【技术实现步骤摘要】
本申请涉及输配电线路悬挂异物检测，尤其涉及一种基于图像处理与深度学习的输配电线路悬挂异物检测方法及系统。
技术介绍
1、输电塔因悬挂异物引发结构应力异常的复合故障场景中，需实现：对塔体表面异物形态与结构形变的同步动态感知，消除巡检图像局部遮挡与光照干扰对异物识别的误差；建立异物附着位置与塔体动态应力分布的关联模型，区分异物自重引发的短期形变与结构损伤导致的永久性形变；构建跨模态异常传播路径推理机制，预测局部形变对输电塔整体力学稳定性的级联影响，为带电消缺提供精准定位依据。
2、主流方案采用多模态时序特征对齐检测框架：基于改进mask r-cnn的无人机巡检图像分割异物轮廓，同步部署振动传感器网络采集塔体关键节点的加速度频谱；通过时序交叉注意力机制融合图像分割结果与振动频域特征，构建异物-形变关联图谱；采用图神经网络(gnn)建模异常力学传递路径，结合有限元仿真预训练模型输出结构风险热力图。
3、图像分割模型对半透明与反光异物(如塑料袋、玻璃纤维风筝线)的边界检测精度低，导致轮廓参数提取失真；振动频谱特征在强风干扰...
【技术保护点】
1.一种基于图像处理与深度学习的输配电线路悬挂异物检测方法，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，将所述形变传播路径网络与应力扩散路径网络进行空间叠加，并在空间叠加重合的区域融合所述位移偏移量与载荷变化值，以生成风险指标，包括：
3.根据权利要求1所述的方法，其特征在于，基于相邻点云的曲率差异对所述表面点云集合和历史点云集合进行动态配准，以生成形变梯度图，其中动态配准过程中曲率差异超过设定范围的点云区域被标记为形变梯度图的形变关联区，包括：
4.根据权利要求3中所述的方法，其特征在于，根据动态配准后的对应关系...
【技术特征摘要】
1.一种基于图像处理与深度学习的输配电线路悬挂异物检测方法，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，将所述形变传播路径网络与应力扩散路径网络进行空间叠加，并在空间叠加重合的区域融合所述位移偏移量与载荷变化值，以生成风险指标，包括：
3.根据权利要求1所述的方法，其特征在于，基于相邻点云的曲率差异对所述表面点云集合和历史点云集合进行动态配准，以生成形变梯度图，其中动态配准过程中曲率差异超过设定范围的点云区域被标记为形变梯度图的形变关联区，包括：
4.根据权利要求3中所述的方法，其特征在于，根据动态配准后的对应关系，计算每个点云区域的曲率差异的变化量，并将所述变化量沿预设的三维空间方向累加，以生成形变梯度图，包括：
5.根据权利要求1中所述的方法，其特征在于，在输电塔连接节点处采集应变信号，对所述应变信号进行时频域能量分解后保留稳态分量，并将所述稳态分量映射至形变关联区对应的位置，以生成应变图谱，包括：
【专利技术属性】
技术研发人员：邓志祥，张敏，常胜，朱伟，郑明松，夏先喜，袁超，曹明宇，米承铁，邓杰，
申请(专利权)人：国网湖南省电力有限公司超高压输电公司，
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。