输电线路安全预警方法及装置制造方法及图纸

本申请涉及一种输电线路安全预警方法及装置，方法包括：对第一视频图像中的输电线和目标物体进行标注与记录以生成数据集；划分数据集以构建第一训练模型，对数据集的格式进行转换以构建第二训练模型，并将上述两个模型部署至目标平台；发送第一视频图像至目标平台并对其实时抽帧，使用第一训练模型对抽帧图像中各像素点进行分类以生成语义分割后的输电线图像，使用第二训练模型对抽帧图像中目标物体进行目标检测以输出预测目标物体检测框；根据输电线图像和预测目标物体检测框确定目标物体的边界点位置与输电线间的最短距离，当最短距离小于安全距离阈值时，发送告警信息告知输电线路存在安全隐患。采用本方法能实时高效地进行输电线路安全预警。进行输电线路安全预警。进行输电线路安全预警。

【技术实现步骤摘要】
输电线路安全预警方法及装置


[0001]本申请涉及电力系统
，特别是涉及一种输电线路安全预警方法及装置。

技术介绍

[0002]随着电力系统技术的发展，在电力系统中扮演着传输、调节、分配等重要角色的高压输电线路，成为了我国电网安全、稳定运行的重要组成，是电力系统的动脉。输电线路稳定可靠的运行是智能电网建设的重要组成部分，其设备的可靠性及运行状况直接决定着整个电力系统的稳定和安全，也决定着供电的质量和可靠性。
[0003]对于大部分地区的输电线路架设来说，随着时间的累计，易出现输电线路故障，从而导致整个电力系统出现隐患。为了尽可能避免输电线路故障，需要提前针对输电线路进行安全预警。现阶段，对于输电线路的安全预警需要通过人工进行巡检，无法做到实时安全预警。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够进行实时安全预警的输电线路安全预警方法及装置。
[0005]第一方面，本申请提供了一种输电线路安全预警方法。输电线路安全预警方法包括：
[0006]对第一视频图像中的输电线和预设的目标物体进行标注与记录，以生成数据集；
[0007]划分数据集以构建第一训练模型，对数据集的格式进行转换以构建第二训练模型，并将第一训练模型、第二训练模型分别部署至目标平台；
[0008]发送第一视频图像至目标平台，对第一视频图像进行实时抽帧，并使用第一训练模型对抽帧图像中的各像素点进行分类，以生成语义分割后的输电线图像，使用第二训练模型对抽帧图像中的目标物体进行目标检测，以输出预测目标物体检测框；
[0009]根据输电线图像和预测目标物体检测框确定目标物体的边界点位置与输电线间的最短距离，并当最短距离小于预设的安全距离阈值时，发送告警信息以告知输电线路存在安全隐患。
[0010]在其中一个实施例中，对第一视频图像中的输电线和预设的目标物体进行标注与记录，以生成数据集，包括：
[0011]对第一视频图像中的输电线和目标物体进行标注，记录输电线和目标物体的第一标签；
[0012]对第一视频图像中的目标物体进行标注，记录目标物体的树冠的第二标签；
[0013]根据第一标签和第二标签生成数据集。
[0014]在其中一个实施例中，划分数据集以构建第一训练模型，包括：
[0015]划分数据集以生成第一训练集；
[0016]将第一训练集放入U
‑
net模型进行语义分割训练以生成第一训练模型。
[0017]在其中一个实施例中，将第一训练集放入U
‑
net模型进行语义分割训练以生成第一训练模型，包括：
[0018]使用随机裁剪和归一化的方法对第一训练集进行数据预处理；
[0019]确定第一初始训练参数，并将第一初始训练参数和预处理后的第一训练集放入U
‑
net模型进行语义分割训练以生成第一训练模型。
[0020]在其中一个实施例中，确定第一初始训练参数，并将第一初始训练参数和预处理后的第一训练集放入U
‑
net模型进行语义分割训练以生成第一训练模型，包括：
[0021]确定第一初始训练参数，并将预处理后的第一训练集放入使用第一初始训练参数的U
‑
net模型进行语义分割训练以输出语义分割结果；
[0022]对U
‑
net模型输出的语义分割结果、第一标签和第二标签进行损失计算以得到语义分割损失；
[0023]根据语义分割损失对U
‑
net模型的第一模型参数进行迭代优化，以生成第一训练模型。
[0024]在其中一个实施例中，对数据集的格式进行转换以构建第二训练模型，包括：
[0025]将数据集中存为xml格式的数据转换为txt格式；
[0026]划分格式转换后的数据集以生成第二训练集；
[0027]将第二训练集放入Rotation
‑
Yolov5模型进行目标物体的目标检测训练以生成第二训练模型。
[0028]在其中一个实施例中，将第二训练集放入Rotation
‑
Yolov5模型进行目标物体的目标检测训练以生成第二训练模型，包括：
[0029]使用随机裁剪和归一化的方法对第二训练集进行数据预处理；
[0030]确定第二初始训练参数，并将第二初始训练参数和预处理后的第二训练集放入Rotation
‑
Yolov5模型进行目标物体的目标检测训练以生成第二训练模型。
[0031]在其中一个实施例中，确定第二初始训练参数，并将第二初始训练参数和预处理后的第二训练集放入Rotation
‑
Yolov5模型进行目标物体的目标检测训练以生成第二训练模型，包括：
[0032]确定第二初始训练参数，并将预处理后的第二训练集放入使用第二初始训练参数的Rotation
‑
Yolov5模型进行目标物体的目标检测训练以输出预测目标物体检测框；
[0033]根据预设的损失函数，对Rotation
‑
Yolov5模型输出的预测目标物体检测框和对应的预设的真实目标物体检测框进行损失计算以得到预测损失；
[0034]根据预测损失对Rotation
‑
Yolov5模型的第二模型参数进行迭代优化，以生成第二训练模型。
[0035]在其中一个实施例中，根据输电线图像和预测目标物体检测框确定目标物体的边界点位置与输电线间的最短距离，包括：
[0036]创建空白图像模板；
[0037]根据预测目标物体检测框在空白图像模板上生成目标物体的掩膜，以反映目标物体在第一视频图像上的位置信息和确定目标物体的边界点位置；
[0038]将输电线图像和掩膜进行融合，以得到融合图像；
[0039]根据融合图像和边界点位置获取目标物体的边界点位置与输电线间的最短距离。
[0040]第二方面，本申请还提供了一种输电线路安全预警装置，输电线路安全预警装置包括：
[0041]数据集生成模块，用于对第一视频图像中的输电线和预设的目标物体进行标注与记录，以生成数据集；
[0042]模型构建模块，用于划分数据集以构建第一训练模型，对数据集的格式进行转换以构建第二训练模型，并将第一训练模型、第二训练模型分别部署至目标平台；
[0043]模型训练模块，用于发送第一视频图像至目标平台，对第一视频图像进行实时抽帧，并使用第一训练模型对抽帧图像中的各像素点进行分类，以生成语义分割后的输电线图像，使用第二训练模型对抽帧图像中的目标物体进行目标检测，以输出预测目标物体检测框；
[0044]安全告警模块，用于根据输电线图像和预测目标物体检测框确定目标物体的边界点位置与输电线间的最短距离，并当最短距离小于预设的安全距离阈值时，发送告警信息以告知输电线路存在安全隐患。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路安全预警方法，其特征在于，所述方法包括：对第一视频图像中的输电线和预设的目标物体进行标注与记录，以生成数据集；划分所述数据集以构建第一训练模型，对所述数据集的格式进行转换以构建第二训练模型，并将所述第一训练模型、所述第二训练模型分别部署至目标平台；发送所述第一视频图像至目标平台，对所述第一视频图像进行实时抽帧，并使用所述第一训练模型对抽帧图像中的各像素点进行分类，以生成语义分割后的输电线图像，使用所述第二训练模型对所述抽帧图像中的所述目标物体进行目标检测，以输出预测所述目标物体检测框；根据所述输电线图像和所述预测所述目标物体检测框确定所述目标物体的边界点位置与所述输电线间的最短距离，并当所述最短距离小于预设的安全距离阈值时，发送告警信息以告知输电线路存在安全隐患。2.根据权利要求1所述的方法，其特征在于，所述对第一视频图像中的输电线和预设的目标物体进行标注与记录，以生成数据集，包括：对所述第一视频图像中的所述输电线和所述目标物体进行标注，记录所述输电线和所述目标物体的第一标签；对所述第一视频图像中的所述目标物体进行标注，记录所述目标物体的树冠的第二标签；根据所述第一标签和所述第二标签生成所述数据集。3.根据权利要求2所述的方法，其特征在于，所述划分所述数据集以构建第一训练模型，包括：划分所述数据集以生成第一训练集；将所述第一训练集放入U
‑
net模型进行语义分割训练以生成所述第一训练模型。4.根据权利要求3所述的方法，其特征在于，所述将所述第一训练集放入U
‑
net模型进行语义分割训练以生成所述第一训练模型，包括：使用随机裁剪和归一化的方法对所述第一训练集进行数据预处理；确定第一初始训练参数，并将所述第一初始训练参数和预处理后的所述第一训练集放入所述U
‑
net模型进行语义分割训练以生成所述第一训练模型。5.根据权利要求4所述的方法，其特征在于，所述确定第一初始训练参数，并将所述第一初始训练参数和预处理后的所述第一训练集放入所述U
‑
net模型进行语义分割训练以生成所述第一训练模型，包括：确定所述第一初始训练参数，并将预处理后的所述第一训练集放入使用所述第一初始训练参数的所述U
‑
net模型进行语义分割训练以输出语义分割结果；对所述U
‑
net模型输出的所述语义分割结果、所述第一标签和所述第二标签进行损失计算以得到语义分割损失；根据所述语义分割损失对所述U
‑
net模型的第一模型参数进行迭代优化，以生成所述第一训练模型。6.根据权利要求1所述的方法，其特征在于，所述对所述数据集的格式进行转换以构建第二训练模型，包括：将所述数据集中存为xml格式的数据转换为txt格式；
划分格式转换后的所述数据集以生成第二训练集；将所述第二训练集放入Rotation
‑
Yolov5模型...

【专利技术属性】
技术研发人员：李英，饶竹一，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：