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】
本专利技术涉及计算机视觉,具体涉及一种基于鸟类物种识别的输电杆塔驱鸟方法、设备及系统。
技术介绍
1、随着我国经济的快速发展,生产力水平得到极大提高,电力需求持续增加。为解决电能供应的问题,电网容量和电压等级不断提升,超高压及特高压电网的规模不断扩大,其中架空线路整体占比80%以上。与此同时,随着生态环境保护尤其是鸟类保护工作的不断推进,鸟类种群数量逐年增加,却给电网带来了更多的潜在威胁。根据国家电力系统的统计数据,涉鸟故障已成为继雷击、外力破坏之后的第三大输电线路故障,约占电网故障总数的25%,对电网安全稳定运行造成了极大影响。一旦输配电线路发生故障,严重的将会导致电网大范围瘫痪,严重损坏输电及用电设备,甚至造成人身伤亡。可见,提升输配电线路中的驱鸟设备驱鸟能力,是保障电网安全稳定运行的一个重要手段。
2、然而,目前常用的机械式驱鸟设备驱鸟效果不稳定、布设及后期维护工作量大,智能驱鸟设备则多使用超声波或激光进行驱鸟,成本较高、对环境影响较大、鸟类极易因为单一的驱鸟方式产生适应性。将深度学习方法应用于驱鸟设备鸟类识别领域,能够快速、准确的对可能引起涉鸟故障的鸟类目标进行检测,并且边缘计算技术可以避免大量数据传输造成的延迟问题,通过分布式计算平台实现对鸟类目标的实时监测,同时结合优化的音频驱鸟策略即可实现对鸟类目标有针对性的驱离。因此,改进智能驱鸟设备中所使用的鸟类识别算法及驱鸟策略选择方法是提升驱鸟效果、延长设备有效年限的重要前提。
3、基于深度学习的图像目标检测模型已经发展的相对成熟,可以快速提取到图像
技术实现思路
1、本专利技术实施例的目的在于提供一种基于深度学习鸟类物种识别的输电杆塔智能驱鸟方案,主要用于解决以下相关技术问题:
2、1.针对目前驱鸟策略存在的高能耗、环境影响严重问题,提出基于深度学习网络模型的鸟类目标检测方法,用以实现更低能耗且具有针对性的驱鸟工作。
3、2.针对目前输电杆塔驱鸟设备所存在的单一性、盲目性等问题,提出基于鸟类目标识别结果进行的多样化驱鸟策略选择,通过不同的驱鸟方式避免鸟类目标快速产生的适应性。
4、为实现上述目的,第一方面,本专利技术实施例提供了一种基于鸟类物种识别的输电杆塔驱鸟方法,包括:
5、图像数据采集步骤:通过工业相机拍摄鸟类图像;
6、鸟类目标识别及定位步骤:采用改进的卷积神经网络模型yolov5对所述鸟类图像进行检测,得到目标检测结果;所述目标检测结果包括所述鸟类图像中是否存在鸟类目标、鸟类物种以及鸟类目标的识别定位结果;
7、驱鸟策略选择步骤:根据鸟类物种从多种驱鸟音频中选取一种,作为目标驱鸟音频;
8、鸟类目标追踪步骤:根据鸟类目标的识别定位结果对鸟类目标进行追踪,得到追踪结果;
9、音频定向驱鸟步骤:根据所述目标驱鸟音频和追踪结果实施驱鸟工作。
10、作为本申请的一种具体实现方式,鸟类目标识别及定位步骤具体为:
11、将所述鸟类图像输入改进的卷积神经网络模型yolov5,进行特征提取及特征融合,得到特征图;
12、对所述鸟类图像进行分割,生成多个预测框;
13、基于所述特征图,在损失函数的约束下对所述预测框进行回归处理,得到目标检测结果;
14、输出所述目标检测结果。
15、其中,改进的卷积神经网络模型yolov5采用改进的轻量化卷积模块替换原始卷积层,基于鸟类目标尺寸分布和特征分布对原始卷积神经网络模型进行剪枝及通道缩放,引入注意力机制加强原始卷积神经网络模型对目标特征的提取能力。
16、作为一种具体实现方式,采用目标跟踪算法进行鸟类目标追踪;其中,所述目标跟踪算法具体为:
17、在首次检测到目标时,认为目标移动方向为此时所在位置的对角线方向;
18、通过连续两帧图像中相对方位差值判断目标的移动速度;
19、当两次检测到目标时,计算两个目标中心点之间距离;
20、通过舵机按照此时所得到的距离驱动工业相机向目标移动方向转动,以获取第三帧图像并重复以上过程。
21、作为一种具体实现方式,音频定向驱鸟步骤具体为:
22、根据所述目标驱鸟音频和追踪结果,通过音频播放设备进行相应的驱鸟工作;
23、同时,根据改进的卷积神经网络模型yolov5输出的预测框的相对尺寸变化判断驱鸟成功与否;
24、若鸟类目标所在预测框面积占比持续减小至一定阈值,则判断为完成驱鸟任务;
25、若鸟类目标所在预测框面积波动或增大,则使用其它驱鸟音频继续进行驱鸟直至驱鸟成功。
26、第二方面,本专利技术实施例还提供了一种数据处理设备,包括:
27、图像数据采集单元,用于通过工业相机拍摄鸟类图像;
28、鸟类目标识别及定位单元,用于采用改进的卷积神经网络模型yolov5对所述鸟类图像进行检测,得到目标检测结果;所述目标检测结果包括所述鸟类图像中是否存在鸟类目标、鸟类物种以及鸟类目标的识别定位结果;
29、驱鸟策略选择单元,用于根据鸟类物种从多种驱鸟音频中选取一种,作为目标驱鸟音频;
30、鸟类目标追踪单元,用于根据鸟类目标的识别定位结果对鸟类目标进行追踪,得到追踪结果;
31、音频定向驱鸟单元,用于通过音频驱鸟设备,根据所述目标驱鸟音频和追踪结果实施驱鸟工作。
32、第三方面,本专利技术实施例还提供了另一种数据处理设备,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
33、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其内存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
34、第五方面,本专利技术实施例提供了一种基于鸟类物种识别的输电杆塔驱鸟系统,包括二自由度舵机云台、工业相机、音频驱鸟设备、数据处理设备及供电单元,所述供电单元为各模块供电,所述工业相机搭载于二自由度舵机云台,所述音频驱鸟设备和数据处理单元均与所述二自由度舵机云台连接,其中,所述工业相机拍摄鸟类图像;
35、所述数据处理设备如上述第二或第三方面所述;
36、所述音频驱鸟设备根据所述数据处理单元的处理结果实施驱鸟工作。
37、实施本专利技术实施例所提供的输电杆塔智能驱鸟方案,具有如下有益本文档来自技高网...
【技术保护点】
1.一种基于鸟类物种识别的输电杆塔驱鸟方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,鸟类目标识别及定位步骤具体为:
3.如权利要求2所述的方法,其特征在于,改进的卷积神经网络模型YOLOv5采用改进的轻量化卷积模块替换原始卷积层,基于鸟类目标尺寸分布和特征分布对原始卷积神经网络模型进行剪枝及通道缩放,引入注意力机制加强原始卷积神经网络模型对目标特征的提取能力。
4.如权利要求2所述的方法,其特征在于,采用目标跟踪算法进行鸟类目标追踪;其中,所述目标跟踪算法具体为:
5.如权利要求4所述的方法,其特征在于,音频定向驱鸟步骤具体为:
6.一种数据处理设备,其特征在于,包括:
7.一种数据处理设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算
9.一种基于鸟类物种识别的输电杆塔驱鸟系统,包括二自由度舵机云台、工业相机、音频驱鸟设备、数据处理设备及供电单元,所述供电单元为各模块供电,所述工业相机搭载于二自由度舵机云台,所述音频驱鸟设备和数据处理单元均与所述二自由度舵机云台连接,其特征在于,所述工业相机拍摄鸟类图像;
...【技术特征摘要】
1.一种基于鸟类物种识别的输电杆塔驱鸟方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,鸟类目标识别及定位步骤具体为:
3.如权利要求2所述的方法,其特征在于,改进的卷积神经网络模型yolov5采用改进的轻量化卷积模块替换原始卷积层,基于鸟类目标尺寸分布和特征分布对原始卷积神经网络模型进行剪枝及通道缩放,引入注意力机制加强原始卷积神经网络模型对目标特征的提取能力。
4.如权利要求2所述的方法,其特征在于,采用目标跟踪算法进行鸟类目标追踪;其中,所述目标跟踪算法具体为:
5.如权利要求4所述的方法,其特征在于,音频定向驱鸟步骤具体为:
6.一种数据处理设备,其特征在于,包括:
7.一种数据处理设备,其特征在于,包括处...
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。