System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及输电线路在线监测,尤其涉及一种多尺度高压线缆覆冰区域检测方法、装置、介质及设备。
技术介绍
1、图像监测是冬季对输电线路覆冰情况进行远程检测的有效手段。随着全球灾害天气多发,电网冬季面临的覆冰雪情况日渐严重,电网整体抗冰能力面临巨大挑战。为了应对日益复杂的电网高压线缆覆冰雪监测需求,更加智能的高压线缆覆冰雪检测方法是不可或缺的重要研究方向。
2、目前,高压线缆的覆冰检测主要以图像分类技术为支撑,实现了对高压线缆上覆冰雪的类型进行预测的功能。但是,仅对高压线缆的覆冰雪类型进行预测无法对覆冰雪情况进行定量分析,无法满足精准抗冰的业务需求,需要研究具备更高精度的高压线缆覆冰雪检测方法。
技术实现思路
1、本申请的目的旨在至少能解决上述的技术缺陷之一,特别是现有技术中覆冰检测时,仅对高压线缆的覆冰雪类型进行预测无法对覆冰雪情况进行定量分析,无法满足精准抗冰的业务需求的技术缺陷。
2、本申请提供了一种多尺度高压线缆覆冰区域检测方法,所述方法包括:
3、获取架设在目标高压线缆上方的摄像头在第一预设时段内拍摄的包含高压线缆区域的视频数据,所述视频数据包含多帧视频图像;
4、确定目标深度检测模型,所述目标深度检测模型至少包括多尺度网络、门控循环单元网络和输出层;
5、将每一帧视频图像中的高压线缆区域按照时间顺序逐帧输入至所述多尺度网络中,得到所述多尺度网络输出的每个高压线缆区域的初始检测结果;
6、将每个高压线缆区域
7、将每个高压线缆区域的中间检测结果分别输入至所述输出层,得到所述输出层输出的每个高压线缆区域的分类结果,所述分类结果包括背景区域、高压线缆区域和覆冰区域,所述覆冰区域包含至少一种覆冰类型。
8、可选地,所述多尺度网络包括前向网络层、多尺度信息提取层和特征拼接层;
9、所述将每一帧视频图像中的高压线缆区域按照时间顺序逐帧输入至所述多尺度网络中,得到所述多尺度网络输出的每个高压线缆区域的初始检测结果,包括:
10、将每一帧视频图像中的高压线缆区域按照时间顺序逐帧输入至所述前向网络层,通过所述前向网络层提取每一高压线缆区域的区域特征;
11、将每一高压线缆区域的区域特征分别输入至所述多尺度信息提取层中,通过所述多尺度信息提取层提取每一区域特征的多尺度特征;
12、将每一区域特征的多尺度特征分别输入至所述特征拼接层中,通过所述特征拼接层将每一区域特征的多尺度特征与所述多尺度信息提取层中靠前的卷积层输出的图像特征进行拼接后得到每个高压线缆区域的初始检测结果。
13、可选地,所述多尺度信息提取层包括普通卷积层、膨胀卷积层和多尺度拼接层;
14、所述将每一高压线缆区域的区域特征分别输入至所述多尺度信息提取层中,通过所述多尺度信息提取层提取每一区域特征的多尺度特征,包括:
15、针对每一高压线缆区域的区域特征:
16、通过所述普通卷积层提取该区域特征的第一特征;
17、通过所述膨胀卷积层提取所述第一特征在不同膨胀系数下逐层膨胀后的第二特征,其中,所述膨胀卷积层的步长为1;
18、通过所述多尺度拼接层提取所述第二特征在不同尺度下的第三特征后,将各个第三特征进行拼接,得到该区域特征的多尺度特征。
19、可选地,所述多尺度拼接层包括不同尺度的分支卷积层和平均池化层,以及输出拼接层;
20、所述通过所述多尺度拼接层提取所述第二特征在不同尺度下的第三特征后,将各个第三特征进行拼接,得到该区域特征的多尺度特征,包括:
21、利用不同尺度的分支卷积层和所述平均池化层分别提取所述第二特征在不同尺度下的第三特征;
22、通过所述输出拼接层将不同尺度下的第三特征进行拼接,得到该区域特征的多尺度特征。
23、可选地,所述多尺度信息提取层至少包括多个普通卷积层,所述特征拼接层包括特征放大层和特征融合层;
24、所述通过所述特征拼接层将每一区域特征的多尺度特征与所述多尺度信息提取层中靠前的卷积层输出的图像特征进行拼接后得到每个高压线缆区域的初始检测结果,包括:
25、针对每一区域特征的多尺度特征:
26、利用所述特征放大层将该多尺度特征放大至与第一个普通卷积层输出的图像特征一致的放大特征;
27、利用所述特征融合层将所述放大特征与第一个普通卷积层输出的图像特征进行拼接,得到该多尺度特征对应的高压线缆区域的初始检测结果。
28、可选地,所述输出层包括分类层和输出放大层;
29、所述将每个高压线缆区域的中间检测结果分别输入至所述输出层,得到所述输出层输出的每个高压线缆区域的分类结果,包括:
30、针对每个高压线缆区域的中间检测结果:
31、利用所述分类层对该高压线缆区域的中间检测结果进行分类,得到该中间检测结果的分类结果;
32、利用所述输出放大层将所述分类结果对应的图像区域放大至与该高压线缆区域一致,得到该高压线缆区域的分类结果。
33、可选地,所述确定目标深度检测模型,包括:
34、获取架设在目标高压线缆上方的摄像头在第二预设时段内拍摄的包含高压线缆区域的样本视频数据,所述样本视频数据包含多帧样本视频图像;
35、对每帧样本视频图像中的高压线缆区域包含的像素类别进行标注,得到各个高压线缆区域的真实分类结果;
36、将每帧样本视频图像中的高压线缆区域按照时间顺序逐帧输入至预先配置的初始深度检测模型中,得到所述初始深度检测模型输出的每个高压线缆区域对应的预测分类结果;
37、以每个高压线缆区域的预测分类结果分别趋近于对应的真实分类结果为目标,对所述初始深度检测模型进行迭代训练;
38、当达到预设的训练条件时,将训练好的初始深度检测模型作为目标深度检测模型。
39、本申请还提供了一种多尺度高压线缆覆冰区域检测装置,包括:
40、视频数据获取模块,用于获取架设在目标高压线缆上方的摄像头在第一预设时段内拍摄的包含高压线缆区域的视频数据,所述视频数据包含多帧视频图像;
41、检测模型确定模块,用于确定目标深度检测模型,所述目标深度检测模型至少包括多尺度网络、门控循环单元网络和输出层;
42、第一检测模块,用于将每一帧视频图像中的高压线缆区域按照时间顺序逐帧输入至所述多尺度网络中,得到所述多尺度网络输出的每个高压线缆区域的初始检测结果;
43、第二检测模块,用于将每个高压线缆区域的初始检测结果分别输入至所述门控循环单元网络中,得到所述门控循环单元网络输出的每个高压线缆区域的中间检测结果;
44、区域分类模块,用于将每个高压线缆区本文档来自技高网...
【技术保护点】
1.一种多尺度高压线缆覆冰区域检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度网络包括前向网络层、多尺度信息提取层和特征拼接层;
3.根据权利要求2所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度信息提取层包括普通卷积层、膨胀卷积层和多尺度拼接层;
4.根据权利要求3所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度拼接层包括不同尺度的分支卷积层和平均池化层,以及输出拼接层;
5.根据权利要求2所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度信息提取层至少包括多个普通卷积层,所述特征拼接层包括特征放大层和特征融合层;
6.根据权利要求1所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述输出层包括分类层和输出放大层;
7.根据权利要求1-6中任一项所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述确定目标深度检测模型,包括:
8.一种多尺度高压线缆覆冰区域检测装置,其特征在于,包括:
...【技术特征摘要】
1.一种多尺度高压线缆覆冰区域检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度网络包括前向网络层、多尺度信息提取层和特征拼接层;
3.根据权利要求2所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度信息提取层包括普通卷积层、膨胀卷积层和多尺度拼接层;
4.根据权利要求3所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度拼接层包括不同尺度的分支卷积层和平均池化层,以及输出拼接层;
5.根据权利要求2所述的多尺度高压线缆覆冰区域检测方法,其特征在于,所述多尺度信息提取层至少包括多个普通卷积层,所述特征拼接...
【专利技术属性】
技术研发人员:杨旗,张海鹏,张厚荣,吴建蓉,李昊,曾华荣,文屹,曾鹏,肖小兵,宋永超,
申请(专利权)人:南方电网科学研究院有限责任公司,
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。