一种输电线路走廊地表分类方法、系统、介质及设备技术方案

本申请公开了一种输电线路走廊地表分类方法，包括：利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果；其中，全卷积神经网络模型的构建过程为：对目标无人机影像进行预处理，得到样本数据；其中，目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；基于全卷积神经网络算法构建待训练模型；利用样本数据对待训练模型进行训练，得到全卷积神经网络模型。可见，利用全卷积神经网络模型来学习目标无人机影像当中复杂的结构信息，能够显著提高输电线路走廊地表的分类精度。相应的，本申请公开的一种输电线路走廊地表分类系统、介质及设备，同样具有上述有益效果。

【技术实现步骤摘要】
一种输电线路走廊地表分类方法、系统、介质及设备
本专利技术涉及遥感
，特别涉及一种输电线路走廊地表分类方法、系统、介质及设备。
技术介绍
电力工业作为国家的支柱性产业，其应用范围十分广泛，而其中的输电线路又是电力工业当中最为重要的基础设施。由于输电线路长期暴露在外界环境当中，极易导致输电线路发生故障，从而影响人们的正常生活。因此，在电网运行的过程中，为了防止安全事故的发生，需要对输电线路进行周期性的巡检。但是，由于输电线路穿越的地理环境较为复杂，给输电线路的管理和监测带来了很多的困难。目前，最为常用的一种技术手段是通过无人机来对输电线路进行监测，但是，在利用无人机技术对输电线路进行检测的首要问题就是如何确定输电线路所处区域的地表覆盖类型，针对这一问题，目前大多是使用支持向量机、Adaboost、随机森林等算法来对输电线路走廊地表的覆盖类型进行分类，但是，由于无人机影像的复杂性，这些算法模型都无法充分学习到无人机影像当中复杂的结构信息，由此导致对输电线路走廊地表的分类精度较低。所以，如何利用一种更好的方法来对由无人机获取到的输电线路走廊地表的覆盖类型进行分类，是本领域技术人员亟待解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种输电线路走廊的地表的分类方法、系统、介质及设备，以提高对输电线路走廊地表的分类精度。其具体方案如下：一种输电线路走廊地表分类方法，包括：利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果；其中，所述全卷积神经网络模型的构建过程为：对目标无人机影像进行预处理，得到样本数据；其中，所述目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；基于全卷积神经网络算法构建待训练模型；利用所述样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型。优选的，所述对目标无人机影像进行预处理，得到样本数据的过程，包括：利用预设标注工具对所述目标无人机影像进行标注，得到标注影像；对所述标注影像进行数据增广，得到增广影像；利用参数为128*128的滑动窗口和参数为32的滑动步长对所述增广影像进行裁剪，得到所述样本数据。优选的，所述利用预设标注工具对所述目标无人机影像进行标注，得到标注影像的过程，包括：利用多边形工具对所述目标无人机影像中的植被和/或裸地和/或水体和/或建筑物和/或电力杆塔进行标注，得到所述标注影像。优选的，所述对所述标注影像进行数据增广，得到增广影像的过程，包括：对所述标注影像进行图像拉伸和/或图像加噪和/或图像旋转和/或图像模糊，得到所述增广影像。优选的，所述利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果的过程，包括：利用参数为128*128的滑动窗口和参数为128的滑动步长对所述待分类无人机影像进行裁剪，得到目标裁剪影像；利用所述全卷积神经网络模型对所述目标裁剪影像进行分类，得到预分类结果；将所述预分类结果进行拼接，得到所述分类结果。优选的，所述利用所述样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型的过程，包括：利用BatchNormalization对所述样本数据进行处理，得到目标样本数据；利用所述目标样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型。优选的，所述基于全卷积神经网络算法构建待训练模型的过程，包括：基于所述全卷积神经网络算法，并选择Softmax函数构建所述待训练模型。相应的，本专利技术还公开了一种输电线路走廊地表分类系统，包括：分类器分类模块，用于利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果；其中，分类器分类模块为分类器创建模块创建获得，所述分类器创建模块包括：图片预处理子模块，用于对目标无人机影像进行预处理，得到样本数据；其中，所述目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；模型构建子模块，用于基于全卷积神经网络算法构建待训练模型；模型训练子模块，用于利用所述样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型。相应的，本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述公开的输电线路走廊地表分类方法的步骤。相应的，本专利技术还公开了一种输电线路走廊地表分类设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如前述公开的输电线路走廊地表分类方法的步骤。可见，在本专利技术中，首先由无人机上搭载的多视角相机获取输电线路走廊地表的影像，再对获取到的影像进行预处理，得到样本数据，然后，利用样本数据对基于全卷积神经网络算法构建的待训练模型进行训练，由此得到训练好的全卷积神经网络模型，最后，利用预先创建好的全卷积神经网络模型确定目标输电线路走廊地表的覆盖类型，由此达到对输电线路走廊地表进行分类的目的。显然，因为全卷积神经网络模型可以从无人机影像当中，通过多层分级堆叠的卷积核及池化层，自动学习到无人机影像中不同层次的抽象特征，所以，利用全卷积神经网络模型可以显著提高输电线路走廊地表的分类精度。相应的，本专利技术公开的一种输电线路走廊地表分类系统、介质及设备，同样具有上述有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种构建全卷积神经网络模型的流程图；图2为本专利技术实施例公开的一种对目标无人机影像进行预处理的流程图；图3为本专利技术实施例公开的一种输电线路走廊地表分类方法的流程图；图4为本专利技术实施例公开的另一种输电线路走廊地表分类方法的流程图；图5为本专利技术实施例公开的另一种构建全卷积神经网络模型的流程图；图6为本专利技术实施例公开的一种最大池化的示意图；图7为本专利技术实施例公开的一种输电线路地表分类系统的结构图；图8为本专利技术实施例公开的一种输电线路地表分类设备的结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种输电线路走廊地表分类方法，如图1所示，该方法包括：步骤S11：对目标无人机影像进行预处理，得到样本数据；其中，目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；在实际应用当中，输电线路走廊架设在地理环境较为复杂的自然环境当中，给输电线路的管理和监测带来了许多困难，利用无人机可以拍摄得到输电线路走廊更多的信息。具体的，是利用无人机上搭载的多视角相机从各个角度拍摄输电线路走廊的影像，以获取更多的输电线路走廊地表的影像信息。但是，由于利用无人机拍摄得到的输电线路走廊的影像较大，所以，需要对目标无人机影像进行预处理，以减少计算机的本文档来自技高网...

【技术保护点】
1.一种输电线路走廊地表分类方法，其特征在于，包括：利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果；其中，所述全卷积神经网络模型的构建过程为：对目标无人机影像进行预处理，得到样本数据；其中，所述目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；基于全卷积神经网络算法构建待训练模型；利用所述样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型。

【技术特征摘要】
1.一种输电线路走廊地表分类方法，其特征在于，包括：利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果；其中，所述全卷积神经网络模型的构建过程为：对目标无人机影像进行预处理，得到样本数据；其中，所述目标无人机影像为预先利用无人机上搭载的多视角相机获取到的输电线路走廊地表的影像；基于全卷积神经网络算法构建待训练模型；利用所述样本数据对所述待训练模型进行训练，得到所述全卷积神经网络模型。2.根据权利要求1所述的方法，其特征在于，所述对目标无人机影像进行预处理，得到样本数据的过程，包括：利用预设标注工具对所述目标无人机影像进行标注，得到标注影像；对所述标注影像进行数据增广，得到增广影像；利用参数为128*128的滑动窗口和参数为32的滑动步长对所述增广影像进行裁剪，得到所述样本数据。3.根据权利要求2所述的方法，其特征在于，所述利用预设标注工具对所述目标无人机影像进行标注，得到标注影像的过程，包括：利用多边形工具对所述目标无人机影像中的植被和/或裸地和/或水体和/或建筑物和/或电力杆塔进行标注，得到所述标注影像。4.根据权利要求2所述的方法，其特征在于，所述对所述标注影像进行数据增广，得到增广影像的过程，包括：对所述标注影像进行图像拉伸和/或图像加噪和/或图像旋转和/或图像模糊，得到所述增广影像。5.根据权利要求2所述的方法，其特征在于，所述利用预先构建好的全卷积神经网络模型对目标输电线路走廊地表的待分类无人机影像进行分类，得到分类结果的过程，包括：利用参数为128*128的滑动窗口和参数为128的滑动步长对所述待分类无人机影像进行裁剪，得到目标裁剪影像；利用所述全卷积神经网络模型...

【专利技术属性】
技术研发人员：彭炽刚，许志海，张峰，翟瑞聪，王年孝，廖如超，杨志爽，胡楠，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司机巡作业中心，武汉大学，
类型：发明
国别省市：广东,44