【技术实现步骤摘要】
本申请属于计算机，具体涉及一种基于多模型协同的变电站鸟巢隐患识别方法及系统。
技术介绍
1、鸟巢中的干草、树枝等材料易引发线路短路或接地故障，导致设备损坏、供电中断甚至电网瘫痪，这不仅增加运维成本，还影响用户用电质量，所以变电站鸟巢识别对保障电力系统安全运行至关重要。由于变电站鸟巢目标具有目标小、出现位置多、形态差异大的特点，因此难以精准识别。
2、在变电站无人机巡检场景下，因为变电站鸟巢通常占比较大、特征相对稳定，所以常通过小模型如yolo等针对鸟巢进行识别。但是小模型难以精准捕捉复杂场景下鸟巢的核心特征，无法有效区分锈蚀等颜色、形态相似的非鸟巢物体，也难以辨识设备镂空处草地背景等干扰元素，导致将这些非鸟巢目标误判为鸟巢，产生大量误识别，严重影响识别结果的可靠性。
技术实现思路
1、本申请提出了一种基于多模型协同的变电站鸟巢隐患识别方法及系统，能够解决现有技术中在复杂环境下无法有效区分颜色、形态相似的非鸟巢物体，导致变电站隐患识别的误识别率高的问题。
2、本申请的...
【技术保护点】
1.一种基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，包括：
2.根据权利要求1所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述将所述变电站鸟巢隐患图像集输入至预设的目标区域识别模型中进行潜在目标识别和图像剪裁，输出包含潜在鸟巢目标的待检测图像，具体为：
3.根据权利要求2所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述通过所述目标区域识别模型从所述变电站鸟巢隐患图像集中识别出潜在鸟巢目标，具体为：
4.根据权利要求2所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述将所述变电站鸟巢隐患...
【技术特征摘要】
1.一种基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，包括：
2.根据权利要求1所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述将所述变电站鸟巢隐患图像集输入至预设的目标区域识别模型中进行潜在目标识别和图像剪裁，输出包含潜在鸟巢目标的待检测图像，具体为：
3.根据权利要求2所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述通过所述目标区域识别模型从所述变电站鸟巢隐患图像集中识别出潜在鸟巢目标，具体为：
4.根据权利要求2所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述将所述变电站鸟巢隐患图像集输入至预设的目标区域识别模型之前，还包括：
5.根据权利要求1所述的基于多模型协同的变电站鸟巢隐患识别方法，其特征在于，所述基于预设的识别任务，对所述待检测图像进行视觉特征强化，生成提示词文本，具体为：
6.根据权利要求5所述的基于多模型协同...
【专利技术属性】
技术研发人员：屈贤，杨英仪，赖嘉暘，李竹筠，狄阳，李世然，刘明浩，麦晓明，刘菲，王之纯，
申请(专利权)人：南方电网电力科技股份有限公司，
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。