一种输电区域异物入侵检测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术公开了一种输电网入侵检测技术领域的一种输电区域异物入侵检测方法、装置、终端及存储介质，方法包括采集输电区域图像及对应的拍摄角度；计算各子图与预存储的所有异物图像模板的最大相关性，根据最大相关性计算结果判别子图中是否存在异物；计算存在异物的子图在输电区域图像中的偏移量，根据所述偏移量调整输电区域图像的拍摄角度后，重新拍摄输电区域图像；将多组数据集输入至预构建并训练好的神经网络模型中，以获取异物入侵输电区域的风险评估值从而进行输电区域异物入侵检测，本发明专利技术可快速检测目标图像中是否包含异物，并与专用神经网络模型配合，提高了大型工程机械设备入侵检测的准确性，降低了误报率。降低了误报率。降低了误报率。

【技术实现步骤摘要】
一种输电区域异物入侵检测方法、装置、终端及存储介质


[0001]本专利技术涉及一种输电区域异物入侵检测方法、装置、终端及存储介质，属于输电网入侵检测


技术介绍

[0002]随着我国城镇化建设进程的加快，各地政府大规模基导致输电线路通道被压缩，输电保护区内的违章建房、施工作业突发性和季节外侵等给线路的安全稳定运行构成较大威胁，外侵原因引发设备故障已经为线路原因的主要之一。由于输电线路外侵具有很大随机性，运行单位防不胜防，因此需要研究外侵的智能识别技术。施工作业的吊车等大型过程机械设备是对输电线路造成威胁的主要原因，需要设计一种方法检测这些设备对输电线路的威胁性，做到风险的预防和预警。
[0003]现有技术的检测方法通常在大型机械等异物靠近时才进行拍照检测，当大型机械等异物运动速度较快时，难以及时对其进行检测，容易出现检测准确性较差的问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种输电区域异物入侵检测方法、装置、终端及存储介质，解决输电区域对于周边进行异物入侵检测工作的准确性较差的问题。
[0005]为解决上述技术问题，本专利技术是采用下述技术方案实现的：
[0006]第一方面，本专利技术提供了一种输电区域异物入侵检测方法，包括：
[0007]步骤A：采集输电区域图像及对应的拍摄角度；
[0008]步骤B：将输电区域图像划分为若干子图，并计算各子图与预存储的所有异物图像模板的最大相关性，根据最大相关性计算结果判别子图中是否存在异物；
[0009]步骤C：计算存在异物的子图在输电区域图像中的偏移量，根据所述偏移量调整输电区域图像的拍摄角度后，重新拍摄输电区域图像；
[0010]步骤D：重复步骤B和C，直至获取n组偏移量及对应的输电区域图像的拍摄角度，构成n组数据集；其中n为设定的不小于30的正整数；
[0011]步骤E：将n组数据集输入至预构建并训练好的神经网络模型中，以获取异物入侵输电区域的风险评估值；
[0012]步骤F：根据所述风险评估值进行输电区域异物入侵检测。
[0013]所述拍摄角度包括：拍摄输电区域图像的摄像机的偏航角度和俯仰角度；
[0014]所述偏航角度指在水平旋转范围内，摄像机的光轴与预设定的水平旋转范围内的零轴的夹角；
[0015]所述俯仰角度指在垂直旋转范围内，摄像机的光轴与预设定的垂直旋转范围内的零轴的夹角。
[0016]所述水平旋转范围为180
°
，所述垂直旋转范围为90
°
。
[0017]计算各子图与预存储的所有异物图像模板的最大相关性的方法包括：
[0018]采用如下公式计算子图P
s
与各异物图像模板T
i
的相关性：
[0019][0020]式中：表示两个图像的相关性，T
i
(a,b)是图像模板T
i
中坐标为(a,b)的像素，P
s
(a,b)表示目标图像的子图P
s
中坐标为(a,b)的像素，E(T
i
)表示T
i
的数学期望，E(P
s
)表示P
s
的数学期望；
[0021]其中，所述子图的尺寸与异物图像模板尺寸相同；
[0022]比较相关性计算结果，获取各子图与预存储的所有异物图像模板的最大相关性
[0023]根据最大相关性计算结果判别子图中是否存在异物的方法包括：
[0024]若则认为子图中含有异物；
[0025]若则认为子图中不含有异物；
[0026]其中，为经验阈值，其数值范围为(0，1)。
[0027]所述神经网络模型包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层，
[0028]第一隐藏层与输入层之间按下式定义：
[0029][0030][0031][0032][0033]式中，Δx
u+j
表示时序上第u+j组数据中的X方向的偏移量Δx，Δy
u+j
表示时序上第u+j组数据中的Y方向的偏移量Δy，α
u+j
表示时序上第u+j组数据中的偏航角度α，β
u+j
表示时序上第u+j组数据中的俯仰角度β；序上第u+j组数据中的俯仰角度β；表示权值，b0为线性偏置参数；j表示池化操作的范围，j取值范围为0、1、2、3、4；u表示第一隐藏层中的坐标，分别表示与输入层的Δx
u+j
、Δy
u+j
、α
u+j
、β
u+j
相对应的第一隐藏层中的节点；
[0034]σ(x)为一非线性函数：
[0035][0036]式中：e
x
表示自然指数函数；参数μ为控制参数，用于控制输出值随输入值的变化速度；函数σ(x)的作用是使神经网络能够模拟非线性映射关系；
[0037]第二隐藏层与第一隐藏层之间按下式定义：
[0038][0039]式中，是第一隐藏层中坐标为(2u+j,v)的节点，j取值范围为0、1，max表示取j＝0和j＝1时对应两个值的最大值，b1为线性偏置参数；
[0040]第三隐藏层与第二隐藏层之间按下式定义：
[0041][0042]式中，表示第二隐藏层中坐标为(u+j,v)的节点，为与节点对应的权重，j的取值范围为0、1、2、3、4，对应于的权重，j的取值范围为0、1、2、3、4，对应于五个节点，相应权重为当v相同时，每一组的五个节点共享相同的五个权重；b2为线性偏置参数；
[0043]输出层与第三隐藏层之间按下式定义：
[0044][0045]式中，表示第三隐藏层中坐标为(l,k)的节点，w
lk
为与之对应的权重，b3为线性偏置参数；输出z表示异物入侵输电区域的风险评估值。
[0046]对神经网络模型进行训练的方法包括：
[0047]采集多组训练数据集输入至所述神经网络模型中；
[0048]将神经网络模型所输出的风险评估值与训练数据集中人工标注的风险评估值输入至公式(10)：
[0049][0050]式中，表示人工标注风险评估值，z表示神经网络模型所输出的风险评估值；λ为控制参数，其数值范围为(0.01，0.1)；
[0051]按照后向传播BP算法求解函数的极值，求得神经网络模型的所有参数。
[0052]第二方面，本专利技术提供了一种输电区域异物入侵检测装置，所述装置包括：
[0053]采集模块：用于采集输电区域图像及对应的拍摄角度；
[0054]第一计算模块：用于将输电区域图像划分为若干子图，并计算各子图与预存储的所有异物图像模板的最大相关性，根据最大相关性计算结果判别子图中是否存在异物；
[0055]第二计算模块：用于计算存在异物的子图在输电区域图像中的偏移量，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电区域异物入侵检测方法，其特征在于，包括，步骤A：采集输电区域图像及对应的拍摄角度；步骤B：将输电区域图像划分为若干子图，并计算各子图与预存储的所有异物图像模板的最大相关性，根据最大相关性计算结果判别子图中是否存在异物；步骤C：计算存在异物的子图在输电区域图像中的偏移量，根据所述偏移量调整输电区域图像的拍摄角度后，重新拍摄输电区域图像；步骤D：重复步骤B和C，直至获取n组偏移量及对应的输电区域图像的拍摄角度，构成n组数据集；其中n为设定的不小于30的正整数；步骤E：将n组数据集输入至预构建并训练好的神经网络模型中，以获取异物入侵输电区域的风险评估值；步骤F：根据所述风险评估值进行输电区域异物入侵检测。2.根据权利要求1所述的一种输电区域异物入侵检测方法，其特征在于，所述拍摄角度包括：拍摄输电区域图像的摄像机的偏航角度和俯仰角度；所述偏航角度指在水平旋转范围内，摄像机的光轴与预设定的水平旋转范围内的零轴的夹角；所述俯仰角度指在垂直旋转范围内，摄像机的光轴与预设定的垂直旋转范围内的零轴的夹角。3.根据权利要求2所述的一种输电区域异物入侵检测方法，其特征在于，所述水平旋转范围为180
°
，所述垂直旋转范围为90
°
。4.根据权利要求1所述的一种输电区域异物入侵检测方法，其特征在于，计算各子图与预存储的所有异物图像模板的最大相关性的方法包括：采用如下公式计算子图P
s
与各异物图像模板T
i
的相关性：式中：表示两个图像的相关性，T
i
(a,b)是图像模板T
i
中坐标为(a,b)的像素，P
s
(a,b)表示目标图像的子图P
s
中坐标为(a,b)的像素，E(T
i
)表示T
i
的数学期望，E(P
s
)表示P
s
的数学期望；其中，所述子图的尺寸与异物图像模板尺寸相同；比较相关性计算结果，获取各子图与预存储的所有异物图像模板的最大相关性5.根据权利要求4所述的一种输电区域异物入侵检测方法，其特征在于，根据最大相关性计算结果判别子图中是否存在异物的方法包括：若则认为子图中含有异物；若则认为子图中不含有异物；其中，θ为经验阈值，其数值范围为(0，1)。6.根据权利要求1所述的一种输电区域异物入侵检测方法，其特征在于，所述神经网络模型包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层，第一隐藏层与输入层之间按下式定义：
式中，Δx
u+j
表示时序上第u+j组数据中的X方向的偏移量Δx，Δy
u+j
表示时序上第u+j组数据中的Y方向的偏移量Δy，α
u+j
表示时序上第u+j组数据中的偏航角度α，β
u+j
表示时序上第u+j组数据中的俯仰...

【专利技术属性】
技术研发人员：王真，姚楠，路永玲，胡成博，杨景刚，朱雪琼，刘子全，付慧，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：