一种输电线路防外破检测预警边缘计算方法技术

本发明专利技术提供一种输电线路防外破检测预警边缘计算方法，该方法包括：建立输电线路图像数据集，以实现对输电线路外破目标检测模型的训练学习、验证和测试；构建轻量化输电线路外破检测模型，以检测出施工机械、塔吊、吊车、山火、飞鸟等输电线路外破目标的类别和位置信息；输电线路安全区域检测，以检测出上述采集的图像中输电线路并标识出安全区域；输电线路防外破预警模块设计，根据上述检测的输电线路外破目标类别和位置信息、输电线路安全区域，设计预警策略并产生预警提示信号。本发明专利技术可实现施工机械、塔吊、吊车、山火、飞鸟等多个输电线路外破目标的类别和位置信息的较高精度的检测，可实现输电线路外破目标的实时性和较高精度检测。精度检测。精度检测。

【技术实现步骤摘要】
一种输电线路防外破检测预警边缘计算方法


[0001]本专利技术属于电力系统智能监控的
，尤其涉及一种基于图像处理和计算机视觉的输电线路防外破检测预警边缘计算方法。

技术介绍

[0002]随着我国城乡经济的快速发展和电网规模的不断壮大，输电线路覆盖面越来越广，经常跨越多个省份，离主干道路遥远。与变电设备系统相比，输电线路具有线长、面广和多野外的特点，容易遭受如施工机械、自然灾害等外力破坏而造成电网安全事故发生。传统的输电线路巡视主要包括人工巡视、视频拍照和直升机航拍等。但上述三种工作方式需要工作人员对线路和设备进行主观判断，容易出现漏判和误判，无法做到实时发现输电线路中的隐患并及时预警。因此，输电线路作为电网安全运行的重要组成，如何实现对输电线路外破的检测和及时预警就显得尤为重要。
[0003]近年来，随着人工智能、图像处理和计算机视觉技术的快速发展，输电线路的防外破检测技术研究应运而生。现有技术中提出“一种基于卷积神经网络的输电线路杆塔外力破坏检测方法”，公开了一种对输电线路杆塔外力破坏的检测方法，可实现对输电线路杆塔外力破坏的分类检测。现有技术还提出“一种基于深度学习的输电线路告警方法和装置”，利用训练好的外破目标检测模型获取所有第一外破目标的类型和位置。现有技术还提出“一种基于深度学习的输电线路告警方法和装置”，利用训练好的外破目标检测模型获取所有第一外破目标的类型和位置。现有技术还提出“输电线路星地协同外破监测预警方法、装置、设备及介质”，通过预先训练好的卷积神经网络模型对光学卫星遥感正射影像进行分析以得到预设目标的空间分布范围。
[0004]上述现有技术中基于深度学习进行输电线路外破目标检测的方法，由于网络模型参数大、计算复杂度高，难以满足应用工程中实时性的边缘计算需求。为了满足存储和计算能力受限的移动端或边缘嵌入式设备搭载深度学习网络模型的需要，近年来，卷积网络模型的轻量化发展应运而生。现有技术中“一种基于改进YOLOv4的输电线路异物检测方法”，通过引入深度可分离卷积可以将参数量缩小到普通卷积的八分之一，以实现网络模型的轻量化。现有技术中“一种基于改进YOLOv3的输电线路异常目标检测方法”，公开了一种输电线路异常目标检测方法，使用大量深度可分离卷积替代标准卷积以降低参数量，实现YOLOv3模型的轻量化。现有技术中“小目标缺陷的轻量化检测模型、方法、设备及存储介质”，融合深度可分离卷积和逐点卷积以降低模型的参数量，借助通道数成倍增长策略和通道注意力机制SE设计了轻量化模块DC
‑
SE，用于削弱复杂背景对绝缘子故障的干扰。
[0005]上述输电线路目标检测现有技术中，通过使用深度可分离卷积替代网络模型的标准卷积，虽然可以降低模型的参数量，实现网络模型的轻量化，但同时也降低了网络模型的检测精度。特别是对输电线路所在的野外场景易受各种环境干扰，这对输电线路外破目标的检测模型算法在实时性和精度两方面提出了更高的要求。另外考虑到输电线路外破检测模型不仅需要预测外破目标的类别信息，而且还需要预测外破目标的位置信息，而深度学
习网络模型的浅层特征具有较丰富的位置信息，深层特征具有较丰富的语义类别信息。将语义丰富的深度特征与具有精确定位信息的浅层特征进行融合，可能会导致信息传播路径过于冗长而影响模型算法的性能。
[0006]综合以上论述，考虑到输电线路场景图像的复杂性，如何克服现有技术的不足，专利技术一种适用于输电线路场景，同时兼顾实时性和较高精度的输电线路外破目标检测预警边缘计算方法是本领域亟待解决的关键问题。

技术实现思路

[0007]鉴于上述问题，本专利技术提出了一种适用于输电线路场景以实现输电线路防外破目标检测预警的边缘计算方法。该方法包括：建立输电线路图像数据集，以实现对输电线路外破目标检测模型的训练学习、验证和测试；构建轻量化输电线路外破检测模型，以检测出施工机械、塔吊、吊车、山火、飞鸟等输电线路外破目标的类别和位置信息；输电线路安全区域检测，以检测出上述采集的图像中输电线路并标识出安全区域；输电线路防外破预警模块设计，根据上述检测的输电线路外破目标类别和位置信息、输电线路安全区域，设计预警策略并产生预警提示信号。
[0008]具体地，本专利技术采用如下技术方案以实现上述输电线路防外破检测预警方法，包括：
[0009]S1、建立输电线路图像数据集，以实现对输电线路外破目标检测模型的训练学习、验证和测试。
[0010]S2、建立轻量化输电线路外破检测模型，以实现施工机械、塔吊、吊车、山火、飞鸟等输电线路外破目标的类别和位置信息的检测。上述轻量化输电线路外破检测模型包括特征提取主干网络、特征融合增强模块和外破目标位置和类别预测模块。考虑到在输电线路场景图像中，一般吊车、塔吊、施工机械等外破设备多为大目标，浅层特征有利于大目标的检测。特征金字塔(Feature Pyramid Networks,FPN)虽然可以将语义丰富的特征与精确的定位信息结合起来，但可能会导致信息传播路径过于冗长。残差学习通过残差块和恒等映射一方面可以降低模型的复杂度，另一方面可以起到松弛不同网络层之间的信息传播。因此在上述模型中，以残差连接为主构建特征提取主干网络。在上述特征融合增强模块，采用自底向上传播路径增强浅层位置信息向深层传递，同时采用自顶向下路径增强丰富的语义类别信息的传播。
[0011]S3、输电线路安全区域检测模块设计，以实现上述所采集的输电线路场景图像中输电路线的检测和安全区域的标识。包括输电线路图像预处理、边缘检测、输电线路检测和输电线路安全区域标识等步骤。
[0012]S4、输电线路防外破预警模块设计，根据上述检测的输电线路外破目标类别和位置信息、输电线路安全区域标识，设计预警策略以产生预警提示信号。
[0013]进一步地，步骤S1包括：
[0014]S1
‑
1、采集输电线路场景下图像；
[0015]具体地，在输电线路塔杆上合适位置固定摄像机，采集一定数量的包括或分别包括施工机械、塔吊、吊车、山火、飞鸟等输电线路外破目标图像；
[0016]S1
‑
2、输电线路图像预处理；
[0017]具体地，对上述输电线路场景图像进行滤波、去噪、格式转换等预处理；
[0018]S1
‑
3、输电线路图像数据集；
[0019]具体地，将上述预处理之后的输电线路图像进行标注，并划分为训练集、验证集和测试集；
[0020]S1
‑
4、输电线路图像数据集增强；
[0021]具体地，对上述步骤S1
‑
3中划分的训练集、验证集，采用图像增强技术进行扩充增强，用来对输电线路外破目标检测模型的训练学习和验证。
[0022]进一步地，步骤S2包括：
[0023]S2
‑
1、构建输电线路外破检测模型特征提取主干网络；
[0024]具体地，将上述S1
‑
4数据集增强后的输电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路防外破检测预警边缘计算方法，其特征在于，所述方法包括如下步骤：S1、建立输电线路图像数据集，以实现对输电线路外破目标检测模型的训练学习、验证和测试；S2、建立轻量化输电线路外破检测模型，以实现施工机械、塔吊、吊车、山火、飞鸟的输电线路外破目标的类别和位置信息的检测；所述轻量化输电线路外破检测模型包括特征提取主干网络、特征融合增强模块和外破目标位置和类别预测模块；在上述模型中，以残差连接为主构建特征提取主干网络，在上述特征融合增强模块中，采用自底向上传播路径增强浅层位置信息向深层传递，同时采用自顶向下路径增强丰富的语义类别信息的传播；S3、建立输电线路安全区域检测模块，以实现所采集的输电线路场景图像中输电路线的检测和安全区域的标识，包括输电线路图像预处理、边缘检测、输电线路检测和输电线路安全区域标识的步骤；S4、建立输电线路防外破预警模块，根据检测的输电线路外破目标类别和位置信息、输电线路安全区域标识，设计预警策略以产生预警提示信号。2.根据权利要求1所述的一种输电线路防外破检测预警边缘计算方法，其特征在于：进一步地，步骤S1包括：S1
‑
1、采集输电线路场景下图像；在输电线路塔杆上合适位置固定摄像机，采集一定数量的包括或分别包括施工机械、塔吊、吊车、山火、飞鸟等输电线路外破目标图像；S1
‑
2、输电线路图像预处理；对输电线路场景图像进行滤波、去噪、格式转换的预处理；S1
‑
3、输电线路图像数据集；将预处理之后的输电线路图像进行标注，并划分为训练集、验证集和测试集；S1
‑
4、输电线路图像数据集增强；对步骤S1
‑
3中划分的训练集、验证集，采用图像增强技术进行扩充增强，用来对输电线路外破目标检测模型的训练学习和验证。3.根据权利要求2所述的一种输电线路防外破检测预警边缘计算方法，其特征在于：进一步地，步骤S2包括：S2
‑
1、构建输电线路外破检测模型特征提取主干网络；将S1
‑
4数据集增强后的输电线路图像作为输入，对其进行卷积、池化的操作，以逐层提取图像有效特征；通过引入残差连接，建立残差块，降低模型的复杂度，所述残差块包括残差部分和恒等映射部分，残差部分包括两个或两个以上卷积操作，恒等映射部分通过短连接直接将输入连接到输出部分，上述短连接起到松弛不同层之间的特征信息传播作用，有利于输电线路外破目标的位置特征信息和类别特征信息的融合；S2
‑
2、输电线路外破检测模型特征融合模块；特征融合模块用来汇聚S2
‑
1主干网络提取的不同层特征，结合自底向上和自顶向下的方法以实现不同层的特征融合；考虑到输电线路外破检测模型不仅需要预测外破目标的类别信息，而且还需要预测外破目标的位置信息，准确的外破目标位置信息为是否实施预警提供了重要的依据，上述具有丰富的位置信息的浅层特征，有利于输电线路场景图像中外破大目标的一般吊车、塔吊、
施工机械、施工设备的识别，因此特征融合模块借鉴了路径聚合网络PANet自底向上和自顶向下的特征聚合方法，同时借鉴YOLOv4中张量连接的方式以实现特征堆叠，特征融合模块包括自底向上的路径增强、自适应池化和全连接融合；S2
‑
3、轻量化输电线路外破检测模型预测模块；预测模块考虑一阶检测器YOLO
‑
Head对上述S2
‑
2特征融合模块输出的多尺度特征进行回归和分类预测，以实现输电线路外破目标的类别和位置信息；S...

【专利技术属性】
技术研发人员：高永亮，袁斌，姚新宇，董卓元，周鹏杰，曾健，李晋，高若楠，陈曦，张军强，李栋，盛飞，谢斌，
申请(专利权)人：国网陕西省电力有限公司经济技术研究院，
类型：发明
国别省市：