[發明專利]基于Mask RCNN的輸電鐵塔涉鳥故障狀態識別評估方法有效
| 申請號: | 202110793808.X | 申請日: | 2021-07-14 |
| 公開(公告)號: | CN113536000B | 公開(公告)日: | 2022-10-18 |
| 發明(設計)人: | 黃新波;高玉菡;張燁;孫蘇珍;李博濤 | 申請(專利權)人: | 西安工程大學 |
| 主分類號: | G06F16/51 | 分類號: | G06F16/51;G06F16/55;G06F16/583;G06F16/951;G06V20/13;G06V10/774;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司: | 西安弘理專利事務所 61214 | 代理人: | 戴媛 |
| 地址: | 710048 陜*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 mask rcnn 輸電 鐵塔 故障 狀態 識別 評估 方法 | ||
本發明公開了一種基于Mask RCNN的輸電鐵塔涉鳥故障狀態識別評估方法,步驟包括:步驟1、建立圖像數據庫;步驟2、搭建MaskRCNN輸電鐵塔故障狀態識別評估模型,修改模型的最后一層FC層分類數,并利用圖像數據庫對模型進行遷移微調,實現鳥類、鳥巢、絕緣子及其本體故障的多目標識別與實例分割;結合圖像處理技術對識別到的鳥糞污跡、鳥啄痕跡結果修正與故障狀態評估;步驟3、對涉鳥故障特征進行分析,包括涉鳥故障類型分析和涉害鳥種特征分析;步驟4、利用步驟3的分析結果,建立融合涉害鳥種判別的涉鳥故障判別方式,實現對全類別涉鳥故障的識別評估。本發明方法,能更精細化的為輸電線路安全運行保駕護航。
技術領域
本發明屬于圖像處理技術領域,涉及一種基于Mask RCNN的輸電鐵塔涉鳥故障狀態識別評估方法。
背景技術
近年來,鳥類繁衍數量激增、種群數量增多,日益增長的鳥類種群為輸電鐵塔及其線路的安全穩定運行帶來了挑戰。據資料統計,在2004-2006年期間,220kV及以上輸電線路鳥害跳閘數約占總跳閘數的1/10,其中主要以220kV線路為主;在2010-2014年期間,全國27個省級國家電網公司的調查結果表明,110kV及以上電壓等級的輸電線路因涉鳥故障造成跳閘1702次;同時,上述數據均呈現出逐年上升趨勢,涉鳥故障儼然已成為影響輸電線路安全運行的重大隱患之一。因此,實現110kV-220kV輸電鐵塔及其線路上的涉鳥故障識別與狀態評估以便及時發布預警信息至關重要。
為了準確識別與防范各類涉鳥故障,國內外相關研究學者針對鳥類活動和涉鳥故障展開了調查分析。李長看等人根據河南電網的涉鳥故障特征,首次提出將涉鳥故障劃分為鳥巢類、鳥糞類、鳥體短接類、鳥啄類四類,在每個類別下依據地區差異(包括地貌、植被、氣候、遷徙通道)劃分出不同的風險等級,并繪制出鳥害區域的風險等級分布圖進而實現鳥害防治。正是基于對鳥類生活習性的觀測和鳥害故障特點的總結,使得涉鳥故障防范不再依靠巡檢人員的運行經驗和主觀臆測,從而在防鳥工作開展初期有效提高了涉鳥故障防范作業的有效性和經濟性。例如,李帆等人結合上述技術手段針對江西電網輸電線路鳥害故障進行了統計,發現該地區鳥害主要集中在春夏兩季時的農田或近水源區域發生,并進一步計算得到防治裝置的相關參數值。巢亞峰等人則在統計了湖南電網輸電線路涉鳥故障后,發現故障點具有位置重復、區域集中的特征,整體呈現出倒V形分布的現象,進而依據這些特點開展鳥害防治及風險評估工作;但是,不同鳥類在不同地區的生長習性存在差異,樣點、樣線等取樣法難以悉數掌握所有鳥類的生活習性;然而,即便是統計完全,由于涉鳥故障重合閘成功率較高,故障痕跡不明顯,極易造成故障遺漏、調查分析不細致的情況,統計結果依賴于有限的歷史數據,從而導致出現以偏概全的局面。
近年來,隨著圖像處理技術的發展,輸電線路信息化程度不斷提高,海量圖像數據層出不窮,基于圖像處理的涉鳥故障檢測技術應運而生。徐晶等人根據鐵塔塔材方向各異的先驗知識,利用無監督學習算法將巡檢分塊圖像聚類以實現鐵塔定位,并通過HSV顏色特征量及形狀特征參數相結合的方式在鐵塔區域搜索鳥巢;張義蓮等人依據鳥巢通常出現在輸電鐵塔橫擔區域這一事實經驗,通過獲取輸電鐵塔圖像中塔架的HOG特征,構建并訓練一系列級聯的弱分類器Gentle Adaboost進而確定橫擔位置,然后在該區域內利用顏色特征達到鳥巢檢測的目的。雖然,上述通過傳統圖像分析技術結合模式識別的算法較于“經驗治鳥”取得了顯著性進展,但該類算法由于缺乏空間信息且易受圖像中物體或場景變換的影響,在運行環境復雜多變且檢測目標模糊的場景中易失效;基于此,王紀武等人針對復雜背景下鳥巢檢測困難的問題,改進了現有深度學習模型Faster RCNN,提出一種適應于輸電線路運行環境的多尺度鳥巢檢測算法,但該方法只對鳥巢類故障有效,很難直接移植到其他類涉鳥故障檢測中;孫建剛等人提出一種基于YOLO(You Only Look Once)單階段檢測模型的鳥類識別算法,通過模型檢測到鳥類以觸發驅鳥裝置動作達到防治目的,但鳥類對于長期作用的驅鳥裝置勢必會產生適應性,可能會導致該算法的現場實用價值降低。
發明內容
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西安工程大學,未經西安工程大學許可,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/202110793808.X/2.html,轉載請聲明來源鉆瓜專利網。





