[發明專利]基于雙目視覺的輸電通道隱患物識別追蹤方法

有效

• 申請號: 202010103138.X
• 申請日: 2020-02-19
• 公開（公告）號: CN111354028B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 聶禮強;鄭曉云;姚一楊;戰新剛;孫騰;尉寅瑋
• 申請（專利權）人: 山東大學;國網浙江省電力有限公司衢州供電公司;國網浙江省電力有限公司;智洋創新科技股份有限公司
• 主分類號: G06T7/55
• 分類號: G06T7/55;G06T7/73;G06T7/246;G06V20/40;G06V10/82;G06N3/04
• 代理公司: 濟南竹森知識產權代理事務所(普通合伙) 37270
• 代理人: 呂利敏

一種基于雙目視覺的輸電通道隱患物識別追蹤方法，包括：收集輸電線路可視化巡檢系統中的監拍數據，構造輸電線路及輸電通道常見外破隱患樣本數據集；構建基于雙目視覺的左右目圖像隱患識別追蹤的模型：利用深度學習和雙目視覺技術，對輸入的雙目視覺信息進行卷積以及左右目關聯通路操作；對初始模型檢測出的左右目圖像隱患物分割輪廓與數據集中的真實分割輪廓進行損失計算，并進行迭代優化，直至整個損失函數完全收斂；將訓練完成的模型投入測試與使用，接收雙目視覺輸入，即實現隱患物識別和追蹤。本發明解決海量可視化圖像后臺人工判圖工作量大的問題；同時實現對線路通道小樣本隱患的精準識別，以及對隱患與線路之間安全距離的智能計算。

技術領域

本發明公開一種基于雙目視覺的輸電通道隱患物識別追蹤方法，屬于智能電網中的全息感知技術領域。

背景技術

隨著現代電力系統的不斷發展與進步，輸電網規模越來越大，輸電線及輸電通道外破隱患(包括機械外破、煙霧山火、異物入侵、導地線異物、輸電線覆冰和舞動等外部風險)成為全國范圍內輸電線路發生故障的主要原因。以上隱患發生后，易導致輸電線故障和大面積停電，最終帶來難以估量的經濟損失。

為有效解決上述技術問題，若干地區開始進行輸電線路可視化建設，安裝可視化監拍裝置，建立了輸電線路可視化巡檢系統。然而，目前已投入運行的輸電線路可視化巡檢系統每年會產生海量圖片，如果由人工逐一監視，會耗費大量人力物力；而且該系統對輕量煙火、導地線異物等小樣本外破隱患的識別準確率較低，缺乏對隱患源與線路之間安全距離的自動計算。

中國專利文獻CN108665484A一種基于深度學習的危險源識別方法與系統，所述方法包括：S1、將攝像機采集到的圖像以固定速率傳輸至后臺服務器；S2、后臺服務器將采集到的圖像利用深度學習算法求得特征，以該特征作為運動圖像的檢測條件；S3、將所述特征輸入系數字典，根據最優化稀疏表示求解得到運動目標；S4、利用雙目視覺對由稀疏表示求得的運動特征進行定位，實現危險源識別。該專利文獻解決了現有技術下輸變電線路的危險源識別難度大的問題，有效降低了人工提取危險源特征的勞動復雜度，其對特征的表達較其他方法更加完整有效，最終實現對危險源運動特征的定位，保護輸變電線路安全。但是該文獻是用系數字典來得到運動目標，因此并不能精準識別輸電線路隱患物，同時缺乏對隱患源與輸電線之間安全距離的自動計算。

發明內容

針對現有技術的不足，本發明公開一種基于雙目視覺的輸電通道隱患物識別追蹤方法。本發明基于人工智能和雙目視覺技術，解決海量可視化圖像后臺人工判圖工作量大的問題；同時實現對輸電線路及輸電通道小樣本外破隱患的精準識別，以及對隱患與線路之間安全距離的智能計算，進而提升線路巡視效率和質量，保證輸電線路長期安全穩定地運行。

專業術語解釋：

雙目視覺、深度神經網絡、卷積神經網絡、損失函數

雙目視覺：機器視覺的一種重要形式，它是基于視差原理并利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，可以充分利用采集到的視覺流信息。

深度神經網絡：深度神經網絡是在輸入層和輸出層之間具有多個隱藏層的人工神經網絡。神經網絡由許多相互關聯的概念化的人造神經元組成，這些人造神經元之間可以互相傳遞數據，并且根據網絡調整相關權重。

卷積神經網絡：是一類包含卷積計算且具有深度結構的神經網絡，能夠按其階層結構對輸入信息進行平移不變的分類，因此適用于圖像分類以及圖像識別的任務。

損失函數：在機器學習中用來定義當前模型與最優模型的誤差指標，可以通過計算各權重對應損失函數的微分來進行權重更新及優化。

本發明的技術方案如下：

基于雙目視覺的輸電通道隱患物識別追蹤方法，其特征在于，包括以下步驟：