本发明专利技术提供了一种输电线覆冰识别方法、装置、电子设备及介质，该方法包括：获取输电线覆冰图像，并对输电线覆冰图像上的覆冰进行标记，得到标记图像；构建初始输电线覆冰识别模型，该输电线覆冰识别模型采用多尺度Swin Transfomer网络架构对输电线覆冰图像中覆冰区域进行定位和识别，得到预测图像；计算标记图像和预测图像的损失值，以最小化损失值为目标对模型进行迭代训练，得到训练完备的输电线覆冰识别模型，采用训练完备的输电线覆冰识别模型对待识别输电线图像中的覆冰区域进行识别。本发明专利技术通过将多尺度Swin Transfomer网络结构对输电线图像中覆冰区域进行精准识别，有效提高了模型覆冰识别准确率。
1、在电力系统中，输电线路是连接发电厂和用户的重要纽带，其安全稳定运行对于整个电力系统的可靠性至关重要。然而，输电线路在运行过程中面临着多种自然环境的挑战，尤其是在冬季，覆冰现象成为影响输电线路安全的主要因素之一。覆冰会增加导线的重量，导致机械应力增大，甚至可能引起导线断裂、塔架倒塌等严重事故，同时还会增加导线风振、舞动等动力行为，增大线路运行风险。因此，及时准确地识别和评估输电线路的覆冰状况，对于保障电网安全运行和提高供电可靠性具有重要意义。
2、传统的覆冰监测方法主要依赖于人工巡检和安装在输电线路上的传感器。其中，人工巡检耗时耗力，且在恶劣天气条件下难以开展；而传感器虽然能够提供实时监测，但安装和维护成本高昂，且在极端天气条件下容易失效。随着遥感技术和图像处理技术的发展，基于图像的覆冰监测方法逐渐成为研究热点。这类方法通过分析输电线路的图像数据，利用图像处理和模式识别技术来识别覆冰情况，具有操作简便、成本低廉、适用范围广等优点。
3、近年来，深度学习技术在图像识别领域取得了突破性进展，特别是卷积神经网络(cnn)在图像分类、目标检测和图像分割等任务中展现出了强大的性能。然而，由于输电线路广阔分布，具有不同的观测角度，且覆冰通常只在输电线的局部区域出现，覆冰在图像中的尺寸和形态存在较大差异，传统的cnn在处理输电线覆冰识别任务时，难以精准地定位和识别覆冰区域，准确性较差。
>1、有鉴于此，有必要提供一种输电线覆冰识别方法、装置、电子设备及介质，用以解决现有技术中存在的由于覆冰在图像中的尺寸和形态存在较大差异，传统的cnn在处理输电线覆冰识别任务时，难以精准地定位和识别覆冰区域，准确性较差的技术问题。2、为了解决上述问题，一方面，本专利技术提供了一种输电线覆冰识别方法，包括：获取输电线覆冰图像，并对所述输电线覆冰图像上的覆冰进行标记，得到标记图像；
3、构建初始输电线覆冰识别模型，所述初始输电线覆冰识别模型包括多尺度特征提取模块、swin transfomer模块和特征融合解码模块；
4、基于所述多尺度特征提取模块，对所述输电线覆冰图像进行上采样和下采样，得到多尺度特征图；
5、基于所述swin transfomer模块，对所述多尺度特征图进行特征提取，得到注意力特征图；
6、基于所述特征融合解码模块，对所述注意力特征图中所述多尺度特征图对应的特征进行融合解码，得到预测图像；
7、计算所述标记图像和所述预测图像的损失值，以最小化所述损失值为目标对所述初始输电线覆冰识别模型进行迭代训练，得到训练完备的输电线覆冰识别模型，基于所述训练完备的输电线覆冰识别模型对待识别输电线图像中的覆冰区域进行识别。
8、在一些可能的实现方式中，获取输电线覆冰图像，包括：
9、获取输电线覆冰初始图像；
10、通过亮化和暗化的方式对所述输电线覆冰初始图像进行图像增强，得到输电线覆冰图像。
11、在一些可能的实现方式中，所述亮化和暗化的方式包括局部亮化、局部暗化、全局亮化、全局暗化和直方图归一化。
12、在一些可能的实现方式中，所述swin transfomer模块包括若干堆叠的swintransfomer block，每个所述swin transfomer block中包括mlp层，所述mlp层的计算公式为：
13、z＝σ(xu)
14、y＝s(z)v
15、s(z)＝z⊙(wz+b)
16、式中，x表示mlp层的输入，y表示mlp层输出，σ表示激活函数sigmiod，u、v和w表示线性映射矩阵，b表示偏置，⊙表示点积。
17、在一些可能的实现方式中，所述多尺度特征图包括输电线覆冰图像、上采样特征图和下采样特征图，所述注意力特征图包括对应所述输电线覆冰图像的第一特征图，对应所述上采样特征图的第二特征图，以及对应所述下采样特征图的第三特征图；
18、对所述注意力特征图中所述多尺度特征图对应的特征进行融合解码，得到预测图像，包括：
19、对所述第一特征图、第二特征图和第三特征图进行特征融合，得到第一融合特征图；
20、基于所述第一融合特征图得到目标融合特征图，将所述目标融合特征图恢复至所述输电线覆冰图像大小，得到预测图像；
21、其中，所述第一融合特征的计算公式为：
22、y0＝downsample(y1)+upsample(y2)+y
23、式中，y0表示第一融合特征图，y表示第一特征图，y1表示第二特征图，y2表示第三特征图，downsample表示下采样，upsample表示上采样。
24、在一些可能的实现方式中，所述特征融合解码模块还包括金字塔特征融合层；
25、基于所述第一融合特征图得到目标融合特征图，包括：
26、基于所述金字塔特征融合层，对所述第一融合特征图中的高阶多尺度信息进行提取融合，得到第二融合特征图，基于所述第二融合特征图得到目标融合特征图。
27、在一些可能的实现方式中，所述swin transfomer模块包括若干堆叠的swintransfomer block；
28、基于所述swin transfomer模块，对所述多尺度特征图进行特征提取，得到注意力特征图，包括：
29、基于所述若干堆叠的swin transfomer block，对所述多尺度特征图进行特征提取，每个所述swin transfomer block均会输出一个特征图，将最后一个swin transfomerblock输出的特征图作为注意力特征图；
30、将所述目标融合特征图恢复至所述输电线覆冰图像大小，得到预测图像，包括：
31、将除了最后一个swin transfomer block输出的特征图，其余每个swintransfomer block输出的特征图按从后往前的顺序依次加入所述目标融合特征图中，每加入一个swin transfomer block输出的特征图进行一次反卷积，直至所述目标融合特征图恢复至所述输电线覆冰图像大小，得到预测图像。
32、另一方面，本专利技术还提供了一种输电线覆冰识别装置，包括：
33、数据获取单元，用于获取待识别输电线图像和输电线覆冰图像，并对所述输电线覆冰图像上的覆冰进行标记，得到标记图像；
34、模型训练单元，用于构建初始输电线覆冰识别模型，所述初始输电线覆冰识别模型包括多尺度特征提取模块、swin transfomer模块和特征融合解码模块，基于所述多尺度特征提取模块，对所述输电线覆冰图像进行上采样和下采样，得到多尺度特征图，基于所述swin transfomer模块，对所述多尺度特征图进行特征提取，得到注意力特征图，基本文档来自技高网...
【技术保护点】
1.一种输电线覆冰识别方法，其特征在于，包括：
2.根据权利要求1所述的输电线覆冰识别方法，其特征在于，获取输电线覆冰图像，包括：
3.根据权利要求2所述的输电线覆冰识别方法，其特征在于，所述亮化和暗化的方式包括局部亮化、局部暗化、全局亮化、全局暗化和直方图归一化。
4.根据权利要求1所述的输电线覆冰识别方法，其特征在于，所述Swin Transfomer模块包括若干堆叠的Swin Transfomer block，每个所述Swin Transfomer block中包括MLP层，所述MLP层的计算公式为：
5.根据权利要求1所述的输电线覆冰识别方法，其特征在于，所述多尺度特征图包括输电线覆冰图像、上采样特征图和下采样特征图，所述注意力特征图包括对应所述输电线覆冰图像的第一特征图，对应所述上采样特征图的第二特征图，以及对应所述下采样特征图的第三特征图；
6.根据权利要求5所述的输电线覆冰识别方法，其特征在于，所述特征融合解码模块还包括金字塔特征融合层；
7.根据权利要求5所述的输电线覆冰识别方法，其特征在于，所述Swin Transfomer模块包括若干堆叠的Swin Transfomer block；
8.一种输电线覆冰识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述权利要求1-7中任一项所述的输电线覆冰识别方法的步骤。
...
【技术特征摘要】
1.一种输电线覆冰识别方法，其特征在于，包括：
2.根据权利要求1所述的输电线覆冰识别方法，其特征在于，获取输电线覆冰图像，包括：
3.根据权利要求2所述的输电线覆冰识别方法，其特征在于，所述亮化和暗化的方式包括局部亮化、局部暗化、全局亮化、全局暗化和直方图归一化。
4.根据权利要求1所述的输电线覆冰识别方法，其特征在于，所述swin transfomer模块包括若干堆叠的swin transfomer block，每个所述swin transfomer block中包括mlp层，所述mlp层的计算公式为：
5.根据权利要求1所述的输电线覆冰识别方法，其特征在于，所述多尺度特征图包括输电线覆冰图像、上采样特征图和下采样特征图，所述注意力特征图...
【专利技术属性】
技术研发人员：王迎波，邓文博，朱争，王子雄，胡泽坤，章超，肖伟，
申请(专利权)人：武汉珞珈众恒遥感数据科技有限公司，
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。