【技术实现步骤摘要】
本专利技术涉及山火定位，尤其涉及一种输电线路的山火点定位方法及装置、设备及存储介质。
技术介绍
1、随着电力系统的不断发展和电力需求的增加，输电线路的安全监测和维护变得尤为重要。然而，输电线路山火点的及时定位和识别一直是一个具有挑战性的问题。传统的山火点检测方法通常依赖于人工处理或简单的图像处理算法，无法满足实时性和准确性的要求。因此，需要一种高效、准确的输电线路山火点定位装置及方法。
技术实现思路
1、本专利技术的主要目的在于提供一种输电线路的山火点定位方法及装置、设备及存储介质，可以解决现有技术中的山火点定位不准确、效率低的问题。
2、为实现上述目的，本专利技术第一方面提供一种输电线路的山火点定位方法，所述方法包括：
3、获取所述输电线路的图像数据，所述图像数据用于反映所述输电线路当前所处环境；
4、将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，所述山火点定位结果用于反映所述输电线路当前所处环境是否存在山火点，所述堪培拉距离学习模型是基于若干存在山火点的输电线路的历史图像数据训练得到的；
5、当所述山火点定位结果反映所述输电线路当前所处环境存在山火点，则输出山火提示，所述山火提示至少包括所述山火点的地理位置信息以及所述山火点的火情信息。
6、在一种可行实现方式中，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定
7、对所述图像数据进行特征向量提取，得到所述图像数据的待定位向量；
8、基于预设的堪培拉距离算法确定所述待定位向量与所述堪培拉距离学习模型预先学习到的模型向量之间的目标堪培拉距离，所述待定位向量用于反映所述图像数据的图像特征，所述模型向量用于反映存在山火点的图像数据的图像特征，所述堪培拉距离用于指示所述待定位向量与所述模型向量的差异程度；
9、若所述目标堪培拉距离小于等于预设阈值，则确定所述输电线路的山火点定位结果为存在山火点；
10、若所述目标堪培拉距离大于预设阈值，则确定所述输电线路的山火点定位结果为不存在山火点。
11、在一种可行实现方式中，所述堪培拉距离算法包括如下数学表达式：
12、
13、其中，p、q分别为待定位向量和模型向量，所述待定位向量和模型向量均为n维向量，k为所述待定位向量和模型向量的第k个分量，d为目标堪培拉距离。
14、在一种可行实现方式中，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，之前还包括：
15、对所述图像数据进行预处理，得到预处理后的图像数据。
16、在一种可行实现方式中，所述对所述图像数据进行预处理，得到预处理后的图像数据，包括：
17、利用预设的去噪算法对所述图像数据进行去噪处理，得到去噪后的图像数据，所述去噪算法包括中值滤波、高斯滤波以及双边滤波中的至少一种，所述预处理后的图像数据包括所述去噪后的图像数据。
18、在一种可行实现方式中，所述对所述图像数据进行预处理，得到预处理后的图像数据，还包括：
19、利用预设的图像增强算法对所述去噪后的图像数据进行图像增强处理，得到增强后的图像数据，所述图像增强算法包括直方图均衡化、自适应直方图均衡化以及对比度增强中的至少一种，所述预处理后的图像数据包括所述增强后的图像数据。
20、在一种可行实现方式中，所述对所述图像数据进行预处理，得到预处理后的图像数据，还包括：
21、利用预设的图像分割算法对所述增强后的图像数据进行图像分割处理，得到分割后的图像数据，所述图像分割算法包括阈值分割、边缘分割以及区域分割中的至少一种，所述预处理后的图像数据包括所述分割后的图像数据。
22、为实现上述目的，本专利技术第二方面提供一种输电线路的山火点定位装置，所述装置包括：
23、数据采集模块：用于获取所述输电线路的图像数据，所述图像数据用于反映所述输电线路当前所处环境；
24、定位模块：用于将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，所述山火点定位结果用于反映所述输电线路当前所处环境是否存在山火点，所述堪培拉距离学习模型是基于若干存在山火点的输电线路的历史图像数据训练得到的；
25、提示模块：用于当所述山火点定位结果反映所述输电线路当前所处环境存在山火点，则输出山火提示，所述山火提示至少包括所述山火点的地理位置信息以及所述山火点的火情信息。
26、为实现上述目的，本专利技术第三方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面及任一可行实现方式所示方法的步骤。
27、为实现上述目的，本专利技术第四方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面及任一可行实现方式所示方法的步骤。
28、采用本专利技术实施例，具有如下有益效果：
29、本专利技术提供一种输电线路的山火点定位方法，方法包括：获取输电线路的图像数据，图像数据用于反映输电线路当前所处环境；将图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到输电线路的山火点定位结果，山火点定位结果用于反映输电线路当前所处环境是否存在山火点，堪培拉距离学习模型是基于若干存在山火点的输电线路的历史图像数据训练得到的；当山火点定位结果反映输电线路当前所处环境存在山火点，则输出山火提示，山火提示至少包括山火点的地理位置信息以及山火点的火情信息。通过采集输电线路图像并集成堪培拉距离学习模型(简称canberra模型)对图像进行分类和定位，以提高山火点的检测效率和准确性，从而输出山火提示。本专利技术能够快速响应山火事件，提高应急响应效率，减少山火对输电线路的损害。可广泛应用于输电线路的安全监测与维护领域。
本文档来自技高网...【技术保护点】
1.一种输电线路的山火点定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，包括：
3.根据权利要求1或2所述方法，其特征在于，所述堪培拉距离算法包括如下数学表达式：
4.根据权利要求1所述方法，其特征在于，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，之前还包括：
5.根据权利要求4所述方法，其特征在于，所述对所述图像数据进行预处理，得到预处理后的图像数据，包括：
6.根据权利要求5所述方法，其特征在于，所述对所述图像数据进行预处理，得到预处理后的图像数据，还包括：
7.根据权利要求6所述方法，其特征在于，所述对所述图像数据进行预处理，得到预处理后的图像数据，还包括：
8.一种输电线路的山火点定位装置，其特征在于，所述装置包括：
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述
10.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种输电线路的山火点定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，包括：
3.根据权利要求1或2所述方法，其特征在于，所述堪培拉距离算法包括如下数学表达式：
4.根据权利要求1所述方法，其特征在于，所述将所述图像数据输入到预先训练的堪培拉距离学习模型中进行山火点定位处理，得到所述输电线路的山火点定位结果，之前还包括：
5.根据权利要求4所述方法，其特征在于，所述对所述图像数据进行预处理，得到预处理后的图像数据，包括：
6.根据...
【专利技术属性】
技术研发人员：刘太文，周仿荣，钱国超，邹德旭，孙灏若，杨坤，马御棠，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。