变电站鸟类检测方法和装置制造方法及图纸

本发明专利技术涉及变电站治理技术领域，提供一种变电站鸟类检测方法和装置，所述方法包括以下步骤：采集变电站区域的视频数据并从视频数据中截取帧图像，其中，帧图像包括当前帧、短期帧和长期帧；对帧图像进行图像增强，获得相应的超分辨率图像；采用检测器网络对超分辨率图像进行特征提取、增强和聚合，得到聚合特征，并基于聚合特征进行鸟类检测。本发明专利技术能够有效解决视频数据噪声较多、分辨率较低、细节模糊等问题，从而提高鸟类检测的精度。从而提高鸟类检测的精度。从而提高鸟类检测的精度。

【技术实现步骤摘要】
变电站鸟类检测方法和装置


[0001]本专利技术涉及变电站治理
，具体涉及一种变电站鸟类检测方法和一种变电站鸟类检测装置。

技术介绍

[0002]鸟类的精确识别是变电站开展鸟害防治的主要难题。鸟类具有较高复杂性，鸟类飞行路线不定、落点不定、时间不定，监测区域多样，部分鸟类习性、形体、颜色具有极高相似度，这些因素使得对鸟类监测识别技术的要求极高。目前大都凭借红外和雷达等技术进行鸟类检测，精准程度和检测速率较好，然而它的设备比较昂贵，有较大的成本，学习门槛高，不利于检测技术的普及与广泛应用。
[0003]利用图像技术的检测方案，只需要在设备上安装摄像头与图像处理器，成本较低，有利于技术的应用与普及。但是，鸟类作为一种极小目标，在图像中的占比相对较小，一般图像检测方法可能会忽略图像中的鸟类目标，降低鸟类检测的精度。视频检测相比单张图像中的目标检测增加了背景上下文信息，有利于在一定程度上提高鸟类检测的精度，但由于视频数据存在噪声较多、分辨率较低、细节模糊等问题，使得鸟类检测精度依然有待进一步提高。

技术实现思路

[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站鸟类检测方法，其特征在于，包括以下步骤：S1，采集变电站区域的视频数据并从所述视频数据中截取帧图像，其中，所述帧图像包括当前帧、短期帧和长期帧；S2，对所述帧图像进行图像增强，获得相应的超分辨率图像；S3，采用检测器网络对所述超分辨率图像进行特征提取、增强和聚合，得到聚合特征，并基于所述聚合特征进行鸟类检测。2.根据权利要求1所述的变电站鸟类检测方法，其特征在于，在步骤S2中，采用超分辨率重建网络对所述帧图像进行图像增强，其中，所述超分辨率重建网络包括生成器网络和进化神经网络。3.根据权利要求2所述的变电站鸟类检测方法，其特征在于，步骤S2具体包括：S21，采用所述生成器网络对所述帧图像进行图像增强，生成中间超分辨率图像；S22，采用所述进化神经网络对所述中间超分辨率图像进行进一步的图像增强，获得超分辨率图像。4.根据权利要求3所述的变电站鸟类检测方法，其特征在于，步骤S21具体包括：对所述帧图像进行浅层特征信息的提取；将残差密集块作为所述生成器网络的基本块，基于所述基本块从所述浅层特征信息中抽取局部密集特征；在抽取到预设数量的局部密集特征之后，基于局部密集特征和所述浅层特征信息进行全局信息整合，生成所述中间超分辨率图像。5.根据权利要求4所述的变电站鸟类检测方法，其特征在于，基于局部密集特征和所述浅层特征信息进行全局信息整合，具体包括：对所有残差密集块抽取的局部密集特征进行融合，以获得全局特征；结合所述浅层特征信息和所述全局特征，生成所述中间超分辨率图像。6.根据权利要求4所述的变电站鸟类检测方法，其特征在于，所述进化神经网络包括所述残差密集块、上采样块和卷积块，其中，所述残差密集块用于提取所述中间超分辨率图像的特征获得特征图，所述上采样块用于通过上采样操作以提高所述特征图的空间分辨率，所述卷积块用于将所述特征图转换为超分辨率图像。7.根据权利要求6所述的变电站鸟类检测方法，其特征在于，在步骤S2之前，还包括：采集所述变电站区域的鸟类图像。8.根据权利要求7所述的变电站鸟类检测方法，其特征在于，在步骤S21之后，步骤S22之前还包括：采用鉴别器对所述鸟类图像和所述中间超分辨率图像进行检测，并将检测过程中获得的生成器损失反馈给所述残差密集块，以便所述残差密集块提取所述中间超分辨率图像的特征获得特征图。9.根据权利要求6所述的变电站鸟类检测方法...

【专利技术属性】
技术研发人员：张关应，束云豪，候姝斌，朱文明，苏慧民，吴海斌，胡汉巧，苏正华，李庆武，
申请(专利权)人：国网江苏省电力有限公司常州供电分公司，
类型：发明
国别省市：