System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于电网线路检测,尤其是涉及一种基于人工智能技术的电网空间位置分析方法。
技术介绍
1、电力系统是现代社会的基础设施之一,但随着电网规模的不断扩大,电网区域范围广泛,运行环境复杂多变,电网在运行过程中面临着诸多潜在的安全隐患和故障风险。电网线路,尤其是位于野外的高架线路,多年处于不稳定的气候之中,经历太阳暴晒及雨雪冰雹等恶劣天气,通常会出现设备材料老化、腐蚀、覆冰、雷击等现象,若输电线路和设备的这些故障没有得到及时的修复和处理,将带来极大的供电隐患。
2、近年来,人工智能技术的快速发展为电网线路异常检测提供了新的解决方案。人工智能技术,特别是机器学习、深度学习和神经网络等,通过对大量历史数据的训练和分析,能够发现电网中的潜在规律和异常模式,从而实现对电网线路异常的高效检测。尽管如此,现有的基于人工智能的检测方法在运行效率和检测准确度方面仍存在局限,这限制了其在实际应用中的有效性,影响了对电网线路异常的快速响应和有效处理。
技术实现思路
1、本申请提出了一种基于人工智能技术的电网空间位置分析方法,用于提高电网线路异常检测效率和准确度。
2、第一方面,本申请提供一种基于人工智能技术的电网空间位置分析方法,包括:
3、步骤s1:接收无人机巡检拍摄的电网线路待检测图像,以及与所述待检测图像关联的电网线路标识;
4、步骤s2:通过电网线路异常检测模型对待检测图像进行异常检测。
5、所述步骤s2包括:
6、步骤s21
7、步骤s22:基于改进的rt-detr模型构建电网线路异常检测模型;
8、步骤s23:基于数据集对电网线路异常检测模型进行训练,得到训练后的电网线路异常检测模型;
9、步骤s24:将无人机巡检拍摄的电网线路待检测图像,输入训练后的电网线路异常检测模型,得到电网线路异常检测结果;所述电网线路异常检测结果包括线路异常类别和线路异常定位框;
10、步骤s25:若检测到电网线路异常,则确定具体的异常线路段。
11、可选地,所述步骤s22包括:
12、步骤s22.1:使用一个骨干网络进行输入图像的特征提取,输出三个不同维度的特征图{s3,s4,s5},作为混合编码器的输入;
13、步骤s22.2:混合编码器内部的aifi基于注意力机制的内部尺度特征交互模块对s5特征图进行注意力特征提取得到输出f5,通过基于ccfm跨尺度特征融合模块对{s3,s4,f5}进行不同尺度的特征融合输出多尺度特征序列;
14、步骤s22.3:构建形状增强模块,将输入图像进行灰度处理后得到灰度图,将灰度图输入所述形状增强模块中进行图像的形状特征提取得到目标形状特征序列,并与ccfm输出的多尺度特征序列进行通道维度的concat拼接,得到融合特征序列,将融合特征序列作为混合编码器输出的图像特征序列;
15、步骤s22.4:采用iou感知查询选择模块,基于混合编码器输出的图像特征序列,模型训练时,选取同时具有高分类得分和高iou得分的特征来初始化解码器的对象查询,采用transformer解码器结构,基于来自混合编码器的图像特征序列与初始化对象查询,通过迭代优化生成最终的对象查询,解码器的输出被送入预测头,预测头包含分类预测头、边界框回归预测头,分别用于目标分类预测和边界框坐标预测。
16、在一些实施例中,所述形状增强模块包括边缘特征提取单元和形状特征提取单元,所述形状特征提取单元包括并行的第一卷积层、第二空洞卷积层和第三空洞卷积层;
17、所述边缘特征提取单元用于采用梯度变换算法提取灰度图的边缘特征得到边缘特征图fe;
18、所述形状特征提取单元用于对边缘特征图fe通过并行的第一卷积层、第二空洞卷积层和第三空洞卷积层分别进行形状特征提取,得到第一形状特征图、第二形状特征图以及第三形状特征图,将第一形状特征图、第二形状特征图以及第三形状特征图分别展平后进行空间维度的concat拼接,得到目标形状特征序列。
19、在所述第一卷积层中,用个卷积核分别对边缘特征图fe进行卷积得到个第一形状特征矩阵,将个第一形状特征矩阵进行堆叠得到第一形状特征图;其中,卷积步长stride=,即第一卷积层卷积步长与卷积核尺寸相同;
20、在所述第二空洞卷积层中,用个卷积核分别对边缘特征图fe进行空洞卷积得到个第二形状特征矩阵,将个第二形状特征矩阵进行堆叠得到第二形状特征图,其中,所述第二空洞卷积层的膨胀率为;
21、在所述第三空洞卷积层中,用个卷积核分别对边缘特征图fe进行空洞卷积得到个第三形状特征矩阵,将个第三形状特征矩阵进行堆叠得到第三形状特征图,其中,所述第三空洞卷积层的膨胀率为,>;
22、将第一形状特征图、第二形状特征图以及第三形状特征图分别展平后进行空间维度的concat拼接,得到目标形状特征序列;
23、其中,卷积核计算公式为:
24、
25、
26、其中, 1< ≤,为整数,表示第个卷积核中第行第列的元素,中的取值范围均为,表示卷积核尺寸。
27、所述边缘特征提取单元采用梯度变换算法提取灰度图边缘特征,所述梯度变换算法是sobel算子。
28、可选地,在所述第一卷积层、所述第二空洞卷积层或所述第三空洞卷积层中,在卷积之前对边缘特征图进行边缘填充。
29、第二方面,本申请提供了一种联合gis服务和人工智能技术的电网空间位置分析方法,本申请在第一实施例的基础上,进一步包括了以下步骤:
30、步骤s3:基于所述异常线路段,通过电网gis平台获取所述异常线路段的关联信息。
31、另外,本申请还提供了一种基于人工智能技术的电网空间位置分析系统,包括:数据接收模块、图像检测模块和空间位置分析模块;
32、数据接收模块,用于接收无人机巡检拍摄的电网线路待检测图像,以及与所述待检测图像关联的电网线路标识;
33、图像检测模块,用于通过电网线路异常检测模型对待检测图像进行异常识别;
34、进一步可选地,所述系统还包括空间位置分析模块,用于基于所述异常线路段,通过电网gis平台获取所述异常线路段的关联信息。
35、本申请的有益效果在于,与现有技术相比,本专利技术具有以下优点:
36、本申请提出了一种基于人工智能技术的电网空间位置分析方法,基于改进的rt-detr模型构建电网线路异常检测模型,一方面,采用rt-detr模型能够在保持计算效率的同时,捕获从低级到高级的多尺度特征,提高检测性能;另一方面,在电网线路异常检测的实际场景中,考虑到电网线路特有的形状特征本文档来自技高网...
【技术保护点】
1.一种联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,所述形状增强模块包括边缘特征提取单元和形状特征提取单元,所述形状特征提取单元包括并行的第一卷积层、第二空洞卷积层和第三空洞卷积层;
3.根据权利要求2所述的一种联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,在所述第一卷积层中,用个卷积核分别对边缘特征图Fe进行卷积得到个第一形状特征矩阵,将个第一形状特征矩阵进行堆叠得到第一形状特征图;
4.根据权利要求2所述的一种联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,所述边缘特征提取单元采用梯度变换算法提取灰度图边缘特征,所述梯度变换算法采用sobel算法。
5.根据权利要求3所述的一种联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,在所述第一卷积层、所述第二空洞卷积层或所述第三空洞卷积层中,在卷积之前对边缘特征图进行边缘填充。
6.根据权利要求1所述
7.一种联合GIS服务和人工智能技术的电网空间位置分析系统,用于运行如权利要求1所述的联合GIS服务和人工智能技术的电网空间位置分析方法,其特征在于,包括:数据接收模块、图像检测模块;
8.根据权利要求7所述的一种联合GIS服务和人工智能技术的电网空间位置分析系统,其特征在于,还包括:空间位置分析模块,用于基于所述异常线路段,通过电网GIS平台获取所述异常线路段的关联信息。
9.一种电子设备,其特征在于,包括:存储器以及处理器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器读取并运行时,执行权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器读取并运行时,执行如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种联合gis服务和人工智能技术的电网空间位置分析方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种联合gis服务和人工智能技术的电网空间位置分析方法,其特征在于,所述形状增强模块包括边缘特征提取单元和形状特征提取单元,所述形状特征提取单元包括并行的第一卷积层、第二空洞卷积层和第三空洞卷积层;
3.根据权利要求2所述的一种联合gis服务和人工智能技术的电网空间位置分析方法,其特征在于,在所述第一卷积层中,用个卷积核分别对边缘特征图fe进行卷积得到个第一形状特征矩阵,将个第一形状特征矩阵进行堆叠得到第一形状特征图;
4.根据权利要求2所述的一种联合gis服务和人工智能技术的电网空间位置分析方法,其特征在于,所述边缘特征提取单元采用梯度变换算法提取灰度图边缘特征,所述梯度变换算法采用sobel算法。
5.根据权利要求3所述的一种联合gis服务和人工智能技术的电网空间位置分析方法,其特征在于,在所述第一卷积层、所述第二空洞卷积层或所述第三空洞卷积层中,在卷积之前对边缘特征图进行边缘填充。
6.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员:刘逵,李强,张春光,王震,姚硕,施忠民,李向荣,韦富超,
申请(专利权)人:国网思极位置服务有限公司,
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。