一种用于输电线路的隐患状态识别方法及设备技术

本申请提供了一种用于输电线路的隐患状态识别方法及设备，本申请属于输电线路检测技术领域。该方法获取声音告警信息，声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。并发送告警信息至管理终端。并发送告警信息至管理终端。

【技术实现步骤摘要】
一种用于输电线路的隐患状态识别方法及设备


[0001]本申请涉及输电线路检测
，尤其涉及一种用于输电线路的隐患状态识别方法及设备。

技术介绍

[0002]输电线路是电网的重要组成部分，受人为及自然条件的影响，输电线路中经常会出现各种安全隐患，如机械施工、各类猛禽等。为了维护输电线路的安全，保障输电线路正常运行，会有专人现场巡逻或网络的方式检测输电线路附近是否出现安全隐患。
[0003]随着人工智能技术发展，专人巡逻方式逐渐被人工智能取代，目前可以通过人工智能，识别监控设备监拍到的输电线路图像，进而识别输电线路存在的安全隐患。但是，一般的监控设备受限于电池容量、网络流量等硬件限制，不能长时间监控，人们为监控设备设置定时监拍功能。定时监拍必然导致出现输电线路的监控空窗期，不能实时对输电线路的隐患进行监控，进而使隐患危害输电线路。
[0004]基于此，亟需一种能够实时监控输电线路的隐患，保障输电线路安全运行的技术方案。

技术实现思路

[0005]本申请实施例提供了一种用于输电线路的隐患状态识别方法及设备，用于实时对输电线路的隐患进行监控。
[0006]一方面，本申请提供了一种用于输电线路的隐患状态识别方法，该方法包括：获取声音告警信息。声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
[0007]在申请的一种实现方式中，确定声音告警信息相应的第一采集位置。其中，第一采集位置为满足第一预设条件的监拍设备的位置。第一预设条件为监拍设备在预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。根据第一采集位置以及各第二采集位置，确定告警区域。确定告警区域内相应的各监拍设备，为监拍设备组。
[0008]在申请的一种实现方式中，通过监拍设备中的声音采集模块，获取输电线路的外界监测声音。外界监测声音包括隐患发出的声音。将外界监测声音输入预先训练好的声音识别模型，以确定外界监测声音的类型。在外界监测声音的类型为隐患触发类型的情况下，
确定声音告警信息。
[0009]在申请的一种实现方式中，通过预先训练的卷积神经网络模型，确定隐患图像中待定隐患特征。确定待定隐患特征与已识别隐患的隐患特征，是否匹配。其中，已识别隐患的隐患特征为在确定待定隐患特征之前，基于卷积神经网络模型而得到的。在待定隐患特征与已识别隐患的隐患特征匹配的情况下，将已识别隐患的隐患标识，作为隐患图像的隐患标识。
[0010]在申请的一种实现方式中，在待定隐患特征与已识别隐患的隐患特征不匹配的情况下，生成待定隐患特征的隐患标识，并更新隐患图像相应的隐患为已识别隐患。
[0011]在申请的一种实现方式中，根据声音告警信息中告警设备位置，生成定位坐标系。根据声音告警信息中告警音频数据的信号采集时间，确定信号采集时延值。根据信号采集时延值，确定隐患的声源在定位坐标系的声源定位坐标。根据声源定位坐标以及隐患标识，确定隐患标识的位置是否变化，以根据隐患标识的位置变化，确定隐患标识相应的运动状态是否为转场作业状态。
[0012]在申请的一种实现方式中，确定转场作业状态相应的移动方向。判断隐患沿移动方向的行驶路径上，是否存在输电线路。在隐患沿移动方向的行驶路径上，存在输电线路的情况下，生成转场告警信息。
[0013]在申请的一种实现方式中，将若干声音样本，输入声音识别模型，进行训练。其中，声音样本至少包括：雷击声音、猛禽声音、机械施工声音。将测试声音样本输入训练后的声音识别模型，确定识别结果。根据识别结果，确定声音识别模型是否完成训练。
[0014]另一方面，本申请实施例提供了一种用于输电线路的隐患转场作业识别设备，该设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取声音告警信息。声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
[0015]在本申请的一种实现方式中，至少一个处理器，具体能够：确定声音告警信息相应的第一采集位置。其中，第一采集位置为满足第一预设条件的监拍设备的位置。第一预设条件为监拍设备在预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。根据第一采集位置以及各第二采集位置，确定告警区域。确定告警区域内相应的各监拍设备，为监拍设备组。
[0016]通过上述方案，本申请可以利用隐患发出的声音，对输电线路的隐患进行实时监
控，并根据监拍设备对隐患状态进行识别，避免隐患对输电线路造成危害，保障输电线路的安全运行。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例中一种用于输电线路的隐患状态识别方法的一种流程示意图；图2为本申请实施例中一种用于输电线路的隐患状态识别方法的另一种流程示意图；图3为本申请实施例中一种用于输电线路的隐患状态识别方法中的一种示意图；图4为本申请实施例中一种用于输电线路的隐患状态识别方法中的另一种示意图；图5为本申请实施例中一种用于输电线路的隐患状态识别设备的结构示意图。
具体实施方式
[0018]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0019本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于输电线路的隐患状态识别方法，其特征在于，所述方法包括：获取声音告警信息；所述声音告警信息是通过隐患发出的声音得到的；基于得到所述声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据所述监拍设备组，获取隐患图像集合；所述隐患图像集合包含由所述监拍设备组中各监拍设备分别获取的隐患图像；根据所述隐患图像集合，确定所述隐患图像集合相应的隐患标识；基于所述声音告警信息以及所述隐患标识，确定所述隐患标识相应的运动状态是否为转场作业状态；其中，所述转场作业状态为所述隐患标识发生位置移动；在所述隐患标识相应的所述运动状态为所述转场作业状态的情况下，生成转场告警信息，并发送所述告警信息至管理终端。2.根据权利要求1所述方法，其特征在于，基于得到所述声音告警信息的若干监拍设备位置关系，实时确定相应监拍设备组，具体包括：确定所述声音告警信息相应的第一采集位置；其中，所述第一采集位置为满足第一预设条件的所述监拍设备的位置；所述第一预设条件为所述监拍设备在预设距离范围内达到预设数量，且所述预设距离内的监拍设备在预设时间内接收到所述声音告警信息；根据所述第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置；其中，所述第二预设条件为所述第二采集位置至少与所述第一采集位置满足密度相连；根据所述第一采集位置以及各所述第二采集位置，确定告警区域；确定所述告警区域内相应的各所述监拍设备，为所述监拍设备组。3.根据权利要求1所述方法，其特征在于，获取声音告警信息之前，所述方法还包括：通过监拍设备中的声音采集模块，获取输电线路的外界监测声音；所述外界监测声音包括所述隐患发出的声音；将所述外界监测声音输入预先训练好的声音识别模型，以确定所述外界监测声音的类型；在所述外界监测声音的类型为隐患触发类型的情况下，确定声音告警信息。4.根据权利要求1所述方法，其特征在于，识别所述隐患图像，以确定所述隐患图像的隐患标识，具体包括：通过预先训练的卷积神经网络模型，确定所述隐患图像中待定隐患特征；确定所述待定隐患特征与已识别隐患的隐患特征，是否匹配；其中，所述已识别隐患的隐患特征为在确定所述待定隐患特征之前，基于所述卷积神经网络模型而得到的；在所述待定隐患特征与所述已识别隐患的隐患特征匹配的情况下，将所述已识别隐患的隐患标识，作为所述隐患图像的所述隐患标识。5.根据权利要求4所述方法，其特征在于，所述方法还包括：在所述待定隐患特征与所述已识别隐患的隐患特征不匹配的情况下，生成所述待定隐患特征的隐患标识，并更新所述隐患图像相应的所述隐患为所述已识别隐患。6.根据权利要求1所述方法，其特征在于，基于所述声音告警信息以及所述隐患标识，确定所述隐患标识相应的运动状态是...

【专利技术属性】
技术研发人员：郭国信，蔡富东，吕昌峰，刘焕云，边竞，
申请(专利权)人：山东信通电子股份有限公司，
类型：发明
国别省市：