架空线路外力破坏的识别模型训练方法技术

本发明专利技术提供了一种架空线路外力破坏的识别模型训练方法

【技术实现步骤摘要】
架空线路外力破坏的识别模型训练方法、预警方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种架空线路外力破坏的识别模型训练方法
、
预警方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]架空输电线路是电力系统中非常重要的环节，我国输电线路随着经济发展也在不断建设中；导致架空线路发生非计划停运的包括自然灾害
、
恶劣的气候影响和外力损坏；其中导致外力破坏发生的原因包括走廊通道下方大型工程机械违章施工和漂浮物挂线
。
外力破坏会造成线路不同程度的损害，严重时或威胁人员生命安全以及巨大的人力
、
财力损失
。
[0003]目前常用的架空线路外力破坏监测手段包括：基于传感器的在线监测和基于视频图像的在线监测；前者一般通过在输电线路及杆塔上架设红外
、
烟雾
、
激光
、
磁场等传感器进行监测，但是传感器的精确度易受环境影响，并且缺乏可视化功能，无法对故障原因进行智能判断；后者可以利用无人机搭载可见光采集装置或在杆塔上装设视频监控装置进行现场视频图像采集与数据回传，但是也无法对故障原因进行智能判断，不能进行实时的监测分析
。

技术实现思路

[0004]本专利技术提供了一种架空线路外力破坏的识别模型训练方法
、
预警方法
、
装置
、
设备及存储介质
,r/>提高了架空线路外力破坏的识别准确率和识别速度，降低了运维成本，可以减少架空线路被外力破坏事件的发生，增强了架空线路的安全预控能力
。
[0005]第一方面，本专利技术的实施例提供了一种架空线路外力破坏的识别模型训练方法，该方法包括：基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充；其中，样本扩充方法包括如下一项或多项：图像旋转
、
图像剪裁或图像融合；根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本；其中，图像处理算法包括如下一项或多项：图像灰度化
、
图像去噪或图像聚类；将训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型
。
[0006]可选地，基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充，包括：将环境图像旋转预设角度得到新环境图像；其中，预设角度根据环境图像中外力破坏的类型确定；设置固定中心和裁剪比例区间后对环境图像进行随机裁剪，得到新环境图像；根据泊松融合算法对环境图像进行图像融合处理，得到新环境图像；其中，固定中心
、
剪裁比例和图像融合的素材选择根据样本中不同类型图像的数量确定
。
[0007]可选地，根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本，
包括：对扩充后的环境图像进行灰度化处理；根据预设图像去噪算法对灰度化后的环境图像进行去噪处理；其中，预设图像去噪算法包括：均值滤波
、
中值滤波和高斯滤波；根据聚类算法对去噪后的环境图像进行聚类；根据聚类结果对去噪后的环境图像添加类型标签，得到训练样本
。
[0008]可选地，将训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型，包括：基于
SSD
算法构建卷积神经网络；将训练样本输入到卷积神经网络中并设置损失函数后开始训练；当损失函数的值满足训练结束条件时，结束训练得到架空线路外力破坏的识别模型；其中，损失函数包括：分类损失函数和定位损失函数
。
[0009]第二方面，本专利技术的实施例提供了一种架空线路外力破坏的预警方法，该方法包括：获取架空线路区域的环境图像；将环境图像输入到架空线路外力破坏的识别模型中进行识别；根据识别结果查询架空线路外力破坏知识图谱，并根据查询结果进行预警
。
[0010]可选地，构建架空线路外力破坏知识图谱包括：基于架空线路的历史运维数据获取架空线路外力破坏数据；对架空线路外力破坏数据进行知识抽取，确定实体
、
实体关系和实体属性；根据实体
、
实体关系和实体属性构建架空线路外力破坏知识图谱
。
[0011]第三方面，本专利技术的实施例提供了一种架空线路外力破坏的识别模型训练装置，该装置包括：图像扩充模块，用于基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充；其中，样本扩充方法包括如下一项或多项：图像旋转
、
图像剪裁或图像融合；图像处理模块，用于根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本；其中，图像处理算法包括如下一项或多项：图像灰度化
、
图像去噪或图像聚类；训练模块，用于将训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型
。
[0012]第四方面，本专利技术的实施例提供了一种架空线路外力破坏的预警装置，该装置包括：获取模块，用于获取架空线路区域的环境图像；识别模块，用于将环境图像输入到架空线路外力破坏的识别模型中进行识别；预警模块，用于根据识别结果查询架空线路外力破坏知识图谱，并根据查询结果进行预警
。
[0013]第五方面，本专利技术的实施例提供了一种电子设备，包括存储器和处理器，所述存储
器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面或第二方面中任一实现方式所述的方法
。
[0014]第四方面，本专利技术的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第二方面中任一实现方式所述的方法
。
[0015]本专利技术提供了一种架空线路外力破坏的识别模型训练方法
、
预警方法
、
装置
、
设备及存储介质，该方法如下：基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充；根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本；将训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型；获取架空线路区域的环境图像；将环境图像输入到架空线路外力破坏的识别模型中进行识别；根据识别结果查询架空线路外力破坏知识图谱，并根据查询结果进行预警
。
本专利技术提高了架空线路外力破坏的识别准确率和识别速度，降低了运维成本，可以减少架空线路被外力破坏事件的发生，增强了架空线路的安全预控能力
。
[0016]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本专利技术的实施例的关键或重要特征，亦非用于限制本专利技术的范围
。
本专利技术的其它特征将通过以下的描述变得容易理解
。
附图说明
[0017]结合附图并参考以下详细说明，本专利技术各实施例的上述和其他特征
、
优点及方面将变得更加明显
。
在附图中，相同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种架空线路外力破坏的识别模型训练方法，其特征在于，该方法包括：基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充；所述样本扩充方法包括如下一项或多项：图像旋转
、
图像剪裁或图像融合；根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本；所述图像处理算法包括如下一项或多项：图像灰度化
、
图像去噪或图像聚类；将所述训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型
。2.
根据权利要求1所述的架空线路外力破坏的识别模型训练方法，其特征在于，所述基于预设的样本扩充方法对采集的架空线路区域的环境图像进行扩充，包括：将所述环境图像旋转预设角度得到新环境图像；所述预设角度根据所述环境图像中外力破坏的类型确定；设置固定中心和裁剪比例区间后对所述环境图像进行随机裁剪，得到新环境图像；根据泊松融合算法对所述环境图像进行图像融合处理，得到新环境图像；其中，所述固定中心
、
剪裁比例和图像融合的素材选择根据样本中不同类型图像的数量确定
。3.
根据权利要求1所述的架空线路外力破坏的识别模型训练方法，其特征在于，所述根据预设的图像处理算法对扩充后的环境图像进行处理，得到训练样本，包括：对扩充后的环境图像进行灰度化处理；根据预设图像去噪算法对灰度化后的环境图像进行去噪处理；所述预设图像去噪算法包括：均值滤波
、
中值滤波和高斯滤波；根据聚类算法对去噪后的环境图像进行聚类；根据聚类结果对去噪后的环境图像添加类型标签，得到训练样本
。4.
根据权利要求1所述的架空线路外力破坏的识别模型训练方法，其特征在于，所述将所述训练样本输入卷积神经网络中进行训练，得到架空线路外力破坏的识别模型，包括：基于
SSD
算法构建卷积神经网络；将所述训练样本输入到所述卷积神经网络中并设置损失函数后开始训练；当损失函数的值满足训练结束条件时，结束训练得到所述架空线路外力破坏的识别模型；其中，所述损失函数包括...

【专利技术属性】
技术研发人员：文华，高磊，张志光，王文龙，穆昭玺，李狄雯，
申请(专利权)人：华大天元北京科技股份有限公司，
类型：发明
国别省市：