一种基于YoloV5网络模型的配电线路火灾检测方法技术

本发明专利技术公开了一种基于YoloV5网络模型的配电线路火灾检测方法，采集配电线路火灾时现场图像并对图像中的设备、线路、火焰进行标注获得标注后的现场图像集合；将现场图像集合划分为训练集、测试集，输入训练集至YoloV5网络模型进行训练，获取火焰、设备、线路识别框；将待检测图像输入检测模型进行目标检测；将检测框的火焰、设备、线路像素坐标进行变换得到两者间实际距离，并依据实际距离进行风险划分，本发明专利技术基于YoloV5目标检测方法来估算发生火焰与线路以及设备之间距离，利用图像识别的方式代替人工巡线，提高火灾引起配电线路故障风险等级识别效率,降低人力成本,同时为故障早期预警以及事故后责任划分提供参考。期预警以及事故后责任划分提供参考。期预警以及事故后责任划分提供参考。

【技术实现步骤摘要】
一种基于YoloV5网络模型的配电线路火灾检测方法


[0001]本专利技术涉及图像识别领域，主要涉及一种基于YoloV5网络模型的配电线路火灾检测方法。

技术介绍

[0002]现有配电线路故障检测技术中,多采用人工巡线，即巡线人员用眼睛以及相关工具和仪器对线路的进行巡查，而当配电线路遭遇火灾时，人工巡检获取信息的时效性不足，带来的影响较大，通过人工智能对火焰与设备、火焰与线路进行距离检测及风险程度划分是亟待解决的问题。
[0003]CN111223265B《基于神经网络的火灾探测方法、装置、设备及存储介质》中公开了“一种基于神经网络的火灾探测方法、装置、设备及存储介质，该方法包括以下步骤：获取多个训练光源的入射光信号；对每个训练光源的入射光信号进行信号处理和解析，获取每个训练光源的光谱信号参数、时间信号参数和空间信号参数；根据训练光源的光谱信号参数、时间信号参数和空间信号参数建立训练数据集，并根据训练数据集构建用于火灾探测的神经网络模型；根据神经网络模型确定待测场地的光源的输出参数，并根据输出参数确定待测场地是否发生火灾。本专利技术实施例的火灾探测方法，通过训练光源的特征参数优化神经网络模型，并利用神经网络模型进行火灾识别，识别算法简单，数据处理量小，火灾探测的响应速度快，准确率高”，该专利技术提供了一种基于神经网络的火灾探测方法、装置、设备及存储介质，但该神经网络只是简单的三层网络，进行图像二分类，由于神经网络构造简单，因此它的泛化能力较弱，且该网络模型的运行速度及识别精度不足，若遇到相同强度的光源很容易产生误判，获取信息不够准确。

技术实现思路

[0004]基于上述技术问题本专利技术提供的技术方案为：一种基于YoloV5网络模型的配电线路火灾检测方法,具体步骤如下:
[0005]采集配电线路火灾状态下的现场图像,对现场图像中的线路、设备及火焰进行矩形框标注，将标注后的现场图像集合按比例划分为训练集和测试集；
[0006]构建YoloV5网络模型，将训练集输入YoloV5网络模型进行迭代训练，在进行N次迭代训练后得到训练完成的YoloV5网络模型，并将测试集输入YoloV5网络模型测试性能；
[0007]将待检测的目标现场图像输入至训练完成的YoloV5网络模型获得线路、设备及火焰检测框；基于线路、设备及火焰检测框获取风险划分判据，所述风险划分判据包括通过比例距离计算方法获取的火焰与线路、火焰与设备之间的实际距离；依据所述风险划分判据划分目标现场的火灾风险等级。
[0008]优选的，所述检测方法还包括：在将测试集输入YoloV5网络模型测试性能后，判断YoloV5网络模型性能是否能达到预期目标检测结果，若未达到以加快模型识别速度为目标对YoloV5网络模型进行网络轻量化的改进，以提高模型识别准确率为目标对YoloV5网络模
型进行卷积层的替换，替换完成后继续训练直至模型收敛时迭代终止。
[0009]优选的，所述以加快模型识别速度为目标对YoloV5网络模型进行网络轻量化的改进具体为：
[0010]减少YoloV5网络模型中C3模块结构数量，缩减各卷积层的通道数，将主干网络第4层中C3模块个数由6改为3，第6层C3模块个数由9改为3，第7层conv卷积层输出通道由1024改为512,第8层C3模块输出通道由1024改为512，其余卷积层通道数修改为原来的一半。
[0011]优选的，所述以提高模型识别准确率为目标对YoloV5网络模型进行卷积层的替换具体为：
[0012]将YOLOv5网络模型的stride
‑
2卷积替换为SPD
‑
Conv，即将步长为2的卷积层替换为一种SPD与C2模块组合成的网络结构，在SPD特征变换层之后，添加一个带有C2模块滤波器的非跨步卷积层。
[0013]优选的，所述通过比例距离计算方法获得火焰与线路、火焰与设备之间的实际距离具体为：
[0014]在检测完成的待检测图像像素坐标系中，读取火焰检测框的左上角坐标(X
Fj1
，Y
Fj1
)及右下角坐标(X
Fj2
，Y
Fj2
)；计算火焰顶端中心坐标(X
Fj3
，Y
Fj3
)：
[0015]X
Fj3
＝0.5*(X
Fj1
+X
Fj2
)；Y
Fj3
＝Y
Fj1
；
[0016]读取待检测图像中线路、设备检测框的左上角坐标(X
Lj1
，Y
Lj1
)、(X
ij1
，Y
ij1
)以及右下角坐标(X
Lj2
，Y
Lj2
)、(X
ij2
，Y
ij2
)；计算线路几何中心坐标(X
Lh3
，Y
Lj3
)：
[0017]X
Lj3
＝0.5*(X
Lj1
+X
Lj2
)；Y
Lj3
＝0.5*(Y
Lj1
+Y
Lj2
)；
[0018]计算设备几何中心坐标(X
ij3
，Y
ij3
)：
[0019]X
ij3
＝0.5*(X
ij1
+X
ij2
)；Y
ij3
＝0.5*(Y
ij1
+Y
ij2
)；
[0020]其中，i表示不同的设备，j表示图像出现线路、设备、火焰的个数；
[0021]计算火焰到线路的像素垂直距离D
n
：
[0022]D
n
＝Y
Lj3
‑
Y
Fj3
；
[0023]计算火焰到设备像素欧式距离D
m
：
[0024][0025]获取线路/设备实际高度H
z
，计算线路/设备像素高度H
k
；计算获得火焰与线路、设备实际距离D
L
、D
i
：
[0026][0027]优选的,依据火焰与线路、火焰与设备实际距离划分风险等级，具体为：
[0028]判断火焰是否直接燃烧线路或设备，当火焰顶端超过线路或设备几何中心高度时即为直接燃烧，火焰直接燃烧时输出结果“直接燃烧”，低于几何中心高度为间接燃烧，对间接燃烧进行风险等级划分；
[0029]当火焰与线路/设备实际距离小于线路/设备实际高度划分为高风险；
[0030]当火焰与线路/设备实际距离介于线路/设备实际高度与实际高度之间划分为
中风险；
[0031]当火焰与线路/设备实际距离大于线路/设备实际高度划分为低风险。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YoloV5网络模型的配电线路火灾检测方法,其特征在于，具体步骤如下:采集配电线路火灾状态下的现场图像,对现场图像中的线路、设备及火焰进行矩形框标注，将标注后的现场图像集合按比例划分为训练集和测试集；构建YoloV5网络模型，将训练集输入YoloV5网络模型进行迭代训练，在进行N次迭代训练后得到训练完成的YoloV5网络模型，并将测试集输入YoloV5网络模型测试性能；将待检测的目标现场图像输入至训练完成的YoloV5网络模型获得线路、设备及火焰检测框；基于线路、设备及火焰检测框获取风险划分判据，所述风险划分判据包括通过比例距离计算方法获取的火焰与线路、火焰与设备之间的实际距离；依据所述风险划分判据划分目标现场的火灾风险等级。2.根据权利要求1所述的一种基于YoloV5网络模型的配电线路火灾检测方法，其特征在于，所述检测方法还包括：在将测试集输入YoloV5网络模型测试性能后，判断YoloV5网络模型性能是否能达到预期目标检测结果，若未达到以加快模型识别速度为目标对YoloV5网络模型进行网络轻量化的改进，以提高模型识别准确率为目标对YoloV5网络模型进行卷积层的替换，替换完成后继续训练直至模型收敛时迭代终止。3.根据权利要求2所述的一种基于YoloV5网络模型的配电线路火灾检测方法，其特征在于，所述以加快模型识别速度为目标对YoloV5网络模型进行网络轻量化的改进具体为：减少YoloV5网络模型中C3模块结构数量，缩减各卷积层的通道数，将主干网络第4层中C3模块个数由6改为3，第6层C3模块个数由9改为3，第7层conv卷积层输出通道由1024改为512,第8层C3模块输出通道由1024改为512，其余卷积层通道数修改为原来的一半。4.根据权利要求2所述的一种基于YoloV5网络模型的配电线路火灾检测方法，其特征在于，所述以提高模型识别准确率为目标对YoloV5网络模型进行卷积层的替换具体为：将YOLOv5网络模型的stride
‑
2卷积替换为SPD
‑
Conv，即将步长为2的卷积层替换为一种SPD与C2模块组合成的网络结构，在SPD特征变换层之后，添加一个带有C2模块滤波器的非跨步卷积层。5.根据权利要求1所述的一种基于YoloV5网络模型的配电线路火灾检测方法，其特征在于，所述通过比例距离计算方法获得火焰与线路、火焰与设备之间的实际距离具体为：在检测完成的待检测图像像素坐标系中，读取火焰检测框的左上角坐标(X
Fj1
，Y
Fj1
)及右下角坐标(X
Fj2
，Y
Fj2
)；计算火焰顶端中心坐标(X
Fj3
，Y
Fj3
)：X
Fj3
＝0.5*(X
Fj1
+X
Fj2
)；Y
Fj3
＝Y
Fj1
；读取待检测图像中线路、设备检测框的左上角坐标(X
Lj1
，Y
Lj1
)、(X
ij1
，Y
ij1
)以及右下角坐标(X
Lj2
，Y
Lj2
)、(X
ij2
，Y
ij2
)；计算线路几何中心坐标(X
Lj3
，Y
Lj3
)：X
...

【专利技术属性】
技术研发人员：李天友，郭伯森，王连辉，黄超艺，林力辉，苏俊，陈石川，陈浩珉，
申请(专利权)人：厦门理工学院国网福建省电力有限公司泉州供电公司，
类型：发明
国别省市：