[發明專利]一種基于輸電線路外部隱患自學習識別系統、方法

在審

• 申請號: 202210406089.6
• 申請日: 2022-04-18
• 公開（公告）號: CN114863118A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 陳波;涂婳
• 申請（專利權）人: 言圖科技有限公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V20/40;G06V20/70;G06T7/246;G06N3/08
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 張曉博

1.一種基于輸電線路外部隱患自學習識別系統，其特征在于，所述基于輸電線路外部隱患自學習識別系統包括：

邊緣計算平臺、數據傳輸存儲模塊以及云端計算平臺；

邊緣計算平臺，與數據傳輸存儲模塊連接，用于進行輸電電線周邊環境圖像的采集，并利用基于自學習機制的隱患目標檢測模型進行通道隱患識別以及通道隱患位置確定；

數據傳輸存儲模塊，與邊緣計算平臺、云端計算平臺連接；用于利用省級節點服務器集群、5G通信、光纖通信、無線通信或其他通信信道將邊緣計算平臺采集的圖像以及檢測識別結果傳輸至云端計算平臺；并將遠端計算平臺訓練的基于自學習機制的隱患目標檢測模型傳輸至邊緣計算平臺；

云端計算平臺，與數據傳輸存儲模塊連接，用于接收數據傳輸存儲模塊傳輸的數據，并進行數據的分析、預警以及基于自學習機制的隱患目標檢測模型的訓練與同步部署。

2.如權利要求1所述基于輸電線路外部隱患自學習識別系統，其特征在于，所述云端計算平臺包括：

數據接收處理單元，用于接收并整理數據傳輸存儲模塊傳輸的輸電電線周邊環境圖像以及通道隱患檢測結果；

分析預警單元，用于對接收的通道隱患檢測結果進行預警與分析；

模型訓練單元，用于對接收的圖像與標簽重新訓練基于自學習機制的隱患目標檢測模型；

模型部署單元，用于將訓練后的基于自學習機制的隱患目標檢測模型利用數據傳輸存儲模塊同步部署至邊緣計算平臺。

3.如權利要求1所述基于輸電線路外部隱患自學習識別系統，其特征在于，所述基于自學習機制的隱患目標檢測模型包括：

輸入層，用于輸入固定尺寸的RGB三通道圖像；

特征提取層，用于進行輸入圖像的特征提取；

特征優化網絡，用于對特征抽取結果進行優化處理；

多尺度預測網絡，用于采用多頭輸出形式輸出大中小尺度的特征圖；所述大中小尺度的特征圖分別對應大中小目標的檢測結果。

4.一種應用于如權利要求1-3任意一項所述基于輸電線路外部隱患自學習識別系統的基于輸電線路外部隱患自學習識別方法，其特征在于，所述基于輸電線路外部隱患自學習識別方法包括：

步驟一，邊緣計算平臺利用攝像設備進行輸電線路周邊環境圖像的采集，并利用預先訓練的目標檢測模型基于采集的圖像進行通道隱患目標檢測，對未正確識別的隱患根據上下文隱患信息和跟蹤算法進行自動標注；

步驟二，數據傳輸存儲模塊利用省級節點服務器集群、通信信道逐幀實時地將邊緣計算平臺采集的圖像及生成的標注文件和通道隱患目標檢測結果傳輸至云端計算平臺；

步驟三，云端平臺接收數據傳輸存儲模塊傳輸的圖像與通道隱患目標檢測結果，并進行數據的分析、預警以及基于自學習機制的隱患目標檢測模型的訓練；

步驟四，利用數據傳輸存儲模塊將訓練更新后的基于自學習機制的隱患目標檢測模型同步部署至邊緣計算平臺。

5.如權利要求4所述基于輸電線路外部隱患自學習識別方法，其特征在于，所述進行數據的分析、預警以及基于自學習機制的隱患目標檢測模型的訓練包括：

當檢測結果顯示具備通道隱患目標時，云端計算平臺進行通道隱患預警；

當圖像出現未識別幀時，基于自學習機制引入視頻跟蹤算法和插值算法對未識別幀進行自動標注，并重新整理訓練集進行基于自學習機制的隱患目標檢測模型的增量訓練。

6.如權利要求4所述基于輸電線路外部隱患自學習識別方法，其特征在于，所述步驟三包括：

首先，獲取采集的視頻圖像以及通道隱患目標檢測結果，針對收到的所有視頻幀檢測結果，進行未識別幀抽取；

其次，基于未識別幀的前后幀信息利用視頻跟蹤算法和插值算法分別對所有未識別幀進行預測，得到2個預測的檢測框，引入權重方法將所述2個預測的檢測框統一為一個檢測框，將統一后的檢測框標注為未識別幀的目標檢測結果；

最后，基于自動標注的結果整理得到新訓練集，利用得到的新訓練接對所述基于自學習機制的隱患目標檢測模型進行增量訓練，得到訓練后的基于自學習機制的隱患目標檢測模型。