【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于深度学习的电力系统异常检测方法及系统。
技术介绍
1、输电线路是电力系统的重要组成部分，对输电线路进行异常检测是保证电力系统稳定运行的关键，通过无人机搭载各类图像采集设备拍摄输电线路图像是一种常用的巡检方式。从图像采集设备的原理出发，输电线路的异常检测技术可分为视觉检测技术和红外检测技术等，不同的检测技术各有优缺点，成像过程中环境带来的影响也不一样。在实际的输电线路巡检过程中，难以保证每次都有适宜的检测环境，因此，亟需一种可适应多环境的输电线路异常检测方法及系统。
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了一种基于深度学习的电力系统异常检测方法及系统，可用于不同天气环境下的输电线路异常检测，提高了电力系统异常检测的效率。
2、第一方面，本专利技术提供一种基于深度学习的电力系统异常检测方法，包括：
3、获取待检测输电线路同一区域的视觉检测图像和红外检测图像；
4、通过视觉分析模型对视觉检测图像进行分析...
【技术保护点】
1.一种基于深度学习的电力系统异常检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对于环境分析模型，还包括：
3.如权利要求1所述的方法，其特征在于，参考位点和偏移距离的确定包括：
4.如权利要求1所述的方法，其特征在于，对于参考距离，还包括：
5.如权利要求1所述的方法，其特征在于，从第一异常区域和第二异常区域中筛选出主区域并进行标记包括：
6.如权利要求1所述的方法，其特征在于，基于YOLOv5模型构建视觉分析模型。
7.如权利要求6所述的方法，其特征在于，对于视觉分析模
...【技术特征摘要】
1.一种基于深度学习的电力系统异常检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对于环境分析模型，还包括：
3.如权利要求1所述的方法，其特征在于，参考位点和偏移距离的确定包括：
4.如权利要求1所述的方法，其特征在于，对于参考距离，还包括：
5.如权利要求1所述的方法，其特征在于，从第一异常区域和第二异常区域中筛选出主区域并进行标记...
【专利技术属性】
技术研发人员：吴兵华，陈森，王瑾轩，董伟，周钰展，刘芷洋，江昊燃，汤云林，陈亚琦，张文昶，杨炎，段欣吟，
申请(专利权)人：国网湖北省电力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。