【技术实现步骤摘要】
本专利技术实施例涉及影像分析，尤其涉及一种输电线路影像分析方法、装置、设备和介质。
技术介绍
1、传统的输电线路图像分析方法包括光谱指数法和浅层机器学习法。光谱指数法，根据不同地物反射光谱差异，通过波段运算构建反应特定地物属性的光谱指数，进行绝缘子被污染区域分类。该类方法识别精度较低，分割阈值难以确定，无法满足无人机巡检输电线路绝缘子被污染区域检测的需求。浅层机器学习法，通过设计手工特征，根据各类别训练样本特性构建判别函数，优化判别边界，利用训练好的分类器进行分类，该方法过度依赖手工设计特征和先验知识，难以表征高层语义特征，泛化能力有限，在复杂环境下的鲁棒性不足，难以实现输电线路绝缘子被污染区域的识别。
技术实现思路
1、本专利技术实施例提供了一种输电线路影像分析方法、装置、设备和介质，可以获取复杂环境下输电线路影像中绝缘子被污染区域高层语义特征，提高识别分析结果的稳定性和精确性。
2、第一方面，本专利技术实施例提供了一种输电线路影像分析方法，应用于客户端，该方法包括：
3、获取待分析输电线路影像；
4、将所述待分析输电线路影像输入到经过预训练的输电线路环境分类网络，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果；
5、其中，所述输电线路环境分类网络包括与压缩与激励网络模块耦合的一维卷积神经网络。
6、第二方面，本专利技术实施例提供了一种输电线路影像分析装置，该装置包括：>
7、影像获取模块，用于获取待分析输电线路影像；
8、识别分析模块，用于将所述待分析输电线路影像输入到经过预训练的输电线路环境分类网络，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果；
9、其中，所述输电线路环境分类网络包括与压缩与激励网络模块耦合的一维卷积神经网络。
10、第三方面，本专利技术实施例还提供了一种计算机设备，所述计算机设备包括：
11、一个或多个处理器；
12、存储器，用于存储一个或多个程序；
13、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的输电线路影像分析方法。
14、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，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的输电线路影像分析方法。
15、上述专利技术中的实施例具有如下优点或有益效果：
16、本专利技术实施例获取待分析输电线路影像；将所述待分析输电线路影像输入到经过预训练的输电线路环境分类网络，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果；其中，所述输电线路环境分类网络包括与压缩与激励网络模块耦合的一维卷积神经网络。本实施例技术方案解决了现有的输电线路影像分析局限于简单环境，准确度差的问题，可以基于神经网络模型分析复杂环境下输电线路影像中绝缘子被污染区域高层语义特征，提高识别分析结果的稳定性和精确性。
本文档来自技高网...【技术保护点】
1.一种输电线路影像分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待分析输电线路影像输入到经过预训练的输电线路环境分类网络，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述特征映射结果输入到所述输电线路环境分类网络中压缩与激励网络进行特征处理，得到目标特征处理结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述压缩与激励网络中的激励模块对所述各特征通道的特征值进行降维与激活处理，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述目标特征处理结果进行分类分析，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果，包括：
6.根据权利要求1-5中任一所述的方法，其特征在于，所述输电线路环境分类网络的训练过程包括如下步骤：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种输电线
9.一种计算机设备，其特征在于，所述计算机设备包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的输电线路影像分析方法。
...【技术特征摘要】
1.一种输电线路影像分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述待分析输电线路影像输入到经过预训练的输电线路环境分类网络，得到所述待分析输电线路影像对应的输电线路中绝缘子未被污染区域和绝缘子被污染区域的识别分析结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述特征映射结果输入到所述输电线路环境分类网络中压缩与激励网络进行特征处理，得到目标特征处理结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述压缩与激励网络中的激励模块对所述各特征通道的特征值进行降维与激活处理，包括：
5.根据权利要求2所述的方法...
【专利技术属性】
技术研发人员：纪长城，许国伟，吴亮，罗兵，肖微，杜旭昕，林昌松，张豪峰，李欣，翟晗，莫理林，林志鹏，吴银琼，杜金亮，林来鑫，叶婷，杜欢，陈鸿适，杜纯，蔡哲淳，崔畅，赵筱菁，
申请(专利权)人：广东电网有限责任公司，
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。