[發(fā)明專利]基于邊緣計算的輸電線異物監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202111449106.6
• 申請日: 2021-11-30
• 公開（公告）號: CN114325856A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設計）人: 時洪飛;袁航;胡方;劉陽;史晨昱;任振峰;姜鵬博
• 申請（專利權）人: 國網(wǎng)河南省電力公司周口供電公司;河南省大數(shù)據(jù)中心;國網(wǎng)河南省電力公司鄭州供電公司
• 主分類號: G01V8/10
• 分類號: G01V8/10;H02G1/02
• 代理公司: 鄭州知己知識產權代理有限公司 41132
• 代理人: 季發(fā)軍

本發(fā)明屬于輸電線路監(jiān)測方法技術領域，具體涉及基于邊緣計算的輸電線異物監(jiān)測方法，包括如下步驟：將設置在高壓輸電線纜和桿塔上的攝像設備預設SOC芯片；采用YOLOV5網(wǎng)絡結構，得到目標檢測網(wǎng)絡模型并部署到SOC芯片中；通過設置在攝像設備SOC芯片獲取視頻數(shù)據(jù)并對當前視頻幀序列提取關鍵幀圖像；對提取的關鍵幀圖像進行圖像預處理操作，將處理后的圖像傳入SOC芯片，作為卷積神經(jīng)網(wǎng)絡的輸入，通過訓練好的網(wǎng)絡模型進行識別檢測，并將識別結果傳輸至后臺；根據(jù)檢測結果在后臺展示并在有異物時進行預警，使用該方法能夠極大的降低網(wǎng)絡中大量數(shù)據(jù)傳輸造成的時延，滿足實際應用中的實時性需求。

技術領域

本發(fā)明屬于輸電線監(jiān)測方法技術領域，具體涉及基于邊緣計算的輸電線異物監(jiān)測方法。

背景技術

在輸電線路，特別是高壓輸電線纜通電工作時，其周圍區(qū)域將形成強電磁場。如異物進入到輸電線路的安全防護距離內，將使輸電線路的強電磁場放電，繼而造成輸電線路損毀、大面積斷電事故。

為防止因異物進入到輸電線路的安全防護距離內產生的斷電事故和傷亡事故，現(xiàn)已有采用圖像采集監(jiān)測技術和提示技術結合的輸電線路防護監(jiān)測裝置。這一監(jiān)測裝置包括圖像采集模塊、圖像內容分析模塊和報警模塊；圖像內容分析模塊根據(jù)圖像采集模塊相對于輸電線路的位置關系和輸電線路的安全防護距離確定防護區(qū)，具體的防護區(qū)多為以輸電線路為中心、以安全防護距離為半徑的圓周防護區(qū)域或弧形防護區(qū)域；考慮到大多數(shù)情況下異物是從地面?zhèn)瓤拷旊娋€路(也就是從高壓輸電線纜下側靠近輸電線路)，防護區(qū)多設置在輸電線路的下側。防護監(jiān)測過程中，圖像內容分析模塊通過對圖像采集模塊采集的圖像進行特征提取，根據(jù)提取的特征位置判定是否有異物進入到防護區(qū)范圍內，并在判定有異物在防護區(qū)范圍內時啟動報警模塊報警。

但是，這樣的輸電線路防護監(jiān)測裝置對監(jiān)測區(qū)域的背景環(huán)境有較高要求，以保證圖像采集模塊采集的圖像具有較好的對比度和清晰度。而在雨霧和夜晚等能見度較低的環(huán)境下，因圖像采集模塊采集的圖像中異物特征不明顯、背景噪聲較大，圖像內容分析模塊判定結果和防護區(qū)內異物狀況并不一樣，誤判概率很高而無法使防護監(jiān)測裝置達到有效的提示報警效果，甚至使防護監(jiān)測裝置無法正常工作。

現(xiàn)有的技術較多考慮的是對采集到的數(shù)據(jù)進行檢測處理，較少考慮數(shù)據(jù)傳輸過程中的網(wǎng)絡負載問題以及傳輸時延導致的實時性問題等，現(xiàn)有技術中也又此類問題的研究及解決方法，但是其都存在一定的問題及不足。

發(fā)明內容

本發(fā)明的目的在于針對現(xiàn)有技術中存在的問題提供一種基于邊緣計算的變電站輸電線異物監(jiān)測方法，使用該方法能夠極大的降低網(wǎng)絡中大量數(shù)據(jù)傳輸造成的時延，滿足實際應用中的實時性需求。

本發(fā)明的技術方案是：

基于邊緣計算的變電站輸電線異物監(jiān)測方法，包括如下步驟：

S1.將設置在高壓輸電線纜和桿塔上的攝像設備預設SOC芯片；

S2.采用YOLOV5網(wǎng)絡結構，通過大量數(shù)據(jù)集進行訓練得到帶有權重的目標檢測網(wǎng)絡模型并部署到SOC芯片中；

S3.攝像設備獲取視頻數(shù)據(jù)，通過設置在攝像設備SOC芯片獲取視頻數(shù)據(jù)并對當前視頻幀序列提取關鍵幀圖像；

S4.對步驟S3提取的關鍵幀圖像進行圖像預處理操作，首先對提取的關鍵幀圖像采用中值濾波做平滑去噪處理，然后對去噪后圖像進行拉普拉斯銳化處理，提高圖像對比度，增強圖像中目標邊緣信息；

S5.將S4處理后的圖像傳入SOC芯片，作為卷積神經(jīng)網(wǎng)絡的輸入，通過訓練好的網(wǎng)絡模型進行識別檢測，并將識別結果傳輸至后臺；

S6.根據(jù)檢測結果在后臺展示并在有異物時進行預警。