输电线路微小异物识别方法及装置制造方法及图纸

本申请涉及一种输电线路微小异物识别方法及装置，其中，方法包括：获取输电线路图像并进行卷积处理，得到微小异物特征；采用预设提取规则处理微小异物特征，得到第一待输入数据；采用多层阶梯处理模型处理第一待输入数据，获得直接处理层输出的微小异物低层特征数据和高级处理层的待处理高层特征数据；采用微小异物位置增强模型处理第一待输入数据，获得微小异物位置增强数据；根据待处理高层特征数据和微小异物位置增强数据，获得高级处理层输出的微小异物高层特征数据；合并微小异物低层特征数据和微小异物高层特征数据，获得待池化数据；根据待池化数据，获得微小异物的位置和种类。本申请能有效识别输电线路上存在的微小异物。异物。异物。

【技术实现步骤摘要】
输电线路微小异物识别方法及装置


[0001]本申请涉及电力以及输电
，特别是涉及一种输电线路微小异物识别方法及装置。

技术介绍

[0002]输电线路作为电力系统中重要的构成部分，由于长期直接暴露在空气中，不仅受到来自输电线路自身电荷负载的压力，还要受到外界不确定环境的危害，这就使得输电线路中的元件不断老化，假如不能及时的发现和处理这些问题，输电线路长时间在这种情况下运行可能会出现电路故障，对电力系统的稳定运行造成一定的威胁。
[0003]随着输电线路检测技术的发展，出现了基于AI(Artificial Intelligence，人工智能)边缘计算识别监测输电通道隐患的技术，主要应用于超高压输电线路通道远程巡视和防止外界因素对输电的破坏。
[0004]在实现过程中，专利技术人发现传统技术中至少存在如下问题：
[0005]目前的基于AI边缘检测识别监测输电通道隐患的方式或者传统方法，存在难以有效识别输电线路上的微小异物等问题。

技术实现思路

[0006]基于此，有必要针对上述技术问题，提供一种能够有效识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路微小异物识别方法，其特征在于，包括：获取输电线路图像，对所述输电线路图像进行卷积处理，得到微小异物特征；采用预设提取规则处理所述微小异物特征，得到第一待输入数据；采用多层阶梯处理模型处理所述第一待输入数据，获得直接处理层输出的微小异物低层特征数据，以及高级处理层的待处理高层特征数据；所述多层阶梯处理模型为分别包含相应组数卷积核的多个处理层；其中，所述直接处理层为所述多层阶梯处理模型中位于首层的处理层；所述高级处理层为所述多层阶梯处理模型中除所述直接处理层以外的处理层；采用微小异物位置增强模型处理所述第一待输入数据，获得微小异物位置增强数据；根据所述待处理高层特征数据和所述微小异物位置增强数据，获得所述高级处理层输出的微小异物高层特征数据；所述微小异物位置增强模型为用于提取所述微小异物的位置特征的包含若干个交叉串联的卷积操作和数据整流操作的模型；合并所述微小异物低层特征数据和所述微小异物高层特征数据，获得待池化数据；根据所述待池化数据，获得微小异物的位置和种类。2.根据权利要求1所述的输电线路微小异物识别方法，其特征在于，所述预设提取规则包括：从所述微小异物特征中选取两组特征卷积层，将两组所述特征卷积层分别卷积处理再合并，获得所述第一待输入数据；所述特征卷积层为相邻的卷积层级联构成。3.根据权利要求1所述的输电线路微小异物识别方法，其特征在于，所述采用微小异物位置增强模型处理所述第一待输入数据，获得微小异物位置增强数据的步骤还包括：对所述微小异物特征进行选取，得到第二待输入数据；采用所述微小异物位置增强模型分别处理所述第一待输入数据和所述第二待输入数据，获得第一处理结果和第二处理结果；合并所述第一处理结果和第二处理结果获得所述微小异物位置增强数据。4.根据权利要求3所述的输电线路微小异物识别方法，其特征在于，所述微小异物特征包括若干个串联的卷积模块；所述对所述微小异物特征进行选取，得到第二待输入数据的步骤包括：从所述卷积模块中选取一组相邻的卷积层级联，作为所述第二待输入数据。5.根据权利要求1所述的输电线路微小异物识别方法，其特征在于，所述微小异物位置增强模型还包括输出延长操作；所述输出延长操作位于若干个交叉串...

【专利技术属性】
技术研发人员：宋云海，赵港，何森，周震震，常安，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司检修试验中心，
类型：发明
国别省市：