【技术实现步骤摘要】
一种基于深度学习的导线漂浮物智能识别方法及装置
[0001]本专利技术涉及目标识别
，尤其涉及一种基于深度学习的导线漂浮物智能识别方法及装置。
技术介绍
[0002]现代社会严重依赖电力服务，只有可靠的电力服务才可以维持正常的生产、生活中的用电需求，为了向城市和农村提供可靠的电力服务，电力线路、输电塔和相关附件等重要电网部件的维护至关重要，然而，这些设施暴露在室外环境中很容易受到破坏，如输电导线上悬挂风筝，气球，塑料袋和广告布等漂浮物垃圾时，会损坏这些设施，并造成巨大的安全事故和经济损失。因此，要求对电力线系统进行实时监控，以便在出现导线漂浮物悬挂等危险情况时维修部门能及时清理，由于缺乏有效的输电线路检测方法，许多输电线路检测仍依赖人工巡检，该方法成本高，效率低。
[0003]近年来，随着深度学习的发展和卫星遥感影像在民用方面的普及应用，使得依靠深度学习处理卫星图像检测输电线路状态成为可能，然而，由于卫星遥感影像分辨率大、背景复杂，缺乏足够数量的带有导线悬挂物的样本图像训练深度学习网络，而充足的正负样本是保证目...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的导线漂浮物智能识别方法，其特征在于，包括：采用图像重组的方式将获取的卫星影像数据进行数据增强，获取训练集；采用Canny边缘检测算子处理所述训练集以获取目标导线；根据特征金字塔模型将预设的SSD模型中的深层特征与浅层特征相融合，获取改进后的SSD模型，将所述训练集输入所述改进后的SSD模型中进行导线漂浮物识别，获取目标导线漂浮物；若所述目标导线与所述目标导线漂浮物比对成功，则获取最终目标导线漂浮物。2.根据权利要求1所述的基于深度学习的导线漂浮物智能识别方法，其特征在于，所述获取最终目标导线漂浮物，具体为：若所述目标导线的位置与所述目标导线漂浮物的位置重叠，则确定所述目标导线漂浮物为所述最终目标导线漂浮物，否则，确定所述将所述训练集输入所述改进后的SSD模型中进行导线漂浮物识别不准确。3.根据权利要求2所述的基于深度学习的导线漂浮物智能识别方法，其特征在于，所述采用图像重组的方式将获取的卫星影像数据进行数据增强，具体为：对所述卫星影像数据进行预处理，获取预处理后的数据，将所述预处理后的数据中的目标数据与背景数据分割之后，再将分割后的目标数据与预设的背景数据进行融合。4.根据权利要求3所述的基于深度学习的导线漂浮物智能识别方法，其特征在于，对所述卫星影像数据进行预处理，具体为：对所述卫星影像数据进行灰度化、中值滤波以及高斯滤波处理。5.根据权利要求4所述的基于深度学习的导线漂浮物智能识别方法，其特征在于，所述将所述预处理后的数据中的目标数据与背景数据分割，具体为：遍历所述预处理后的数据，采用模板匹配框选所述目标数据，建立所述预处理后的数据的目标框，并采用Grabcut算法对所述目标框进行分割。6.根据权利要求5所述的基于深度学习的导线漂浮物智能识别方法，其特征在于，所述分割后的目标数据与预设的背景数据进行融合，具体为：结合所述分割后的目标数据的像素点P
t
、所述预设的背景数据的像素点P
b
以及...
【专利技术属性】
技术研发人员：魏瑞增，王彤，王磊，饶章权，黄勇，周恩泽，刘淑琴，朱凌，罗颖婷，鄂盛龙，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：
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。