一种输电线路外破源识别方法技术

本发明专利技术属于输电线路安全识别技术领域，具体涉及一种输电线路外破源识别方法

【技术实现步骤摘要】
一种输电线路外破源识别方法、系统、介质及设备


[0001]本专利技术属于输电线路安全识别
，具体涉及一种输电线路外破源识别方法
、
系统
、
介质及设备
。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术
。
[0003]随着近年来超高压
、
特高压及直流输电工程的实施，电网建设向高电压等级
、
远距离
、
智能化和信息化的新阶段发展，这对输电线路的运行维护提出了新的挑战，线路巡检的任务和难度极大提高，巡检的方式方法也亟待改善
。
输电线路事故跳闸的原因主要包括：违规施工
、
异物短路
、
树木生长造成短路
、
火灾
、
过负荷
、
线路舞动
、
杆塔劳损和其他原因，又可进一步将其分为外力破坏事故（包括违规施工
、
异物短路
、
树木生长和火灾）和非外力破坏事故（包括过负荷
、
线路舞动
、
杆塔劳损和其他原因）
。
[0004]防外力破坏，是电网安全管理的重中之重
。
输电线路外力破坏的原因可分为自然原因和人为原因；其中，自然原因主要包括输电路走廊的灌木生长过高造成短路
、
大型鸟类蛇类跨接线路造成短路
、
线路覆冰和线路舞动等；人为原因包括违规施工
、
野蛮施工
、
车辆船舶过高触线
、
偷盗输电线路钢材等
。
外力破坏会严重影响到电网的正常工作，严重的会导致大范围停电
。
[0005]为防止外力破坏对电网的影响，通过人工巡检的方式对输电线路进行定期检查，及时对外破源进行设别以避免外力对输电线路的破坏
。
[0006]传统的输电线路人工巡检通常有以下几种方式：1）定期巡线，指派专责人员定期按指定路线到达现场，查看输电线路是否正常；2）故障后检修，在故障发生后，派遣检修人员到达事故现场检修；3）固定视频监控装置，在特定位置安装视频监控，由后台值守人员远程通过大屏幕查看现场是否异常
。
但是，这三种传统的巡检方式在不同方面都存在很大的缺陷：定期巡线往往会浪费巨大的人力物力且效率低下；故障后检修的方式需要在事故发生后去排查事故地点和原因，无法满足时效性要求；固定视频监控装置在很大程度上依赖于值守人员肉眼发现问题，同样效率较低，且智能化程度低下
。
[0007]据专利技术人了解，现有的基于图像识别的输电线路外破源识别大多采用深度学习算法，识别计算时间较长，无法满足输电线路外破源识别的实时性需求
。

技术实现思路

[0008]为了解决上述问题，本专利技术提出了一种输电线路外破源识别方法
、
系统
、
介质及设备，结合基于机器视觉的智能外破源识别模型，对输电线路运行环境的图像进行实时监测，及时发现外破源的安全隐患，提高输电线路运行的安全可靠性
。
[0009]根据一些实施例，本专利技术的第一方案提供了一种输电线路外破源识别方法，采用如下技术方案：
一种输电线路外破源识别方法，包括：获取输电线路运行环境的图像；提取所获取图像的深层次网络图像特征，确定所获取图像的候选目标区域；采用预设的外破源识别模型在所确定的候选目标区域进行检测识别，完成输电线路的外破源识别；其中，所述预设的外破源识别模型采用引入注意力机制的深度卷积神经网络，感知所确定的候选目标区域内的深层网络图像特征的特征权重，检测识别图像中的外破源隐患
。
[0010]作为进一步的技术限定，检测识别的过程中，在所确定的候选目标区域，将所述深层次网络图像特征输入到含注意力机制的深度卷积神经网络中进行卷积和池化操作，得到特征图；将所得到的特征图与输电线路运行环境图像进行特征融合后作为区域生成网络的输入，经滑动窗口形成特征集合；对所形成的特征集合进行全连接层的分类修正，得到特征图像；根据所得到的特征图像和损失函数进行图像的识别，检测所获取输电线路运行环境图像中的外破源隐患
。
[0011]进一步的，损失函数为：；
[0012]其中，表示目标坐标位置的损失权重，表示未包含目标边框置信度的损失权重，表示网格
i
中第
j
个锚框包含目标，表示网格
i
中第
j
个锚框不包含目标，表示网格
i
包含目标，表示网格
i
中预测的目标边框，表示网格
i
中实际的目标边框，表示网格
i
预测的类别，表示网格
i
目标所属实际的类别，为网格
i
内预测的目标概率，表示网格
i
内实际的目标概率，表示一张图片被划分的网格数，为每个网格需要预测的边框
。
[0013]作为进一步的技术限定，在提取所获取图像的深层次网络图像特征之前，对所获取的图像进行预处理；根据预处理后的图像和卷积神经网络，完成深层次网络图像特征的提取
。
[0014]作为进一步的技术限定，在获取输电线路运行环境的图像的过程中，通过采用图像采集前端装置获取输电线路的实时运行环境图像，对所获取的图像进行聚类分析，筛选出符合检测目标特征的锚框
。
[0015]进一步的，采用改进的
K
‑
means
算法对所获取的输电线路运行环境图像进行聚类分析，将预测边框与实际目标边框重合度作为距离的量度，计算实际目标边框与聚类中心的距离，得到用于预测目标的若干个锚框，将所得到的锚框按照尺寸大小排序，尺寸大的特征图对应尺寸小的锚框，得到目标图片的边缘信息，以筛选出符合检测目标特征的锚框
。
[0016]进一步的，根据深度卷积神经网络的卷积核对图像特征进行卷积运算，得到若干个区域的特征向量；通过边框回归和分类全连接层进行所有区域特征量的排序，得到所获取图像的候选目标区域
。
[0017]根据一些实施例，本专利技术的第二方案提供了一种输电线路外破源识别系统，采用如下技术方案：一种输电线路外破源识别系统，包括：获取模块，其被配置为获取输电线路运行环境的图像；确定模块，其被配置为提取所获取图像的深层次网络图像特征，确定所获取图像的候选目标区域；识别模块，其被配置为采用预设的外破源识别模型在所确定的候选目标区域进行检测识别，完成输电线路的外破源识别；其中，所述预设的外破源识别模型采用引入注意力机制的深度卷积神经网络，感知所确定的候选目标区域内的深层网络图像特征的特征权重，检测识别图像中的外破源隐患
。
[0018]根据一些实施例，本专利技术的第三方案提供了一种计算机可读存储介质，采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种输电线路外破源识别方法，其特征在于，包括：获取输电线路运行环境的图像；提取所获取图像的深层次网络图像特征，确定所获取图像的候选目标区域；采用预设的外破源识别模型在所确定的候选目标区域进行检测识别，完成输电线路的外破源识别；其中，所述预设的外破源识别模型采用引入注意力机制的深度卷积神经网络，感知所确定的候选目标区域内的深层网络图像特征的特征权重，检测识别图像中的外破源隐患
。2.
如权利要求1中所述的一种输电线路外破源识别方法，其特征在于，检测识别的过程中，在所确定的候选目标区域，将所述深层次网络图像特征输入到含注意力机制的深度卷积神经网络中进行卷积和池化操作，得到特征图；将所得到的特征图与输电线路运行环境图像进行特征融合后作为区域生成网络的输入，经滑动窗口形成特征集合；对所形成的特征集合进行全连接层的分类修正，得到特征图像；根据所得到的特征图像和损失函数进行图像的识别，检测所获取输电线路运行环境图像中的外破源隐患
。3.
如权利要求2中所述的一种输电线路外破源识别方法，其特征在于，所述损失函数为：；其中，表示目标坐标位置的损失权重，表示未包含目标边框置信度的损失权重，表示网格
i
中第
j
个锚框包含目标，表示网格
i
中第
j
个锚框不包含目标，表示网格
i
包含目标，表示网格
i
中预测的目标边框，表示网格
i
中实际的目标边框，表示网格
i
预测的类别，表示网格
i
目标所属实际的类别，为网格
i
内预测的目标概率，表示网格
i
内实际的目标概率，表示一张图片被划分的网格数，为每个网格需要预测的边框
。4.
如权利要求1中所述的一种输电线路外破源识别方法，其特征在于，在提取所获取图像的深层次网络图像特征之前，对所获取的图像进行预处理；根据预处理后的图像和卷积神经网络，完成深层次网络图像特征的...

【专利技术属性】
技术研发人员：胡海波，朱汀，魏传祺，鹿宏伟，郭凯，武志恒，方文静，
申请(专利权)人：国网山东省电力公司曲阜市供电公司，
类型：发明
国别省市：