[發明專利]一種輸電線路隱患的檢測方法及系統在審
| 申請號: | 202010523327.2 | 申請日: | 2020-06-10 |
| 公開(公告)號: | CN111695493A | 公開(公告)日: | 2020-09-22 |
| 發明(設計)人: | 鄭文杰;李程啟;秦佳峰;楊祎;白德盟;林穎;劉萌;趙洺哲;周超;張丕沛;陳令英;王繼豪;李杰;汪鵬;張振軍 | 申請(專利權)人: | 國網山東省電力公司電力科學研究院;國家電網有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 濟南誠智商標專利事務所有限公司 37105 | 代理人: | 黃曉燕 |
| 地址: | 250002 山東*** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 輸電 線路 隱患 檢測 方法 系統 | ||
本發明提供了一種輸電線路隱患的檢測方法及系統,方法包括提取監拍圖像的基礎特征,尋找候選區域;在所述候選區域上,分別進行施工機械、煙火目標和導地線異物的檢測;合并上述檢測結果,得到檢測結論。本發明基于輸電線路通道隱患目標多樣的事實,結合施工機械、煙火、導地線異物的三大類目標的特點,分別測試了Cascade R?CNN、Faster R?CNN、FCOS三類邊框回歸方法對每一類隱患目標的識別性能,并以此確定三大類隱患目標的基準檢測算法,在此基礎上對每種算法進行了針對性優化,相比于傳統的采用單一通用算法的輸電線路通道隱患目標檢測算法,各類隱患目標的識別準確率均與所提高。在保證目標檢測精度的基礎上,提高了檢測速度、降低了硬件功耗。
技術領域
本發明涉及輸電線路綜合防護技術領域,尤其是一種輸電線路隱患的檢測方法及系統。
背景技術
隨著輸電線路通道監拍裝置的大規模安裝,巡線人員可以足不出戶實時獲取輸電線路通道實況,減少了外出巡視工作量,降低了輸電線路運維費用。山東電網全省已安裝輸電線路通道可視化監拍裝置5.5萬套,每天產生約240萬張圖片,為了減輕人工閱圖工作量,將人工智能圖像識別技術應用于輸電線路通道外破隱患自動識別,大大降低了需要人工閱圖數量。
目前已有的輸電線路通道外破隱患檢測算法主要存在兩種不足:采用單一、通用算法檢測所有隱患類型,不能夠充分檢測不同隱患類型的特點,精確度有待提高;針對同一張圖片,以串行模式使用不同算法進行處理,隱患綜合檢測準確率有一定提高,但是大幅降低了隱患識別效率。
發明內容
本發明提供了一種輸電線路隱患的檢測方法及系統,用于解決現有隱患類型識別不充分、識別效率低的問題。
為實現上述目的,本發明采用下述技術方案:
本發明第一方面提供了一種輸電線路隱患的檢測方法,所述方法包括以下步驟:
提取監拍圖像的基礎特征,尋找候選區域;
在所述候選區域上,分別進行施工機械、煙火目標和導地線異物的檢測;
合并上述檢測結果,得到檢測結論。
進一步地,所述基礎特征包括邊緣特征、紋理特征和實體屬性特征。
進一步地,采用Cascade R-CNN邊框回歸方法進行施工機械的檢測。
進一步地,所述采用Cascade R-CNN邊框回歸方法進行施工機械的檢測包括:
對錨點尺寸和交并比進行重新計算;
采用多尺度訓練網絡模型,測試網絡輸入從訓練網絡中選擇測試集上表現最優的尺寸。
進一步地,采用Soft-NMS優化的Fast R-CNN邊框回歸方法進行煙火目標的檢測。
進一步地,所述采用Soft-NMS優化的Fast R-CNN邊框回歸方法進行煙火目標的檢測包括:
在目標周邊產生多個檢測框,采用SoftNMS方法合并檢測框。
進一步地,采用圖像填鴨增強的FCOS邊框回歸方法對導地線異物進行檢測。
進一步地,采用ResNeXt-101ResNeXt作為所述基礎特征的提取網絡。
本發明第二方面提供了一種輸電線路隱患的檢測系統,所述系統包括:
圖像預處理單元,提取監拍圖像的基礎特征,尋找候選區域;
檢測處理單元,在所述候選區域上,分別進行施工機械、煙火目標和導地線異物的檢測;
結果合并單元,合并上述檢測結果,得到檢測結論。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國網山東省電力公司電力科學研究院;國家電網有限公司,未經國網山東省電力公司電力科學研究院;國家電網有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010523327.2/2.html,轉載請聲明來源鉆瓜專利網。





