[發明專利]一種配電網架空線路異常狀態檢測方法

在審

• 申請號: 201910584628.3
• 申請日: 2019-07-01
• 公開（公告）號: CN110443130A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 王超洋;彭信淞;戴遠力;王集慧;張巍
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司長沙供電分公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清

1.一種配電網架空線路異常狀態檢測方法，其特征在于，步驟為：

步驟S1：采用ResNet50卷積神經網絡對原圖逐層進行特征提取，得到最高層特征圖；

步驟S2：對最高層特征圖使用反池化法進行上采樣得到多張低特征圖，并將原各層特征圖與新各層特征圖對應融合；

步驟S3：將融合后的全部特征圖輸入RPN層進行二分類與邊框回歸，經過ROIpooling層后得到異常點檢測結果。

2.根據權利要求1所述的配電網架空線路異常狀態檢測方法，其特征在于，在所述步驟S1中，選取異常狀態數據集中的數據，將數據輸入到網絡模型中，圖片的短邊調整至1000送入ResNet50網絡提取特征值，得到最高層特征圖。

3.根據權利要求1所述的配電網架空線路異常狀態檢測方法，其特征在于，在所述步驟S2中，將最高層特征圖上采樣，得到多張低層特征圖并與對應大小的原各層特征圖按對應元素相加，生成新特征金字塔。

4.根據權利要求1所述的配電網架空線路異常狀態檢測方法，其特征在于，在所述步驟S3中，對新最高層特征圖卷積一次后，將各層特征圖輸入RPN網絡，找到原圖中的異常狀態點和它的具體位置。

5.根據權利要求4所述的配電網架空線路異常狀態檢測方法，其特征在于，在所述步驟S3中，將這些候選區域輸入ROIpooling層，統一調整為7*7大小并輸入最后基于全連接神經網絡的softmax層，來判斷該異常狀態點具體是哪種異常狀態。

6.根據權利要求3或4或5所述的配電網架空線路異常狀態檢測方法，其特征在于，所述RPN網絡將任意大小的原圖輸入ResNet50卷積神經網絡，輸出基礎特征圖；通過對基礎特征圖做一次3×3卷積得到預測特征圖，并以基礎特征圖上的每一個像素點為中心映射到原圖上得到9個不同比例大小的錨定框；再將大量的錨定框篩選并反映射回預測特征圖后，輸入ROIpooling層輸出長寬統一的候選區域，最終輸入Classifier分類器對檢測目標類型。

7.根據權利要求6所述的配電網架空線路異常狀態檢測方法，其特征在于，經過基礎特征圖的每一個像素點后，判斷錨定框與真實框之間的IOU比例；通過IOU比例值篩選以后，大量無用錨定框會被刪除；對剩下的框進一步使用非極大值抑制及Top-N分析法。

8.根據權利要求7所述的配電網架空線路異常狀態檢測方法，其特征在于，將IOU值最大的錨定框標記為正例Positive，其它框全部標記為負例Negative。

9.根據權利要求7所述的配電網架空線路異常狀態檢測方法，其特征在于，將所有IOU比例值大于0.7的錨定框標記為正例，將小于0.3的標記為負例，再將其余未標記的錨定框全部刪除Ignore；正例在RPN網絡中會被判定為物體，負例則被判定為背景。

10.根據權利要求7所述的配電網架空線路異常狀態檢測方法，其特征在于，通過非極大值抑制分析法，將2個重疊較近的錨定框先比較其“是物體”的得分值，再將得分低的錨定框刪除；通過Top-N分析法是先按“是物體”的得分值由大到小進行排序，再按某個設定好的閾值刪除排序靠后的錨定框。