【技术实现步骤摘要】
本申请涉及山火检测，尤其涉及一种基于卫星影像的输电线路山火检测方法、装置、计算机设备及存储介质。
技术介绍
1、近年来，随着中国各行业的迅速发展，电力需求急剧增加，电网行业也在快速壮大，导致越来越多的输电线路穿越高山地带。然而，这也带来了一个严重的问题，山火灾害成为了电网输电线路安全稳定运行的最大威胁之一。因此，迫切需要开展架空输电线路山火的检测和预防工作，有效地检测输电线路周边地区的山火，迅速定位火源位置，对电网山火灾害的紧急处理和电网安全维护至关重要。传统的山火检测方法，如人工巡查、无人机巡检和传感器安装，虽然在一定程度上能够发现火源并遏制火势蔓延，但效率相对较低，消耗了大量人力和物力资源。卫星遥感技术成为一种经济高效的解决方案，可以提供几乎实时的地面信息，甚至适用于偏远地区的早期火灾检测和预警。
2、目前，基于卫星遥感影像的山火检测已经得到广泛研究和应用，国内的电网部门已经进行了一些基于卫星数据的输电线路山火检测研究，并取得了一定的应用成果。然而，这些研究主要集中在特定卫星遥感数据的关键技术和应用示范上，缺乏全面且持续的研究，也缺乏创新性的技术突破，导致了山火位置定位不准确、精度不高的问题。为了减少山火对输电线路的干扰，确保电网正常运行，高精度的输电线路周边山火检测工作变得非常必要。
技术实现思路
1、本申请提供一种山火检测方法、装置、计算机设备及存储介质，能够有效提高山火检测的准确性，精准识别和定位山火位置，减少山火对输电线路的干扰，从而确保电网正常运行。>
2、第一方面，本申请提供了一种山火检测方法，包括：
3、获取输电线路区域的遥感图像数据，并对所述遥感图像数据进行数据预处理，得到预处理后的遥感图像数据；
4、识别所述预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元；
5、基于预先构建的火点监测模型对所述有效像元进行火点初步检测，得到初始火点样本；
6、基于所述初始火点样本构建火点图像数据集，并根据所述火点图像数据集训练分类模型；
7、通过训练后的所述分类模型对所述遥感图像数据进行火点二次检测，得到所述输电线路区域对应的山火检测结果。
8、进一步地，在本申请的一些实施例中，所述对所述遥感图像数据进行数据预处理，包括：
9、通过数据处理工具对所述遥感图像数据进行几何修正、辐射定标、亮温计算、波段提取和区域裁剪；其中，所述遥感图像数据为himawari-8地球同步卫星数据，所述数据处理工具包括envi、arcgis和python。
10、进一步地，在本申请的一些实施例中，所述识别所述预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元，包括：
11、分别对所述遥感图像数据进行云体检测处理、水体检测处理、植被检测处理和太阳耀斑处理，得到云体像元、水体像元、植被像元和太阳耀斑像元；
12、将所述云体像元、所述水体像元、所述植被像元和所述太阳耀斑像元作为无效像元，删除所述遥感图像数据中的无效像元，得到所述所述遥感图像数据中的有效像元。
13、进一步地，在本申请的一些实施例中，所述基于预先构建的火点监测模型对所述有效像元进行火点初步检测，得到初始火点样本，包括：
14、构建所述遥感图像数据对应的三维直方图；
15、采用三维ostu图像分割方法对所述有效像元进行图像分割处理；
16、计算所述有效像元对应的最优阈值；
17、基于所述最优阈值对图像分割处理后的有效像元进行火点初步检测，汇集符合所述最优阈值的有效像元，生成初始火点样本。
18、进一步地，在本申请的一些实施例中，所述基于所述初始火点样本构建火点图像数据集，并根据所述火点图像数据集训练分类模型，包括：
19、对所述初始火点样本进行标注分类，得到包括正样本和负样本的火点数据集；
20、将所述初始火点样本的火点处于中心位置，对不同波段组合的初始火点样本进行分类整理，得到三种不同波段组合的数据集；
21、基于所述三种不同波段组合的数据集构建用于深度学习的训练数据集；
22、基于所述训练数据集对所述分类模型进行训练。
23、进一步地，在本申请的一些实施例中，所述基于所述训练数据集对所述分类模型进行训练，包括：
24、将标注分类后的火点数据集输入至视觉几何群网络中；
25、对所述视觉几何群网络的卷积层、卷积池化层和激活层的函数进行深度学习训练，训练后得到分类模型。
26、进一步地，在本申请的一些实施例中，所述通过训练后的所述分类模型对所述遥感图像数据进行火点二次检测，得到所述输电线路区域对应的山火检测结果，包括：
27、将所述遥感图像数据输入至训练后的所述分类模型进行火点二次检测，得到若干个候选点；
28、采用加权投票法对分别对所述若干个候选点进行计算，得到每个候选点对应的得分值；
29、基于所述得分值判断各个所述候选点是否为火点，生成所述输电线路区域对应的山火检测结果。
30、第二方面，本申请提供了一种山火检测装置，包括：
31、获取模块，用于获取输电线路区域的遥感图像数据，并对所述遥感图像数据进行数据预处理，得到预处理后的遥感图像数据；
32、剔除模块，用于识别所述预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元；
33、初步检测模块，用于基于预先构建的火点监测模型对所述有效像元进行火点初步检测，得到初始火点样本；
34、训练模块，用于基于所述初始火点样本构建火点图像数据集，并根据所述火点图像数据集训练分类模型；
35、二次检测模块，用于通过训练后的所述分类模型对所述遥感图像数据进行火点二次检测，得到所述输电线路区域对应的山火检测结果。
36、第三方面，本申请还提供计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一方面的山火检测方法的步骤。
37、第四方面，本申请还提供一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面的山火检测方法的步骤。
38、如上所述，本申请提供一种山火检测方法、装置、计算机设备及存储介质，其中山火检测方法包括：获取输电线路区域的遥感图像数据，并对遥感图像数据进行数据预处理，得到预处理后的遥感图像数据；识别预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元；基于预先构建的火点监测模型对有效像元进行火点初步检测，得到初始火点样本；基于初始火点样本构建火点图像数据集，并根据火点图像数据集训练分类模型；通过训练后的分类模型对遥感图像数据进行火点二次检测，得到输电线路区域对应的山火检测结果。本申请提供的山火检测方案，首先通过三维本文档来自技高网...
【技术保护点】
1.一种山火检测方法，其特征在于，至少包括如下步骤：
2.根据权利要求1所述的山火检测方法，其特征在于，所述对所述遥感图像数据进行数据预处理，包括：
3.根据权利要求1所述的山火检测方法，其特征在于，所述识别所述预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元，包括：
4.根据权利要求1所述的山火检测方法，其特征在于，所述基于预先构建的火点监测模型对所述有效像元进行火点初步检测，得到初始火点样本，包括：
5.根据权利要求1所述的山火检测方法，其特征在于，所述基于所述初始火点样本构建火点图像数据集，并根据所述火点图像数据集训练分类模型，包括：
6.根据权利要求5所述的山火检测方法，其特征在于，所述基于所述训练数据集对所述分类模型进行训练，包括：
7.根据权利要求1所述的山火检测方法，其特征在于，所述通过训练后的所述分类模型对所述遥感图像数据进行火点二次检测，得到所述输电线路区域对应的山火检测结果，包括：
8.一种山火检测装置，其特征在于，包括：
9.一种计算机设备，其
10.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述山火检测方法的步骤。
...【技术特征摘要】
1.一种山火检测方法，其特征在于，至少包括如下步骤：
2.根据权利要求1所述的山火检测方法，其特征在于，所述对所述遥感图像数据进行数据预处理，包括：
3.根据权利要求1所述的山火检测方法，其特征在于，所述识别所述预处理后的遥感图像数据中的虚假火点并进行剔除处理，得到对应的有效像元，包括：
4.根据权利要求1所述的山火检测方法，其特征在于，所述基于预先构建的火点监测模型对所述有效像元进行火点初步检测，得到初始火点样本，包括：
5.根据权利要求1所述的山火检测方法，其特征在于，所述基于所述初始火点样本构建火点图像数据集，并根据所述火点图像数据集训练分类模型，包括：
6.根据权利要求5所述的山...
【专利技术属性】
技术研发人员：文刚，周仿荣，马御棠，马仪，王国芳，王一帆，王文兵，朱龙昌，耿浩，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。