基于智能图像识别的输电线路路径优选方法技术

本发明专利技术涉及输电线路路径规划技术。本发明专利技术是要解决输电线路的路径优选受专家经验影响或效率低的问题，提供了一种基于智能图像识别的输电线路路径优选方法，其技术方案可概括为：首先采用GIS地理信息系统加载高清遥感卫星影像、数字高程模型及矢量专题数据；再确定线路起止点，连接起止点形成航空线，并确定线路参数，得到输电线路设计规划；然后采用预先建立的改进的U

【技术实现步骤摘要】
基于智能图像识别的输电线路路径优选方法


[0001]本专利技术涉及输电线路路径规划技术，特别涉及基于智能图像识别的输电线路路径优化的技术。

技术介绍

[0002]在传统输电线路路径选择过程中，设计人员需结合地形图和已有的专题数据(气象条件、规划区、矿区及已建电力线路等)进行室内选线。由于地形图携带的信息不能完全反映现场地物的实际分布情况，就需要设计人员在进一步现场勘探后，再进行路径优化。通常情况下可行的路径方案有多条，设计人员基于自身经验对多条路径方案进行技术经济比较，综合考虑各种因素后再做出决策。但受制于各设计人员经验，不同的设计人员选出的路径方案可能不同，且最后所选择的路径方案也可能不是最优方案。
[0003]近年来，采用专家打分法和迪杰斯特拉(Dijkstra)算法进行输电线路的路径优选是一种可行的优选方法，其部分解决了传统输电线路路径选择时存在的问题。但依然存在以下问题：专家打分法受专家经验影响，各制约因素的打分权重不能完全准确反映出对路径方案优劣的准确影响；迪杰拉斯算法搜索范围过大，耗费时间较长；需人工标绘遥感影响包含的所有信息，效率低。

技术实现思路

[0004]本专利技术的目的是要解决目前输电线路的路径优选受专家经验影响或效率低的问题，提供了一种基于智能图像识别的输电线路路径优选方法。
[0005]本专利技术解决上述技术问题采用的技术方案是，基于智能图像识别的输电线路路径优选方法，包括以下步骤：
[0006]步骤1、采用GIS(Geographic Information System)地理信息系统，加载高清遥感卫星影像、数字高程模型及矢量专题数据；
[0007]步骤2、确定线路起止点，连接起止点形成航空线，并确定线路参数，得到输电线路设计规划；
[0008]步骤3、以线路的航空线为中心设置图像智能识别的范围得到选线区域，采用预先建立的改进的U
‑
Net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果；所述改进的U
‑
Net模型是指在U
‑
Net模型的基础上，将其压缩通道中的标准卷积层替换为可变形卷积(Deformable Convolution)，且在其扩展通道中，令每次卷积层在一次反卷积
‑
拼接
‑
卷积操作完成后输出一个预测结果，最后对所有预测结果进行联合预测得到最终的分类预测；
[0009]步骤4、对高清遥感卫星影像进行网格划分，结合图像识别结果、数字高程模型及输电线路设计规划，计算识别单元网格任一边线或对角线的海拔高度、地形地貌、风速、冰区、林区及汽车和人力运距，并为其映射相应的工程造价调整系数；
[0010]步骤5、通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理
费用能够计算单元网格任一边线或对角线的造价，从而利用A*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径。
[0011]具体的，为具体说明矢量专题数据，则步骤1中，所述矢量专题数据包括已收集的规划区和/或矿区和/或生态敏感区和/或电网空间数据。
[0012]进一步的，为具体说明线路参数，则步骤2中，所述线路参数包括线路电压等级、回路数、导线型号及导线分裂数。
[0013]具体的，为具体说明地物要素，则步骤3中，所述地物要素包括房屋和/或河流和/或水库和/或湖泊和/或公路和/或铁路和/或林木。
[0014]再进一步的，为具体说明如何预先建立改进的U
‑
Net模型，则步骤3中，所述预先建立的改进的U
‑
Net模型的训练方法为：
[0015]步骤301、获取高清遥感卫星影像，并在高清遥感卫星影像中按照需要提取的地物要素进行样本标记，将其影像和制作的样本标记随机裁剪成预设大小，按照一定比例设置训练集、测试集及验证集，并通过空间几何变换操作对样本进行增强，得到深度学习样本；
[0016]步骤302、构建改进后的U
‑
Net模型，令该改进后的U
‑
Net模型的初始化参数在ImageNet分类数据集上进行预训练，得到预训练后的模型；
[0017]步骤303、将深度学习样本集输入至预训练后的模型进行特征学习，得到预测概率分布图，采用交叉熵函数衡量分类结果与真实地物要素之间的损失值，采用Adma优化算法，以缩小损失值为目标，当损失值缩小至给定的阈值范围内时，训练结束，得到最优的模型，作为改进的U
‑
Net模型。
[0018]具体的，为提供一种可行的预设大小，则步骤301中，所述预设大小为576
×
576；为提供一种优选的一定比例，则步骤301中，所述一定比例为7:2:1；为解释变形操作，则步骤301中，所述空间几何变换操作包括裁剪和/或旋转。
[0019]再进一步的，为具体说明如何采用预先建立的改进的U
‑
Net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，则步骤3中，所述采用预先建立的改进的U
‑
Net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，具体为：将高清遥感卫星影像的选线区域中的待分类影像输入至改进的U
‑
Net模型中进行分类，并对分类结果进行拼接和矢量标注，且按不同的矢量图层进行保存，得到图像识别结果。
[0020]具体的，为细化步骤4，则所述步骤4具体为：
[0021]步骤401、对遥感影像进行网格划分，针对任一单元网格，以该单元网格的每一条边线及每一条对角线分别作为该单元网格内的各可能路径；
[0022]步骤402、根据数字高程模型自动计算各单元网格顶点的海拔高度，针对任一单元网格内的任一可能路径，取该段可能路径起始点的海拔高度的平均值作为该段可能路径计算海拔高度，根据所计算出的海拔高度通过查表映射其海拔高度的工程造价调整系数；
[0023]步骤403、根据数字高程模型和预设规则，针对任一单元网格内的任一可能路径，从该可能路径起点以第一距离为搜索半径，第二距离为步长进行搜索，直至该可能路径终点，根据该搜索半径形成的圆内的高程最大差值和图像智能识别地表特征，对地形分类，通过查表能够获取每种地形分类对应的一个地形分类的工程造价调整系数，若该可能路径内
存在多个不同类型的地形分类，采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数；
[0024]步骤404、根据前期录入的气象专题数据，针对任一单元网格内的任一可能路径，自动提取该可能路径所处区域的风速及冰区数值，通过查表映射出其风速及冰区的工程造价调整系数，若该可能路本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于智能图像识别的输电线路路径优选方法，其特征在于，包括以下步骤：步骤1、采用GIS地理信息系统，加载高清遥感卫星影像、数字高程模型及矢量专题数据；步骤2、确定线路起止点，连接起止点形成航空线，并确定线路参数，得到输电线路设计规划；步骤3、以线路的航空线为中心设置图像智能识别的范围得到选线区域，采用预先建立的改进的U
‑
Net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果；所述改进的U
‑
Net模型是指在U
‑
Net模型的基础上，将其压缩通道中的标准卷积层替换为可变形卷积，且在其扩展通道中，令每次卷积层在一次反卷积
‑
拼接
‑
卷积操作完成后输出一个预测结果，最后对所有预测结果进行联合预测得到最终的分类预测；步骤4、对高清遥感卫星影像进行网格划分，结合图像识别结果、数字高程模型及输电线路设计规划，计算识别单元网格任一边线或对角线的海拔高度、地形地貌、风速、冰区、林区及汽车和人力运距，并为其映射相应的工程造价调整系数；步骤5、通过线路单公里基准造价、工程造价调整系数、交叉跨越费用和通道清理费用能够计算单元网格任一边线或对角线的造价，从而利用A*算法求解网络中两点最短路径原理，等效求解两点线路工程造价最小的路径，得到线路最优的路径。2.如权利要求1所述的基于智能图像识别的输电线路路径优选方法，其特征在于，步骤3中，所述预先建立的改进的U
‑
Net模型的训练方法为：步骤301、获取高清遥感卫星影像，并在高清遥感卫星影像中按照需要提取的地物要素进行样本标记，将其影像和制作的样本标记随机裁剪成预设大小，按照一定比例设置训练集、测试集及验证集，并通过空间几何变换操作对样本进行增强，得到深度学习样本；步骤302、构建改进后的U
‑
Net模型，令该改进后的U
‑
Net模型的初始化参数在ImageNet分类数据集上进行预训练，得到预训练后的模型；步骤303、将深度学习样本集输入至预训练后的模型进行特征学习，得到预测概率分布图，采用交叉熵函数衡量分类结果与真实地物要素之间的损失值，采用Adma优化算法，以缩小损失值为目标，当损失值缩小至给定的阈值范围内时，训练结束，得到最优的模型，作为改进的U
‑
Net模型。3.如权利要求1所述的基于智能图像识别的输电线路路径优选方法，其特征在于，步骤3中，所述采用预先建立的改进的U
‑
Net模型对高清遥感卫星影像的选线区域中的地物要素进行智能识别，以矢量形式进行标注，并按不同的矢量图层进行保存，得到图像识别结果，具体为：将高清遥感卫星影像的选线区域中的待分类影像输入至改进的U
‑
Net模型中进行分类，并对分类结果进行拼接和矢量标注，且按不同的矢量图层进行保存，得到图像识别结果。4.如权利要求1所述的基于智能图像识别的输电线路路径优选方法，其特征在于，所述步骤4具体为：步骤401、对遥感影像进行网格划分，针对任一单元网格，以该单元网格的每一条边线及每一条对角线分别作为该单元网格内的各可能路径；步骤402、根据数字高程模型自动计算各单元网格顶点的海拔高度，针对任一单元网格
内的任一可能路径，取该段可能路径起始点的海拔高度的平均值作为该段可能路径计算海拔高度，根据所计算出的海拔高度通过查表映射其海拔高度的工程造价调整系数；步骤403、根据数字高程模型和预设规则，针对任一单元网格内的任一可能路径，从该可能路径起点以第一距离为搜索半径，第二距离为步长进行搜索，直至该可能路径终点，根据该搜索半径形成的圆内的高程最大差值和图像智能识别地表特征，对地形分类，通过查表能够获取每种地形分类对应的一个地形分类的工程造价调整系数，若该可能路径内存在多个不同类型的地形分类，采用求取各地形分类的工程造价调整系数的加权平均值的形式得到该可能路径的地形分类的工程造价调整系数；步骤404、根据前期录入的气象专题数据，针对任一单元网格内的任一可能路径，自动提取该可能路径所处区域的风速及冰区数值，通过查表映射出其风速及冰区的工程造价调整系数，若该可能路径内存在多个风速及冰区数值，采用求取各风速及冰区数值对应的工程造价调整系数的加权平均值的形式得到该网格中路径的风速及冰区的工程造价调整系数；步骤405、根据航空线距离及预设的曲折系数，计算整个工程的路径总长度＝航空线距离
×
曲折系数，且由于线路工程一般沿路径线每固定距离设置1座材料站，因此若路径长度小于2倍固定距离，则汽车运距＝路径长度/2，若路径长度大于或等于2倍固定距离，则汽车运距＝固定距离；步骤406、通过智能图像识别技术识别线路沿线的路网信息，并矢量化路网，则针对任一单元网格内任一可能路径，若该段可能路径长度小于平均档距，则等分数为1，否则以该段可能路径长度除以平均档距并四舍五入得到大于等于1的等分数，以等分数将该段可能路径等分，得到的起始点及等分点即为塔位点，再将起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运输直线路径，同时针对任一塔位点，通过图像智能识别地表特征和运输路径的坡度，对地形分类，得到该塔位点的人力运输直线路径的运输地形，根据起始点及等分点分别与路网中的道路以最短距离相连得到各塔位点的人力运...

【专利技术属性】
技术研发人员：李伟，刘新臣，郎垚，蒋伟，刘力，文康，刘玉然，肖健一，魏星，成聪，
申请(专利权)人：四川电力设计咨询有限责任公司，
类型：发明
国别省市：