【技术实现步骤摘要】
本申请涉及电力电缆，尤其涉及一种输电线路涉鸟隐患的鸟种识别方法及设备。
技术介绍
1、随着电力系统的发展，越来越多的电力设施投入建设。输电线路作为电网的重要组成部分，其周围经常出现各种安全隐患。鸟类活动作为导致输电线路故障的一个重要因素，越来越多针对涉鸟隐患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。
2、目前，对鸟种的识别存在两个使用最多的方法，一种是使用线性预测倒谱系数或者梅尔倒谱系数等特征，结合机器学习中的支持向量机、决策树以及随机森林等算法进行识别，这种传统算法识别准确率不高，而且识别鸟的种类较少；另一种则是使用迁移学习的方法，迁移vggish提取特征结合分类网络进行识别，虽然相比于第一种传统方法提高了识别准确率，但是识别鸟种类的数量仍然有限，同时识别精度随着鸟种数量的增加不断下降。
技术实现思路
1、本申请实施例提供了一种输电线路涉鸟隐患的鸟种识别方法及设备，用以解决如下技术问题：如何在保证鸟种识别精度的前提下，增加能够识别的鸟种数量。
2、一方面，本申请实施例提供了一种输电线路涉鸟隐患的鸟种识别方法，所述方法包括：采集输电线路预设范围内的鸟鸣声音信号，并通过所述鸟鸣声音信号构建鸟鸣声音数据库；通过所述鸟鸣声音数据库训练鸟种识别模型；构建地域鸟种分布信息库，并基于所述地域鸟种分布信息库对输电线路对应的地域进行网格划分，得到所述输电线路对应的地域
3、在本申请说明书一个或多个实施例中，在通过所述鸟鸣声音信号构建鸟鸣声音数据库之前，所述方法还包括：获取所述地域鸟种分布信息库对应的鸟鸣声音信号；其中，所述鸟鸣声音信号的音频格式为单通道，采样率为32khz；将所述鸟鸣声音信号加入到所述鸟鸣声音数据库中。
4、在本申请说明书一个或多个实施例中，在通过所述鸟鸣声音数据库训练鸟种识别模型之前，所述方法还包括：对所述鸟鸣声音数据库中的鸟鸣声音信号进行预处理，得到短时鸟鸣声音信号；对所述短时鸟鸣声音信号进行声图转换处理，得到所述短时鸟鸣声音信号对应的图像特征信息；通过所述图像特征信息，构建所述鸟种识别模型的训练集、测试集以及验证集。
5、在本申请说明书一个或多个实施例中，对所述鸟鸣声音数据库中的鸟鸣声音信号进行预处理，具体包括：对所述鸟鸣声音信号进行降噪处理；通过以下公式对降噪处理后的所述鸟鸣声音信号进行预加重处理：
6、y[n]＝x[n]-αx[n-1]
7、其中，y[n]为预加重处理后的所述鸟鸣声音信号，x[n]为降噪处理后的所述鸟鸣声音信号，n为所述鸟鸣声音信号的第n个采样点，α为预加重系数；对预加重处理后的所述鸟鸣声音信号进行加窗处理，以将所述鸟鸣声音信号进行分割，得到所述短时鸟鸣声音信号。
8、在本申请说明书一个或多个实施例中，对所述短时鸟鸣声音信号进行声图转换处理，具体包括：对所述短时鸟鸣声音信号进行傅里叶变换处理，得到所述短时鸟鸣声音信号对应的声音频谱；对所述声音频谱进行取模处理后，计算模的平方，得到所述短时声音信号对应的声音能量谱；通过预设滤波器组对所述声音能量谱进行滤波处理；对滤波处理后的所述声音能量谱进行取对数处理，以得到所述短时鸟鸣声音信号对应的图像特征信息。
9、在本申请说明书一个或多个实施例中，通过预设滤波器组对所述声音能量谱进行滤波处理，具体包括：所述预设滤波器组采用梅尔尺度滤波器构成的三角形滤波器组实现；其中，所述梅尔尺度滤波器对应的梅尔频率如下：
10、
11、其中，m为所述梅尔频率，f为所述所述短时鸟鸣声音信号的实际频率，β为所述梅尔尺度滤波器对应的滤波系数。
12、在本申请说明书一个或多个实施例中，所述鸟种识别模型采用efficientnet 网络进行训练；其中，所述efficientnet网络的第1层包括3x3的卷积层，第 2-8层包括同样的mbconv模块，第9层包括1x1的卷积层、平均池化层以及全连接层。
13、在本申请说明书一个或多个实施例中，确定所述鸟鸣声音信号对应的鸟种置信度之后，所述方法还包括：确定所述输电线路对应的地域网格中包含的鸟种；将所述地域网格中包含的鸟种与所述鸟种置信度对应的鸟种进行匹配，以筛选出存在于所述地域网格中的鸟种对应的鸟种置信度；将所述鸟种置信度中最高置信度对应的鸟种，确定为所述鸟鸣声音信号对应的鸟种。
14、在本申请说明书一个或多个实施例中，构建地域鸟种分布信息库，具体包括：以省份为单位，在预设网站确定出各省份包含的鸟种；为所述省份与所述鸟种进行编号，并基于所述编号构建地域鸟种分布表；其中，所述地域鸟种分布表的最后一列为所述各省份包含鸟种总数；获取所述鸟种对应的鸟鸣声音信号，并基于所述鸟鸣声音信号与所述地域鸟种分布表，构建所述地域鸟种分布信息库；基于所述地域鸟种分布信息库对输电线路对应的地域进行网格划分，具体为，确定所述输电线路对应的省份，以所述省份为划分依据对所述输电线路进行网格划分；其中，所述输电线路对应的地域网格的数量与所述输电线路对应的省份数量相等。
15、另一方面，本申请实施例还提供了一种输电线路涉鸟隐患的鸟种识别设备，所述设备包括：处理器；以及，存储器，其上存储有可执行指令，当所述可执行指令被执行时，使得所述处理器执行如上述的一种输电线路涉鸟隐患的鸟种识别方法。
16、本申请实施例提供的一种输电线路涉鸟隐患的鸟种识别方法及设备，具有以下有益效果：根据不同地域省份及输电线路/输电网周围的鸟种分布信息构建鸟鸣声音数据库和地域鸟种分布信息库，为能够识别多种鸟种提供了可能；然后对鸟鸣声音信号进行降噪、预加重、滑窗均匀分割等预处理，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，用于在 efficientnet网络的迭代训练，最终实现了通过鸟鸣声音信号对鸟种进行准确的预测识别。同时，结合鸟种分布地域性强的特点，通过地域网格化可以对大量鸟种进行有效的识别，进一步提高了鸟种识别的准确度，能够对输电线路周围存在的涉鸟隐患进行有效监控，进一步保障电力设施的安全。
本文档来自技高网...【技术保护点】
1.一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，在通过所述鸟鸣声音信号构建鸟鸣声音数据库之前，所述方法还包括：
3.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，在通过所述鸟鸣声音数据库训练鸟种识别模型之前，所述方法还包括：
4.根据权利要求3所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，对所述鸟鸣声音数据库中的鸟鸣声音信号进行预处理，具体包括：
5.根据权利要求3所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，对所述短时鸟鸣声音信号进行声图转换处理，具体包括：
6.根据权利要求5所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，通过预设滤波器组对所述声音能量谱进行滤波处理，具体包括：
7.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，所述鸟种识别模型采用Efficientnet网络进行训练；其中，
8.根据权利要求1所述的一种输电线路涉鸟隐患的
9.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，构建地域鸟种分布信息库，具体包括：
10.一种输电线路涉鸟隐患的鸟种识别设备，其特征在于，所述设备包括：
...【技术特征摘要】
1.一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，在通过所述鸟鸣声音信号构建鸟鸣声音数据库之前，所述方法还包括：
3.根据权利要求1所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，在通过所述鸟鸣声音数据库训练鸟种识别模型之前，所述方法还包括：
4.根据权利要求3所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，对所述鸟鸣声音数据库中的鸟鸣声音信号进行预处理，具体包括：
5.根据权利要求3所述的一种输电线路涉鸟隐患的鸟种识别方法，其特征在于，对所述短时鸟鸣声音信号进行声图转换处理，具体包括...
【专利技术属性】
技术研发人员：刘远庆，蔡富东，吕昌峰，刘焕云，
申请(专利权)人：济南信通达电气科技有限公司，
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。