【技术实现步骤摘要】
本申请涉及电网，特别是涉及一种输电线路故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、随着电网规模的不断扩大和复杂度的增加，电网的安全运行面临着前所未有的挑战。
2、相关技术中，通常通过人工对输电线路进行巡检，以对输电线路进行故障检测，从而确保电网的安全运行。
3、然而，人工巡检的方式难以保证输电线路故障检测的全面性和及时性，容易导致故障检测的错检、漏检，进而导致输电线路的故障检测的准确率较低。
技术实现思路
1、基于此，有必要针对上述输电线路的故障检测的准确率较低的技术问题，提供一种能够提高准确率的输电线路故障检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种输电线路故障检测方法，包括：
3、获取输电线路的输电线路图像和针对所述输电线路图像的故障检测任务；
4、将所述输电线路图像和所述故障检测任务输入至预先训练得到的故障检测模型，得到所述输电线路图像的图像特征和所述故障检测任务的文本特征；
5、通过所述故障检测模型对所述图像特征和所述文本特征的融合处理，得到所述输电线路图像的跨模态特征；
6、基于所述故障检测模型和所述跨模态特征，在所述输电线路图像中确定出与所述故障检测任务关联的目标区域，作为所述输电线路图像在所述故障检测任务下的故障检测结果。
7、在其中一个实施例中，所述图像特征包括所述输电线路图像的特
8、所述通过所述故障检测模型对所述图像特征和所述文本特征的融合处理，得到所述输电线路图像的跨模态特征，包括：
9、基于所述故障检测模型和所述特征图，得到每个区域的第一特征；
10、基于所述故障检测模型和各个区域的第一特征，得到所述每个区域的第二特征，以及，基于所述故障检测模型、所述每个区域的第一特征和所述文本特征，得到所述每个区域的第三特征；
11、通过所述故障检测模型对所述各个区域的所述第一特征、所述第二特征和所述第三特征进行融合处理，得到所述输电线路图像的跨模态特征。
12、在其中一个实施例中，所述图像特征还包括所述每个区域的区域特征；
13、所述基于所述故障检测模型和所述特征图，得到每个区域的第一特征，包括：
14、根据所述故障检测模型中的第一交叉注意力层、所述各个区域的区域特征和所述特征图，确定所述各个区域与所述输电线路图像之间的第一交叉注意力；
15、基于所述每个区域的第一交叉注意力，从所述特征图中提取出所述每个区域的第一交叉注意力特征，作为所述每个区域的第一特征。
16、在其中一个实施例中，所述基于所述故障检测模型和各个区域的第一特征，得到所述每个区域的第二特征，包括：
17、根据所述故障检测模型中的自注意力层和所述各个区域的第一特征，确定所述各个区域的自注意力；
18、基于每个区域的自注意力对所述每个区域的第一特征进行增强处理，得到所述每个区域的自注意力特征，作为所述每个区域的第二特征。
19、在其中一个实施例中，所述基于所述故障检测模型、所述每个区域的第一特征和所述文本特征，得到所述每个区域的第三特征，包括：
20、根据所述故障检测模型中的第二交叉注意力层、所述每个区域的第一特征和所述文本特征，确定所述每个区域与所述故障检测任务之间的第二交叉注意力；
21、基于所述每个区域的第二交叉注意力，从所述文本特征中提取出所述每个区域的第二交叉注意力特征，作为所述每个区域的第三特征。
22、在其中一个实施例中，所述故障检测任务针对的输电线路故障为至少一类；
23、获取所述输电线路的多张样本故障图像；每张样本故障图像中有至少一类输电线路故障；
24、对每张样本故障图像中存在的输电线路故障进行标注，得到多张标注后样本故障图像，并针对所述多张标注后样本故障图像，构建多个样本故障检测任务；每个样本故障检测任务针对的输电线路故障为至少一类；
25、基于所述多张标注后样本故障图像和所述多个样本故障检测任务，对待训练的故障检测模型进行训练，直到所述故障检测模型的损失值小于预设损失值，将对应的所述损失值小于所述预设损失值的所述故障检测模型作为所述预先训练得到的故障检测模型；
26、其中，所述样本故障检测任务包括针对单类输电线路故障的单目标样本故障检测任务，和针对多类输电线路故障的多目标样本故障检测任务；所述损失值至少包括单目标损失值、多目标损失值和无目标损失值；所述单目标损失值为所述故障检测模型在所述单目标样本故障检测任务下的损失值，所述多目标损失值为所述故障检测模型在所述多目标样本故障检测任务下的损失值，所述无目标损失值为所述故障检测模型在所述标注后样本故障图像中不存在对应的所述样本故障检测任务所针对的输电线路故障时的损失值。
27、第二方面，本申请还提供了一种输电线路故障检测装置，包括：
28、信息获取模块，用于获取输电线路的输电线路图像和针对所述输电线路图像的故障检测任务；
29、特征提取模块，用于将所述输电线路图像和所述故障检测任务输入至预先训练得到的故障检测模型，得到所述输电线路图像的图像特征和所述故障检测任务的文本特征；
30、特征融合模块，用于通过所述故障检测模型对所述图像特征和所述文本特征的融合处理，得到所述输电线路图像的跨模态特征；
31、故障检测模块，用于基于所述故障检测模型和所述跨模态特征，在所述输电线路图像中确定出与所述故障检测任务关联的目标区域，作为所述输电线路图像在所述故障检测任务下的故障检测结果。
32、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
33、获取输电线路的输电线路图像和针对所述输电线路图像的故障检测任务；
34、将所述输电线路图像和所述故障检测任务输入至预先训练得到的故障检测模型，得到所述输电线路图像的图像特征和所述故障检测任务的文本特征；
35、通过所述故障检测模型对所述图像特征和所述文本特征的融合处理，得到所述输电线路图像的跨模态特征；
36、基于所述故障检测模型和所述跨模态特征，在所述输电线路图像中确定出与所述故障检测任务关联的目标区域，作为所述输电线路图像在所述故障检测任务下的故障检测结果。
37、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
38、获取输电线路的输电线路图像和针对所述输电线路图像的故障检测任务；
39、将所述输电线路图像和所述故障检测任务输入至预先训练得到的故障检测模型，得到所述输电线路图像的图像特征和所述故障检本文档来自技高网...
【技术保护点】
1.一种输电线路故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像特征包括所述输电线路图像的特征图，所述特征图包括多个区域；
3.根据权利要求2所述的方法，其特征在于，所述图像特征还包括所述每个区域的区域特征；
4.根据权利要求2所述的方法，其特征在于，所述基于所述故障检测模型和各个区域的第一特征，得到所述每个区域的第二特征，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述故障检测模型、所述每个区域的第一特征和所述文本特征，得到所述每个区域的第三特征，包括：
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述故障检测任务针对的输电线路故障为至少一类；
7.一种输电线路故障检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种输电线路故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像特征包括所述输电线路图像的特征图，所述特征图包括多个区域；
3.根据权利要求2所述的方法，其特征在于，所述图像特征还包括所述每个区域的区域特征；
4.根据权利要求2所述的方法，其特征在于，所述基于所述故障检测模型和各个区域的第一特征，得到所述每个区域的第二特征，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述故障检测模型、所述每个区域的第一特征和所述文本特征，得到所述每个区域的第三特征，包括：
6.根据权利要求1至5任...
【专利技术属性】
技术研发人员：董召杰，吴秋昊，蔡卓骏，余煜塬，林全郴，李汉巨，张焕明，冯勤宇，余戈磊，钟佳益，
申请(专利权)人：南方电网人工智能科技有限公司，
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。