本发明专利技术涉及大数据技术领域，本发明专利技术涉及一种基于大数据的巡检场景识别方法及系统，包括：获取巡检图像，对巡检图像进行差分处理得到对应的差分图像并进行标注，生成数据集；构建基于图像差分注意力机制的目标检测模型，通过计算前后帧差分图像，确定输配电线路区域，并对缺陷特征进行重点关注；通过梯度算法优化目标检测模型参数，确保高查全率以减少漏检；通过评价指标验证目标检测模型性能，识别输配电线路缺陷。本方案解决了现有巡检方法因环境复杂，造成的识别准确率低的问题，提高了巡检效率和安全性，增强了巡检的智能化水平。
【技术实现步骤摘要】
本专利技术涉及大数据。更具体地，本专利技术涉及一种基于大数据的巡检场景识别方法及系统。
技术介绍
1、大数据是一个广泛应用于各种领域的术语，指的是无法通过传统的数据处理应用软件来处理的大量、复杂且快速生成的数据集。大数据的特点可以通过4v模型来描述，即数据量、数据速度、数据种类和数据真实性。近年来，随着数据生成和收集能力的迅速提升，大数据的定义和范围不断扩大，涵盖了更多的维度和特性，如价值和可视化。巡检场景识别是指在巡检过程中利用先进的技术手段对所处的环境和设备进行识别、分析和记录，以辅助巡检人员完成巡检任务，确保设备和环境的安全与稳定。该技术结合了大数据、图像识别、机器学习与深度学习、iot、ar、语音识别与自然语言处理等多种技术手段，能够实时采集和分析巡检场景中的各种数据。这些技术的综合应用，使得巡检场景识别在工业设备巡检、设施维护、安全检查和环境监测等多个领域展现了广阔的应用前景。
2、公开号为cn109544501b的专利文件公开了一种基于无人机多源图像特征匹配的输电设备缺陷检测方法。该方法首先使用sift算法对无人机拍摄的图像进行配准，处理图像中的平移、拉伸和缩放等问题，然后通过选择性搜索算法获得候选检测区域。接着，这些候选区域被输入到卷积神经网络中进行处理，最后利用支持向量机模型对处理后的图像进行最终的缺陷识别。然而，尽管该方法在一定程度上解决了无人机图像中的几何变换问题，但其计算量较大，所使用的模型也较为落后，导致整体的准确率无法得到充分保证。
技术实现思路
<
p>1、为解决上述
技术介绍
中提出的计算量大和模型较为落后的问题，本专利技术在如下的多个方面中提供方案。2、在第一方面中，本专利技术提供了一种基于大数据的巡检场景识别方法，该方法包括以下步骤：
3、获取巡检图像，对所述巡检图像进行差分处理得到对应的差分图像，并对所述差分图像进行标注，以生成数据集；
4、根据所述数据集训练基于图像差分注意力机制的目标检测模型；
5、其中，所述目标检测模型包括差分注意力机制模块和分类模块，所述差分注意力机制模块用于：将对所述巡检图像和对应的差分图像分别进行特征提取，提取两者的特征张量；对差分图像的特征张量中的特征图进行行卷积和全局平均池化，得到第一特征张量并与所述巡检图像的特征张量中的特征图相乘，得到第二特征张量；对第二特征张量的特征图进行行卷积和全局平均池化，计算每行行内的特征差异，将池化结果和所述特征差异的结果相乘得到所述第二特征张量的特征图对应的特征向量，将所述特征向量中特征值的最大值作为权重系数，将所述权重系数和所述第二特征张量的特征图相乘，得到图像差分注意力机制的结果；将所述差分注意力机制的结果作为分类模块的输入，所述分类模块的输出为所述目标检测模型的输出；
6、将实时采集的巡检图像输入目标检测模型，识别巡检设备的缺陷。
7、现有的输电设备缺陷检测方法，虽然在一定程度上解决了无人机拍摄图像中的平移、拉伸和缩放问题，但其计算量依然非常庞大，导致实际应用中效率低下。而本专利技术通过引入基于图像差分注意力机制，极大地优化了计算过程。图像差分技术通过对连续帧的图像进行差分处理，仅对差异部分进行重点分析，从而大幅减少了不必要的计算量。这一方法不仅提高了图像处理的效率，还降低了系统资源的消耗，使得在同样的硬件条件下能够处理更多的数据，从而提高了巡检的实时性。
8、在一个实施例中，所述目标检测模型还包括输入模块，所述输入模块用于将巡检视频解码为图像帧。
9、在一个实施例中，所述获取巡检图像，包括，采用无人机拍摄实现；所述对差分图像进行标注，包括，采用python的第三方工具labelimg实现。
10、在一个实施例中，所述差分图像为后一时刻图像减去前一时刻图像得到的新图像，对新图像进行图像反转进而得到差分图像。
11、在一个实施例中，所述权重系数计算步骤包括：
12、使用大小为1x3xc的卷积核对差分图像的特征张量进行卷积，其中，1x3xc表示卷积核的高度为1，卷积核宽度为3，卷积核的通道数为c；通过全局平均池化得到x1xc的特征矩阵；其中，x1xc表示卷积核的高度为，卷积核宽度为1，卷积核的通道数为c。将特征矩阵与巡检图像的特征张量相乘得到融合特征张量；对融合特征张量使用大小为1x3xc的卷积核进行卷积，再通过全局平均池化得到融合矩阵，通过方差或极差按行计算每行的差异得到差异矩阵；将差异矩阵与融合特征矩阵相乘，按列求最大值得到权重系数。
13、在一个实施例中，所述目标检测模型为yolov5模型。
14、将基于图像差分注意力机制加入yolov5模型，并使用梯度算法更新目标检测模型，当目标检测模型达到预设训练次数α或目标检测模型的损失小于设定阈值β时，停止训练，并根据模型的评价指标训练最优的模型，其中α∈[100，500]，β∈[0.01,0.1]。
15、传统方法中使用的模型较为落后，无法充分利用现代深度学习技术的优势，导致识别准确率不能得到很好的保证。本专利技术通过引入基于图像残差的注意力机制和结合先进的yolov5模型，显著提升了识别性能。yolov5作为当前最先进的目标检测模型之一，具有快速且准确的检测能力。通过在yolov5的特征提取模块中引入基于图像残差的注意力机制，模型能够更加聚焦于输配电线路的关键特征，尤其是缺陷部分的特征，从而大幅提升了识别的准确性和鲁棒性。这种结合不仅充分发挥了yolov5模型的高效检测能力，还利用残差注意力机制提升了模型对细节特征的捕捉能力，使得整体识别效果更加可靠。
16、在一个实施例中，所述目标检测模型的损失采用交叉熵损失。
17、在一个实施例中，所述目标检测模型的评价指标偏好查全率：
18、
19、其中，表示评价指标偏好查全率，表示第类缺陷预测为正确的个数，表示把第类缺陷预测为没有缺陷的个数，所述缺陷的种类分为开裂和断开两类。
20、通过优化特征提取和差分注意力机制，显著提高了输配电线路缺陷识别的准确率。具体而言，通过对差分图像进行特征提取，并基于特征通道的重要性分配权重，模型能够更加准确地识别出电线区域和缺陷特征。这种方法不仅增强了模型对电线区域的关注度，还通过差异特征的进一步分析，提升了对缺陷类型的区分能力。此外，模型的损失函数采用了交叉熵损失，进一步优化了模型在缺陷识别过程中的性能，使得最终的识别结果更加精确，能够有效减少误检和漏检的情况。
21、在第二方面中，本专利技术提供了一种基于大数据的巡检场景识别系统，包括存储器和处理器，所述存储器内存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现权利要求1~8任意一项所述的基于大数据的巡检场景识别方法。
22、本专利技术的巡检场景识别方法和系统，具有很强的适应性和广泛的应用前景。通过使用无人机结合深度学习技术，对复杂的电网环境进行巡检，不仅能够应对不同的拍摄角度和环境变化，还能够在多种本文档来自技高网
...
【技术保护点】
1.一种基于大数据的巡检场景识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述目标检测模型还包括输入模块，所述输入模块用于将巡检视频解码为图像帧。
3.根据权利要求1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述获取巡检图像，包括，采用无人机拍摄实现；所述对差分图像进行标注，包括，采用Python的第三方工具labelImg实现。
4.根据权利要1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述差分图像为后一时刻图像减去前一时刻图像得到的新图像，对新图像进行图像反转进而得到差分图像。
5.根据权利要1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述权重系数计算步骤包括：
6.将特征矩阵与巡检图像的特征张量相乘得到融合特征张量；
7.根据权利要求1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述目标检测模型为yolov5模型；
8.根据权利要求6所述的一种基于大数据的巡检场景识别方法，其特征在于，所述目标检测模型的损失采用交叉熵损失。
9.根据权利要求6所述的一种基于大数据的巡检场景识别方法，其特征在于，所述目标检测模型的评价指标偏好查全率：
10.一种基于大数据的巡检场景识别系统，其特征在于，包括存储器和处理器，所述存储器内存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现权利要求1~8任意一项所述的基于大数据的巡检场景识别方法。
...
【技术特征摘要】
1.一种基于大数据的巡检场景识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述目标检测模型还包括输入模块，所述输入模块用于将巡检视频解码为图像帧。
3.根据权利要求1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述获取巡检图像，包括，采用无人机拍摄实现；所述对差分图像进行标注，包括，采用python的第三方工具labelimg实现。
4.根据权利要1所述的一种基于大数据的巡检场景识别方法，其特征在于，所述差分图像为后一时刻图像减去前一时刻图像得到的新图像，对新图像进行图像反转进而得到差分图像。
5.根据权利要1所述的一种基于大数据的巡检场景识别方法，其特征在于，所...
【专利技术属性】
技术研发人员：王鹏飞，易瑞强，张强，李磊，朱庆伟，丁妮，
申请(专利权)人：陕西陕煤黄陵矿业有限公司，
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。