一种基于改进Unet网络的输电线路覆冰厚度预测方法技术

本发明专利技术公开一种基于改进Unet网络的输电线路覆冰厚度预测方法，该方法构建输电线路覆冰图像数据集并进行预处理、标签制作；构建改进的Unet网络，利用预处理后的图像进行训练；利用训练后的Unet网络对覆冰前后的图像进行语义分割，计算导线的像素面积后利用经验公式获得初步预测覆冰厚度；获得各组预测误差取平均得到调整系数，计算最终覆冰厚度。本发明专利技术可以准确地对输电线路覆冰厚度进行预测。以准确地对输电线路覆冰厚度进行预测。以准确地对输电线路覆冰厚度进行预测。

【技术实现步骤摘要】
一种基于改进Unet网络的输电线路覆冰厚度预测方法


[0001]本专利技术属于输电线路
，具体涉及一种基于改进Unet网络的输电线路覆冰厚度预测方法。

技术介绍

[0002]输电线路分布十分广泛，且大多数均是安装在野外、高原等地区，环境恶劣。在每年春季与冬季时，极易发生架空输电线路覆冰导致线路重量加剧，可能引起导线的脱落，造成巨大的经济损失。由于不同的覆冰厚度对导线的危害并不相同，因此急需一种有效的方法去预测导线的覆冰厚度。目前主要的方法是依据导线覆冰前后像素的差异，利用经验公式对覆冰厚度进行预测。但利用摄像装备拍摄的图像往往存在复杂的背景，导线在图像中所占的比例过低，导致所求出的像素值误差过大。
[0003]得益于卷积神经网络的快速发展，其中的语义分割网络可以完美的将图片中的目标进行分割，并且可以完全避免图片背景的影响，计算出的像素值具有很好的可靠性，因此可以作为本专利技术的检测方法。此外，针对利用经验公式会存在预测误差较大的问题上，本专利技术利用预测误差取平均值获得调整系数α，可使得预测误差大大减小，为输电线路的覆冰厚度预测提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Unet网络的输电线路覆冰厚度预测方法，其特征是，包括如下步骤：S1、构建输电线路覆冰图像数据集并进行预处理、标签制作；S2、构建改进的Unet网络，利用预处理后的图像进行训练；改进的Unet网络包括主干特征提取网络VGG
‑
S、特征融合网络和语义分割模块；依次利用一个Focus结构、三个Conv2D+Maxpool结构、一个Conv2D+SPP结构以及三个Conv2D结构构建主干特征提取网络VGG
‑
S；采用四次上采样、四次Conv2D操作以及四次Concatenate操作构建特征融合网络；所述语义分割模块利用卷积调整通道数，并输出最后一个特征层进行语义分割；S3、利用训练后的改进的Unet网络对覆冰前后的图像进行语义分割，计算导线的像素面积后利用经验公式获得初步预测覆冰厚度；对于同一拍摄点，以覆冰前与覆冰后的图像为一组，对各组图像进行语义分割，获得各组分割后的图像并计算覆冰前后导线像素的面积；覆冰前导线的像素面积为S
q
，覆冰后导线的像素面积为S
h
，利用经验公式求得各组图像的初步预测覆冰厚度，经验公式如下式所示：λ
i
为第i组图像的初步预测覆冰厚度，d为导线的直径；S4、获得同一导线多组图像的初步预测覆冰厚度，各组预测误差取平均得到调整系数，计算最终覆冰厚度。2.根据权利要求1所述的基于改进Unet网络的输电线路覆冰厚度预测方法，其特征是，步骤S1中所述预处理是将获取的输电线路覆冰图像数据集分别取一部分的图像进行模糊处理、添加噪声、方向调整、改变锐度、色衰处理、将亮度变暗、将亮度增强以及改变对比度，留一部分图像不作任何处理。3.根据权利要求1所述的基于改进Unet网络的输电线路覆冰厚度预测方法，其特征是，主干特征提取网络VGG
‑
S进行特征提取的过程为：输入图片经过一个Focus结构调整图片特征层大小；然后依次经过三个Conv2D+Maxpool结构，分别获得第一有效特征层F1、第二有效特征层F2以及第三有效特征层F3；将第三有效特征层F3继续下采样经过一个Conv2D+SPP结构，获得第四有效特征层F4；最后将第四有效特征层F4进行三次Conv2D结构，并使用卷积保证通道数不发生变化，获得第五有效特征层F5。4.根据权利要求3所述的基于改进Unet网络的输电线路覆冰厚度预测方法，其特征是，特征融合网络进行特征融合的过程为：将第五有效特征层F5进行上采样，与第四有效特征层F4进行Concatenate操作，获得第一加强特征层P1；将第一加强特征层P1经过一个Conv...

【专利技术属性】
技术研发人员：况燕军，胡京，张宇，邱志斌，尹林，李俊轩，赖东阳，
申请(专利权)人：国家电网有限公司南昌大学南昌科晨电力试验研究有限公司，
类型：发明
国别省市：