【技术实现步骤摘要】
输电线路鸟类声音识别模型优化方法、系统、介质及设备
[0001]本专利技术涉及输电线路监控
,尤其涉及一种输电线路鸟类声音识别模型优化方法
、
系统
、
介质及设备
。
技术介绍
[0002]近年来,电网大力推进可视化线路建设,以可视化
、
智能化手段提高输电线路的巡检效率,输电通道可视化技术在隐患的及时发现
、
及时预警方面起到了重要作用,对输电线路的安全性
、
可靠性保障以及智能化提升方面都做出了突出贡献
。
尽管近年来输电通道可视化技术及与之相关的人工智能技术都取得了一定进展,但仍处于起步阶段,距离满足输电运维需求还有很长的路要走
。
要满足安全性
、
可靠性
、
智能化输电线路的需求,不但需要研究视觉技术,还应广泛研究听觉
、
触觉
、
嗅觉相关技术
。
[0003]鸟类活动作为导致输电线路故障的一个重要因素,越来越多针对鸟害的防治措施不断被采取,例如加强巡视排查,使用防鸟驱鸟装置等
。
但是面对整体防鸟区域范围广
、
杆塔多
、
识鸟难度大等问题,一般的措施很难起到针对性的防治效果
。
鸟类的图像及声音分类的准确识别及图像音频检索是解决输电线路环境中防治鸟害如东方白鹳等大型鸟类问题的重要方法
。
[0004]当前基于深度学习的 ...
【技术保护点】
【技术特征摘要】
1.
输电线路鸟类声音识别模型优化方法,其特征在于,包括以下步骤:获取当前场景一段时间内的背景声音,并对背景声音进行预处理;依次利用前端服务器和云端分析服务器对背景声音进行分类检测,得到背景声音的分类检测结果,根据分类检测结果生成初步样本集;利用缓存的声音记录
、
预置的样本以及初步样本集进行样本扩充,在线生成训练样本集;利用扩充后的样本集微调终端设备侧运行的鸟类声音识别模型,其中,微调过程包括:固定鸟类声音识别模型参数层,新初始化一个层作为微调层,仅配置微调层用于扩充后的样本集训练
。2.
如权利要求1所述的输电线路鸟类声音识别模型优化方法,其特征在于,对背景声音进行预处理的步骤包括:对所有采集的背景声音进行强变化检测,从声音的本身
、
时域及频域三个角度对采集的背景声音进行判断,计算声压级
、
帧最大能量
、
频域平均能量三个特征值,将特征值与预先设定阈值进行比较,当三个特征值超过预设阈值则保留下来,否则就将背景声音滤除
。3.
如权利要求1所述的输电线路鸟类声音识别模型优化方法,其特征在于,依次利用前端服务器和云端分析服务器对背景声音进行分类检测的具体步骤为:利用前端服务器对预处理后的背景声音与预设告警声音对比分类,判断是否达到模型优化标准;当预处理后的背景声音达到模型优化标准时,利用云端分析服务器对背景声音进行二次分类检测,确定背景声音的告警种类
。4.
如权利要求3所述的输电线路鸟类声音识别模型优化方法,其特征在于,利用云端分析服务器对背景声音进行二次分类检测的具体步骤为:对鸟鸣声音信号进行预加重和滑窗均匀分割处理,通过声图变换方法转化为对应的图像特征信息,获得的图像特征信息作为输入,使用训练好的鸟种识别模型,最终实现通过鸟鸣声对鸟种进行预测识别
。5.
如权利要求4所述的输电线路鸟类声音识别模型优化方法,其特征在于,鸟种识别模型的训练过程为:首先对鸟叫音频数据提取鸟类叫声特征,同时将地域特征和声音特征拼接作为新特征,将新特征输入到模型中,模型使用新特征进行训练,具体的,模型结构构建好之后,模型内部参数随机初始化,然后通过数据及正反向传播算法在不断地训练中对参数进行迭代更新,学习到能够拟合输电场景声音数据分布的参数,最终使用该模型结构和相应的参数共同实现鸟类声音的识别
。6.
如权利要求5所述的输电线路鸟类声音识别模型优化方法,其特征在于,鸟类叫声特征采用梅尔频谱图,给每个...
【专利技术属性】
技术研发人员:沈浩,李丹丹,周超,黄振宁,梅红伟,吴雄,刘辉,贾然,李常勇,程磊,张洋,刘嵘,刘传彬,李成,毛永杰,周学坤,周立志,孟海磊,孙晓斌,耿博,
申请(专利权)人:国网山东省电力公司东营供电公司国网电力科学研究院武汉南瑞有限责任公司清华大学深圳国际研究生院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。