覆冰区域轮廓模板T匹配，则将It确认为疑似覆冰区域。进一步，所述步骤S14中，轮廓形状向量Si是大小为2*n的矩阵，其中n为轮廓边缘图Gi的边缘点个数，轮廓形状向量Si第一行存放轮廓边缘图Gi中边缘点的x坐标信息，第二行存放轮廓边缘图Gi中边缘点的y坐标信息。进一步，所述步骤S24中，所述阈值Q的值为0.1。本专利技术的第二方面的目的是提供一种基于深度学习与图像处理技术的输电线路覆冰监控预警系统，用于实现如前所述的一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，所述系统包括图像采集端和云端处理中心，所述图像采集端利用图像采集端采集输电线路的图像并将所述图像传输至云端处理中心，所述云端处理中心利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警信号。本专利技术的第三方面的目的是提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现前面所述的方法的步骤。本专利技术的有益效果是：本专利技术提供的监控预警系统通过对输电线路的视频图像进行实时的检测识别确定输电线路上是否存在覆冰，若存在覆冰，则发出预警，从而实现覆冰的智能识别预警，无需人为值守，解决了现有系统智能化程度较低的缺陷。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为本专利技术提供的系统的结构示意图；图2为云端利用深度学习与图像处理技术处理所述图像的流程图。具体实施方式以下将参照附图，对本专利技术的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。如图1所示，本专利技术提供了一种基于深度学习与图像处理技术的输电线路覆冰监控预警系统，包括图像采集端和云端处理中心，图像采集端利用图像采集端采集输电线路的图像并将所述图像传输至云端处理中心，云端处理中心利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警信号。如图2所示，本专利技术的一种基于深度学习与本文档来自技高网...

【技术保护点】
1.一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，其特征在于：/n利用图像采集端采集输电线路的图像并将所述图像传输至云端，所述云端利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警。/n

【技术特征摘要】
1.一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，其特征在于：
利用图像采集端采集输电线路的图像并将所述图像传输至云端，所述云端利用深度学习与图像处理技术处理所述图像，并基于所述处理结果判断输电线路是否存在覆冰，若存在覆冰，则向监控中心发出预警。


2.根据权利要求1所述的一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，其特征在于：所述云端利用深度学习与图像处理技术处理所述图像的步骤如下：
步骤S1：对图像进行初步的覆冰检测，将初步检测得到的疑似覆冰区域从图像中截取出来；
步骤S2：将步骤S1截取的疑似覆冰区域转换成灰度图像Ig；
步骤S3：对步骤S1截取的疑似覆冰区域进行混合高斯模型的背景建模，得到疑似覆冰区域的背景图，将背景图转换成灰度图Ibg；
步骤S4：创建和两个模板，令Ig和Ibg分别与p1和p2卷积，得到Ig的垂直方向边缘图ef1、Ig的水平方向边缘图ef2、Ibg的垂直方向边缘图eb1、Ibg的水平方向边缘图eb2：
ef1＝Ig*p1
ef2＝Ig*p2
eb1＝Ibg*p1
eb2＝Ibg*p2
步骤S5：通过ef1，ef2，eb1和eb2求取Ig综合方向的边缘图Ef和Ibg综合方向的边缘图Eb：






步骤S6：将Ef与Eb相减取绝对值后再二值化，得到边缘差值图Et：



步骤S7:判断Et中像素值大于m的像素点数占总的像素点数的比例，若该比例超过设定的阈值TE，则判断疑似覆冰区域为存在覆冰，并在图像中标记覆冰区域；否则判断疑似覆冰区域非覆冰区域。


3.根据权利要求2所述的一种基于深度学习与图像处理技术的输电线路覆冰监控预警系统及方法，其特征在于：所述步骤S6中，m的取值范围为[15,30]。


4.根据权利要求2所述的一种基于深度学习与图像处理技术的输电线路覆冰监控预警方法，其特征在于：所述步骤S1中，进行初步的覆冰检测的具体过程如下：
步骤S11:设已有N张覆冰区域图像Ii，i＝1，...，N，对N张覆冰区域图像用线性插值法重定成30*50像素尺寸后，进行混合高斯模型的背景建模，得到每张覆冰区域图像的前景图If，i；
步骤S12：对于覆冰区域图像Ii的前景图If,i，对其进行闭操作后，将其与[1,0,1]和[1,0,1]T两个模板进行卷积，得到两张边缘图g1和g2；
步骤S13：对g1和g2取平方和开根号后得到覆冰区域图像Ii的轮廓边缘图Gi；
步骤S14：对覆冰区域图像Ii的轮廓边缘图Gi搜...

【专利技术属性】
技术研发人员：董武，陈登墀，刘旭，彭迪栎，蔡诚，刘晴，王涛，龙姣，汤玮，周倩，袁汉云，金海，左军，张国翊，
申请(专利权)人：贵州电网有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：贵州;52