一种基于样本合成和深度学习的电网输电线路导线分割方法技术

本发明专利技术提出一种基于样本合成和深度学习的电网输电线路导线分割方法，利用无人机或者卫星平台拍摄高分辨率电网遥感影像；在人工提取标注的工作基础上，提出利用基于样本合成的导线数据生成方法，在背景图像中随机融合导线目标，生成丰富的导线分割训练数据集；基于此导线分割训练集，构建出能够有效提取影像中导线的深度学习模型，实现一种端到端的架空输电线路走廊导线分割方法；基于此深度网络模型，实现对真实影像中的导线进行精细化分割

【技术实现步骤摘要】
一种基于样本合成和深度学习的电网输电线路导线分割方法


[0001]本专利技术涉及计算机视觉技术以及深度学习
，尤其涉及一种基于样本合成和深度学习的电网输电线路导线分割方法
。

技术介绍

[0002]架空输电线路的巡检事关电网的安全稳定运行
。
电网公司每年会投入大量资源用于高压输电线路的电力巡检
。
目前，大部分地区的高压输电线路的电力巡检工作主要依靠人工完成，这就需要耗费大量的人力物力财力，且实时性较差，特别是对于输电线路所经环境恶劣地区，难以对线路灾害进行及时地人为识别与防范预警
。
[0003]近年来，无人机技术日益成熟，已被广泛地应用到输电线路巡检中
。
视觉辅助的无人机是一类携带了视觉传感器的无人机，通过传感成像，提供更准确的环境感知，可以进一步增强无人机的监控
、
决策能力
。
基于无人机的光学遥感图像获取相比于飞机
、
卫星等方式具有巨大的优势，包括简单
、
快捷
、
价格低廉
、
超高的空间
、
时间分辨率，等等
。
视觉辅助的无人机具有非常大的应用潜力
。
[0004]在无人机辅助的智能电网输电线路智能巡检中，视觉辅助的无人机可携带多种传感器或高精度成像设备，对输电线路进行光学或红外观测成像，然后通过图像智能识别技术对航拍影像中的线路本体进行有效识别
。
最常见的输电线路本体包括：杆塔
、
绝缘子与输电导线，这三种本体的定位和识别对于巡检至关重要
。
在已有的无人机电网巡检系统中，其中大多数是基于光学与激光雷达传感技术，采用人工控制无人机的方式获取固定输电线路的影像数据和激光雷达数据
。
这就需要输电线路的位置，方向等先验信息，且必须首先掌握输电线路的大致走向，方可确定无人机飞行的航线与飞行控制方案
。
此外，这套方案往往要求无人机抵近输电线路进行飞行，方可获得有效的输电线路信息以及激光雷达信息，这就导致一个问题，无人机低空飞行中遇到障碍物目标的概率大大增加，无人机本体遇到“撞机”或者“撞塔”事故的概率大大上升，这不仅危害无人机自身安全，也对飞行线路周边的人民生命财产安全造成隐患
。
因此，如何采用更加高效的无人机智能巡检是一个亟待解决的问题
。
[0005]近期，基于无人机俯拍航空成像中的无人机巡检方案受到极大关注
。
无人机俯拍航空成像是指无人机飞行成像时，输电线路处于无人机视角的正下方或者斜下方，因此所获取的影像数据与卫星成像非常类似
。
采用这种电力巡检方式有以下两个优点
。
首先，高空无人机俯拍成像大大避免了无人机飞行中的事故发生概率，因为高空中的障碍物目标一般较少，远远少于低空飞行中的建筑物或者高塔目标
。
其次，高空俯拍的航空成像时，输电线路一般位于无人机视角范围的正下方或者斜下方，仍然能有效获取输电线路的本体信息，且通过控制飞行高度可以控制成像的区域和面积，不仅能识别输电线路本体，还能同时对输电线路走廊附近的水体，建筑物，树木，道路，山体滑坡等进行有效地成像，方便后续对输电线路周边的灾害隐患进行及时地分析鉴别与预警
。
因此，研究无人机俯拍航空成像下的输电线路本体识别具有重要意义
。
[0006]电网输电线路走廊中，导线本体是输电线路最为重要的本体目标之一
。
识别出线路中的导线本体，能对线路导线中可能存在的导线悬挂异物等危情进行更方便的甄别
。
受到无人机飞行高度以及所携带相机的分辨率影响，导线目标在影像中常常呈现出如下特点：
(1)
导线一般较细，受成像分辨率影响，其宽度在影像中常常仅占一个或几个像素，有的甚至呈现出头发丝状；
(2)
导线一般亮度较浅，呈灰色状，其图像亮度值于灰色建筑物或者水泥路面的亮度值类似
。
导线下方的背景信息也会对导线成像光谱构成混叠，例如当导线经过水域上空时，导线的辐射于水域的辐射常常发生混叠，甚至淹没导线目标；
(3)
无人机飞行时，常常伴随微小的震动，这就导致成像时，导线目标在影像中可能呈现出束状形态，原本是一根导线的目标，在影像中可能呈现出多个导线“伪影”形态
。
此外，成像时的环境光照与天气条件对导线成像也存在一定影响
。
总的来说，无人机俯拍条件下的导线本体识别是一项亟待解决且富有挑战性的问题
。
如何建立高效的导线精细化分割机器学习模型对于无人机俯拍或卫星航拍电力巡检具有极强的应用价值
。
[0007]随着深度学习的发展，卷积神经网络在自然图像的视觉计算领域展现出很大的潜力，并不断在物体分类识别
、
目标检测
、
语义分割等领域持续保持或刷新最优性能
。
近年来，用于自然图像中的图像分类
、
视觉目标检测分割等模型或方法逐渐被迁移到无人机图像领域
。
然而，无人机图像的特殊性给这些模型
、
方法提出了新的挑战
。

技术实现思路

[0008]为了解决前述无人机俯拍成像下的输电线路导线精细化分割问题与难点，本专利技术提出使用
U
‑
Net
类的深度卷积网络语义分割方法，实现线路导线的精细化分割提取
。
为了减小导线数据的标注代价，提出使用基于前背景合成的训练样本构建方法，以生成丰富的伪导线分割训练数据集
。
基于此数据集，训练
U
‑
Net
类深度学习模型，实现对实际航拍影像中导线本体的自动精准分割与提取
。
[0009]其利用无人机或者卫星平台拍摄高分辨率电网遥感影像；在人工提取标注的工作基础上，提出利用基于样本合成的导线数据生成方法，在背景图像中随机融合导线目标，生成丰富的导线分割训练数据集；基于此导线分割训练集，构建出能够有效提取影像中导线的深度学习模型，实现一种端到端的架空输电线路走廊导线分割方法；基于此深度网络模型，实现对真实影像中的导线进行精细化分割
。
相对于现有技术，该方法极大地减小人工标注代价，能实现电网遥感影像中导线的精确分割与提取
。
[0010]本专利技术具体采用以下技术方案：一种基于样本合成和深度学习的电网输电线路导线分割方法，其特征在于：利用无人机或者卫星平台拍摄高分辨率电网遥感影像；在提取标注的基础上，利用基于样本合成的导线数据生成方法，在背景图像中随机融合导线目标，生成导线分割训练数据集；再基于所述导线分割训练数据集集，构建获得能够有效提取影像中导线的深度学习模型，以实现端到端的架空输电线路走廊导线分割方法
...

【技术保护点】

【技术特征摘要】
1.
一种基于样本合成和深度学习的电网输电线路导线分割方法，其特征在于：利用无人机或者卫星平台拍摄高分辨率电网遥感影像；在提取标注的基础上，利用基于样本合成的导线数据生成方法，在背景图像中随机融合导线目标，生成导线分割训练数据集；再基于所述导线分割训练数据集集，构建获得能够有效提取影像中导线的深度学习模型，以实现端到端的架空输电线路走廊导线分割方法
。2.
根据权利要求1所述的一种基于样本合成和深度学习的电网输电线路导线分割方法，其特征在于：具体实现步骤如下：
(1) 通过高空俯拍无人机遥感或者卫星遥感技术采集遥感影像信息；
(2) 导线语义分割数据库的构建以及基于图像生成技术的训练集扩充：首先选择部分遥感影像作为训练数据集，对其中的导线目标进行像素级标注；利用图像合成技术对训练集图片进行扩充，生成一个包含大量训练样本的合成训练集；
(3) 基于
U
‑
Net
语义分割网络的导线分割模型训练：在步骤（2）获得的扩充的训练集的基础上上，进行深度学习，训练生成基于
U
‑
Net
语义分割的导线分割模型；
(4) 导线目标的自动分割：检测时，对于任意输入的遥感影像，基于训练得到的深度网络模型，使用重叠式滑动窗口技术
、
概率加权融合技术，实现对影像中的导线目标进行精确定位和分割，并滤除导线的虚警像素
。3.
根据权利要求2所述的一种基于样本合成和深度学习的电网输电线路导线分割方法，其特征在于：步骤
(1)
中，采用通过对地斜拍技术采集电网输电线路影像，或通过有人飞行器携带成像设备采集电网输电线路影像
。4.
根据权利要求2所述的一种基于样本合成和深度学习的电网输电线路导线分割方法，其特征在于：步骤
(2)
的具体步骤如下：
2.1
）选择部分遥感影像采用像素级标...

【专利技术属性】
技术研发人员：许军，王晓杰，王森，张静，徐瑞，闫皓炜，王利伟，谢文炳，方超颖，陈少康，郑钟楠，黄友聪，
申请(专利权)人：国网福建省电力有限公司天津航天中为数据系统科技有限公司，
类型：发明
国别省市：