【技术实现步骤摘要】
本专利技术涉及输电线路的图像识别，特别涉及一种基于深度学习的复杂环境输电线路异物检测方法。
技术介绍
1、电力行业是国民经济中最重要的基础能源行业，与国家发展和社会进步关系密切。输电线路负责将发电厂的发出的电能通过高压线路输送到用电处，所以输电线路的正常运行对保证电网安全与电能质量至关重要。
2、输电线路遍布城市、山区、高原等各种复杂环境，人类或鸟类活动的影响会导致有异物侵入，包括风筝、气球、垃圾、鸟巢等。这些异物若不及时处理很容易造成短路故障，引发跳闸，从而造成区域性停电，带来严重的经济损失。为了保证电力系统的安全可靠运行，对输电线路进行异物检测具有十分重大的意义。
3、但传统的无人机巡检通过图像采集装置对巡检区域进行图像或视频采集，工作人员对采集到的图像数据进行分析，但是面临海量数据时工作人员易出现疲劳症状，出现误检漏检等问题，因此传统方式仍存在一定的局限性，需要进一步改进来适应电网规模的发展。
4、现有的研究对异物检测的环境研究较为简单，没有考虑雨、雪、雾等恶劣环境的影响，导致模型缺乏泛化能力和...
【技术保护点】
1.一种基于深度学习的复杂环境输电线路异物检测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤S1中，考虑了无人机巡检时的机械性抖动或快速运动情况下相机失焦，以及目标物体的相对运动引起的图像退化现象，采用运动模糊算法进行图像处理，公式为：
3.根据权利要求1所述的方法，其特征在于，在步骤S1中，采用小波融合方式将输电线路的异物图像与天气图像相融；运用风格迁移神经网络分别学习不同天气图像的特征，并将学习到的信息迁移到原始异物数据集上，使生成的图像真实性大幅度提升；采用CycleGAN网络，通过循环对抗模式...
【技术特征摘要】
1.一种基于深度学习的复杂环境输电线路异物检测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤s1中，考虑了无人机巡检时的机械性抖动或快速运动情况下相机失焦，以及目标物体的相对运动引起的图像退化现象，采用运动模糊算法进行图像处理，公式为：
3.根据权利要求1所述的方法，其特征在于，在步骤s1中，采用小波融合方式将输电线路的异物图像与天气图像相融；运用风格迁移神经网络分别学习不同天气图像的特征，并将学习到的信息迁移到原始异物数据集上，使生成的图像真实性大幅度提升；采用cyclegan网络，通过循环对抗模式，模型有两个生成器网络g：x→y和f：y→x和对应的两个判别器dx和dy，同时又引入循环一致性损失函数来约束生成图片与真实图片的相似程度。
4.根据权利要求1所述的方法，其特征在于，在步骤s2中，双边滤波同时考虑空域信息和值域信息，进而达到...
【专利技术属性】
技术研发人员：齐超，李如一，王威，莫茜宇，刘洪泉，张健，战涛，
申请(专利权)人：哈尔滨工业大学，
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。