【技术实现步骤摘要】
本专利技术涉及电网检测，特别是涉及一种雨雾复杂环境下的输电线路危物识别方法及系统。
技术介绍
1、输电线路保护和预防损坏对我国电力能源的保护和各行各业的稳定发展具有不可替代性作用，在当前的电力传输系统中，外部威胁主要源于不当操作的大型施工设备和由鸟类筑巢引发的电路短路问题，以及雨雾等恶劣天气，故对雨雾环境下的输电通道进行安防巡检，有利于输电系统的安全稳定运行。
2、目前输电线路的安全巡检方式主要有借助人工巡线、无人机巡线以及基于视频的输电线路在线监控系统。其中，人工巡线的方式不仅成本高、效率低、费时费力，晚报漏报情况时常发生，而且遇到冰雪、地震、山体滑坡等突发状况时，输电线路的安防工作将完全无法进行；在线监控系统巡检无人机成本昂贵且续航能力不足，安防巡检成本高且无法应对突发状况；无人机辨识速度慢且难以部署体量较大的目标检测系统，进而导致目标检测效率低下。总之，这些方式成本高，效率低，缺乏实时性和可靠性，易造成晚报错报漏报。因此，相较于人工与无人机巡检，目前的电力系统中更青睐于使用视频监控来进行安防工作，视频监控系统具有昼夜全天候无间断监控，精确报警、交互性好、处理速度快等优点，对于输电通道的入侵以及异常情况能够及时地反馈，在整个电力安防系统中发挥着重要的作用。
3、但是，目前的视频在线监控系统仍然存在很多不足：首先，可见光摄像头在夜晚低照度情况下导致成像质量降低，监控画面模糊，极大的降低了异常情况判断的准确性，容易产生错报漏报等情况；其次，目前的在线视频监控系统对输电线路的安防工作主要采用由前端摄像头进行
4、随着人工智能的快速发展，基于深度卷积神经网络的检测模型被引入以提高目标检测性能。目前基于深度学习的目标检测算法基本上可以分为两类：1)基于区域建议的方法是先进行候选区域生成(rp)，再通过卷积神经网络(cnn)进行样本分类的两步检测网络，如rcnn系列算法；2)基于一阶段回归的一步检测模型，如yolo系列、ssd、centernet以及在此基础上改进的检测模型。由于第一类目标检测模型采用了候选区域生成和后续的深度分类，其相较于第二类目标检测模型，目标检测的精度和定位准确性上有明显提高，但是目标检测速度相对较慢，在边缘端的适用性方面，一步检测模型在确保相对较高准确率的同时，能够将目标框的定位问题转化为回归问题，无需候选区域生成步骤，简化了检测流程，不仅大大减少了计算需求，适合部署在资源受限的边缘设备上，而且推理速度有明显优势，能够接近实时性的性能，满足边缘端快速处理的需求。
5、但是，一步检测模型和两步检测模型的体量较大，均难以部署到计算资源受限的边缘设备上，故实现模型轻量化至关重要。但是实现模型的轻量化必然会导致部分目标信息的损失，无法充分提取和区分不同目标的细微特征，进而导致模型精度下降。
6、因此，亟需一种新的边缘计算的雨雾复杂环境下的输电线路危物识别方案，以实现对输电线路危物的实时监控，提高危物检测精度，并降低成本。
技术实现思路
1、本专利技术的目的是提供一种雨雾复杂环境下的输电线路危物识别方法及系统，通过构建雨雾环境下输电线路危物识别的yolov8n模型，实现了输电线路附近危物的实时、精确、全天候检测，显著降低了检查成本。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种雨雾复杂环境下的输电线路危物识别方法，包括以下步骤：
4、s1、构建雨雾环境下的输电线路数据集，并利用make sense平台对所述雨雾环境下的输电线路数据集进行深度标注，得到标注后的输电线路数据集；
5、s2、将轻量型共享卷积检测头作为yolov8n模型的检测头，利用sppf-lska替换yolov8n模型的骨干特征提取网络中的sppf，并在sppf-lska后引入triplet-attention轻量级注意力机制，得到雨雾环境下输电线路危物识别的yolov8n模型；
6、s3、将所述标注后的输电线路数据集分为训练集和验证集，并利用训练集对所述雨雾环境下输电线路危物识别的yolov8n模型进行训练，得到训练好的雨雾环境下输电线路危物识别的yolov8n模型；
7、s4，利用所述训练好的雨雾环境下输电线路危物识别的yolov8n模型进行输电线路检测。
8、进一步的，所述s1，构建雨雾环境下的输电线路危物监测数据集，并利用makesense平台对所述数据集进行深度标注，具体包括：
9、s11，通过无人机获得各场景下多视角、多目标的输电线路周边的视频图像，所述多视角包括近距离、远距离以及侧面视角，所述多目标包括挖掘机、重型卡车、推土机、塔吊、鸟类巢穴和起重机；
10、s12，利用rgb图像处理技术、随机数生成雨滴参数和图像叠加技术模拟输电线路在雨雾环境下的效果，生成雨雾环境下的输电线路数据集；
11、s13，利用make sense平台对雨雾环境下输电线路数据集进行深度标注，产生了遵循coco标准格式的标签文件。
12、进一步的，所述s12，利用rgb图像处理技术、随机数生成雨滴参数和图像叠加技术模拟输电线路在雨雾环境下的效果，生成雨雾环境下的输电线路数据集，具体包括：
13、s121，模拟输电线路在雾天环境下的效果，生成雾天环境下的输电线路数据集：创建一张rgb模式中的三个通道都设置为最大值的新图像作为白色背景，并且尺寸与无人机采集的视频图像相同，用来模拟雾的初始效果；在混合过程中，通过调整alpha的阈值实现不同程度雾效果的覆盖，进而获得雾天环境下的输电线路数据集；
14、s122，在雾天环境下输电线路数据集基础上，采用图像叠加和随机数生成雨滴参数的技术来模拟输电线路在雨雾环境下的效果：创建一个尺寸大小与原图像一样的空白图像，在空白图像上用随机数生成雨滴的参数，所述参数包括雨滴的起始坐标、长度、密度和方向，最后将生成雨滴效果的图像与雾天效果下的图像进行图像叠加，生成雨雾环境下的输电线路数据集。
15、进一步的，所述方法还包括：当检测识别到潜在危险时，系统自动将检测结果通过通信设备传输至云端服务器，并触发警报。
16、本专利技术还提供了一种雨雾复杂环境下的输电线路危物识别系统，用于执行所述的雨雾复杂环境下的输电线路危物识别方法，包括：
17、监控设备，用于通过无人机采集各场景下多视角、多目标的输电线路周边的视频图像；
18、边缘设备，用于根据所述视频图像进行雨雾复杂环境下的输电线路周边的危物识别；所述边缘设备包括图像处理模块和yolov8n模型模块；
19、通信设备，用于从所述本文档来自技高网...
【技术保护点】
1.一种雨雾复杂环境下的输电线路危物识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述S1，构建雨雾环境下的输电线路危物监测数据集，并利用Make Sense平台对所述数据集进行深度标注，具体包括：
3.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述S12，利用RGB图像处理技术、随机数生成雨滴参数和图像叠加技术模拟输电线路在雨雾环境下的效果，生成雨雾环境下的输电线路数据集，具体包括：
4.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述方法还包括：当检测识别到潜在危险时，系统自动将检测结果通过通信设备传输至云端服务器，并触发警报。
5.一种雨雾复杂环境下的输电线路危物识别系统，用于执行权利要求1-4任一项所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，包括：
6.根据权利要求5所述的雨雾复杂环境下的输电线路危物识别系统，其特征在于，所述轻量型共享卷积检测头用于对三个所述轻量型共享卷积检测头共享
7.根据权利要求5所述的雨雾复杂环境下的输电线路危物识别系统，其特征在于，所述监控设备采用的是装载工业级USB免驱摄像头为无人机；边缘设备采用的是华为Atlas200IDKA2边缘计算开发板；通信设备为无线模块。
8.根据权利要求5所述的雨雾复杂环境下的输电线路危物识别系统，其特征在于，对所述视频图像进行预处理，具体包括：使用OpenCV对采集到的视频图像进行尺寸调整，并对调整后的视频图像进行解码。
...【技术特征摘要】
1.一种雨雾复杂环境下的输电线路危物识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述s1，构建雨雾环境下的输电线路危物监测数据集，并利用make sense平台对所述数据集进行深度标注，具体包括：
3.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述s12，利用rgb图像处理技术、随机数生成雨滴参数和图像叠加技术模拟输电线路在雨雾环境下的效果，生成雨雾环境下的输电线路数据集，具体包括：
4.根据权利要求1所述的雨雾复杂环境下的输电线路危物识别方法，其特征在于，所述方法还包括：当检测识别到潜在危险时，系统自动将检测结果通过通信设备传输至云端服务器，并触发警报。
5.一种雨雾复杂环境下的输电线路危物识别系统，用于执...
【专利技术属性】
技术研发人员：刘亚魁，王翔民，甘霖，刘岩磊，姜星，赵敬峰，
申请(专利权)人：青岛理工大学，
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。