一种将人工智能识别技术应用于三维输变电工程测算的方法技术

本发明专利技术涉及输变电工程测算，特别涉及一种将人工智能识别技术应用于三维输变电工程测算的方法，所述方法包括遥感影像获取、数据预处理、影像分割、标注基础训练样本、网络模型选择、模型训练、预测、结果分析评价步骤。本发明专利技术通过真彩色DOM影像的及点云数据的自动分类，能够将房屋、林木等对输电线路电力走廊有重要影响的要素高效、准确地提取，极大程度减少了测量人员的工作量，仅需定点人工干预，即可完成传统模式下的工程量测算工作。并且通过本发明专利技术深度学习方法的高精度边界提取结果较高，在测试集中对目标的预测结果与标签做对比，计算地物识别的准确率能达到85%以上，基本能准确的对已经分类的地物做好边界分割，对实际测算工作提供了可靠的依据。工作提供了可靠的依据。工作提供了可靠的依据。

【技术实现步骤摘要】
一种将人工智能识别技术应用于三维输变电工程测算的方法
[0001]

[0002]本专利技术涉及输变电工程测算，特别涉及一种将人工智能识别技术应用于三维输变电工程测算的方法。

技术介绍

[0003]在勘测专业，工程量测算的传统方式是基于影像，人工对房屋、树木、征地等地物进行手动绘制，生成ORG文件，导入设计软件中进行测算。测算一般有四种方法：第一种是基于全波形激光探测与测量(LiDAR，Light Detection And Ranging)数据，获取植被的结构化信息，在受影响范围内汇总点云属性并计算综合波形特征参数，实现通过单一数据源获取并提高目标大小的测量精度；第二种是基于全波形LiDAR数据，衍生出对单体树、房屋，征地的定位和提取，结合韦伯分布和三次样条函数模型，作为特征变量获取模型参数；第三种是基于多源同期高分辨率遥感数据，首先基于高分辨率数据和面向对象分割方法进行目标分类，然后基于高光谱数据提取的空间细节和光谱特征并结合反向传播神经网络对图像地物识别；第四种是基于高光谱数据，使用三维卷积神经网络对地物识别，三维卷积神经网络基于机载高光谱数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种将人工智能识别技术应用于三维输变电工程测算的方法，其特征在于：所述方法包括遥感影像获取、数据预处理、影像分割、标注基础训练样本、网络模型选择、模型训练、预测、结果分析评价步骤。2.根据权利要求1所述的一种将人工智能识别技术应用于三维输变电工程测算的方法，其特征在于：该方法所述的数据预处理步骤还包括：由于遥感影像受到时候等因素的影响，导致影像会有白斑问题；这个时候需要先对影像进行预处理，包括矫正、降噪、去云，从而更好地进行影像分类；该方法所述的影像分割步骤还包括：由于遥感影像覆盖范围广，信息量大，不适合直接利用深度学习的算法进行分析处理，因此有必要将影像分割为合适的大小，从而更好的提取影像的特征；该方法所述的标注基础训练样本步骤还包括：根据遥感影像中目标或类别如房屋、树木的特征，对其进行矢量标注，形成矢量格式的文件，从而方便深度学习框架对影像数据的分析处理；该方法所述的网络模型选择步骤还包括：基于目标识别的网络模型有RCNN、R
‑
FCN、SSD，基于语义分割的网络模型有DEEPLAB；这些模型都是卷积神经网络CNN，其基本结构由输入层、卷积层、池化层、全连接层以及输出层构成；卷积的作用是提取原始图像的特征，池化可以减少特征参数的数量，减少计算量，同时提高所提取特征的鲁棒性；在卷积层和池化层之间会添加一个激活函数包括relu、sigmoid，以实现神经元输出的非线性化，提高模型对复杂函数的逼近能力；该方法所述的模型训练步骤还包括：利用深度学习框架对模型进行训练；根据样本数据的大小利用卷积神经网络模型参数包括训练的次数、批次以及学习率，将样本分成训练样本和验证样本，利用训练样本对模型进行训练，利用验证样本对得到的模型进行精度验证；该方法所述的预测步骤还包括：利用训练好的模型对未知的影像数据进行预测；该方法所述的结果分析评价步骤还包括：对预测的结果进行分析评价，从而帮助决策分析。3.根据权利要求1所述的一种将人工智能识别技术应用于三维输变电工程测算的方法，其特征在于：该方法还包括通过深度学习对数据预处理，包括去阴影和图像去噪处理；去阴影详细步骤为：阴影有比周围地物明显的低亮度，对图像做同态滤波，改善图像的亮度分布不均匀，使用深度学习对处理过的图像的阴影做训练；图像去噪处理详细步骤为遥感图像在拍摄、传输过程中，可能会因为设备或者数字化等因素产生较多的随机噪声，这会较大程度影响后期训练过程中的特征提取，去噪的算法采用中值滤波和高斯滤波相结合，中值滤波针对图像中的随机噪声比较有效；高斯滤波器对呈现一定正态分布的高斯噪声有很好的降噪作用；在真实环境中，噪音是由不同来源的噪音复合体；可以把真实噪音看成非常多不同概率分布的随机变量的加合，并且每一个随机变量都是独立的，那么随着噪音源数量的上升，趋近于一个高斯分布。4.根据权利要求1所述的一种将人工智能识别技术应用于三维输变电工程测算的方法，其特征在于：该方法还包括数据增强；所述数据增强包括空间域和频率域，详细步骤为：
空间域：对图像空间域做数据增强，主要手段有图像去噪、图像翻转、亮度和对比度增强、改善色彩强度、增加样本数量；频率域：对图像做傅里叶变换，获得频率域图像，然后对频率域图像做滤波，使用高斯高通和低通滤波，针对不同的地物使用不同的滤波器。5.根据权利要求1所述的一种将人工智能识别技术应用于三维输变电工程测算的方法，其特征在于：该方法还包括数据训练；详细步骤为：（1）初始网络模型建立：初始模型选择XCeption，该网络模型具有速度快，精度高的特点，能够对特征不断的进行分析及过滤，更能提取有效特征；对于大数据量的遥感图像，模型中的Entry Flow模块能不断下采样，降低空间维度，中间层能不断的学习关联关系，优化特征，提高特征提取的精度；（2）训练参数调整：根据不同地物的特征，包括单个地物的平均大小以及色彩分布情况，调整训练数据...

【专利技术属性】
技术研发人员：罗玉鹤，白文博，王雅芳，杨东东，郑明军，
申请(专利权)人：宁波市电力设计院有限公司，
类型：发明
国别省市：