[发明专利]一种基于YOLOv3的输电线路鸟类检测算法

说明书

本发明公开了一种基于YOLOv3的输电线路鸟类检测算法，通过安装在杆塔上的监控装置采集到的视频图像中提取单帧图像，制作训练算法的数据集，并划分训练集和测试集；使用训练集进行算法的训练，并使用测试集对算法进行测试和评估；使用算法来进行目标检测，用检测结果来控制驱鸟器的启停。本发明使用残差模块提取图像的深层次特征，采用多尺度目标检测策略来保证鸟类的检测效果，根据检测结果判断是否启动超声波驱鸟器，以低能耗的方式实现了驱鸟的智能化。

技术领域

本发明属于输电线路的图像处理领域，涉及一种基于YOLOv3的输电线路鸟类检测算法。

背景技术

在社会现代化发展的背景下，社会对于电力的供应、传输的安全性以及可靠性的要求提出越来越高的要求，电力系统的可靠性和安全性发挥着中流砥柱的作用。同时随着环境保护理念的加强以及有关鸟类保护的相关法律法规的建立并完善，鸟类的数量以及活动场地已扩增到前所未有的规模。根据有关统计分析，鸟类活动引起线路跳闸次数在国家电网发生的全部输电线路跳闸次数中排名第三，仅仅排在雷击和外部损害导致的线路故障跳闸次数。

目前针对输电线路鸟害问题，电网公司往往采取传统的驱鸟方式，如在杆塔的构建上安装鸟刺、安装绝缘板防止鸟粪、在绝缘子下端安装风车。采用以上物理方式并不能长期有效的解决鸟害问题，伴随而来的是施工困难、成本高和需要有风的特殊条件等问题。目前最有效的方法是安装超声波驱鸟器，但是使驱鸟器长时间处于工作状态不仅浪费资源还可能会对周围环境产生影响，定时间歇性工作又会使鸟类形成习惯，从而达不到驱鸟的效果。因此如何制定驱鸟器的启停策略成为解决鸟害问题的关键。

发明内容

本发明的目的是提供一种基于YOLOv3的输电线路鸟类检测算法，这种目标检测算法适用于输电线路杆塔附近的鸟类检测，同时可适应恶劣天气环境对图像采集产生的影响，以低能耗的方式实现了驱鸟的智能化。

本发明的目的通过以下技术方案来实现：

一种基于YOLOv3的输电线路鸟类检测算法，其特征在于：该算法主要包括以下步骤：

1）制作数据集，从杆塔固定位置的监控设备采集到的监控视频中，按照位置、季节、时间因素合理抽取单帧图像，将收集到的所有图像组成数据集，用Labellmg工具对收集到的图片进标注并以VOC数据的格式来存储，并对数据集进行分析和调整，并按比例随机划分为训练集和测试集，训练集用来模型训练，测试集用来测试训练后的模型，以保证模型的准确性和稳定性；

2）模型训练，使用划分好的训练集来训练改进的YOLOv3目标检测算法，在LOSS趋于稳定后选出合适的模型进行测试和评估，判断模型是否满足要求，最终选出最优模型；

3）图像采集，从监控视频中提取单帧图像，监控视频来自于输电线路杆塔上安装的监控装置，提取出的图像作为模型的输入进行鸟类识别；

4）鸟类识别并控制驱鸟器的启停，采用改进的YOLOv3目标检测算法对监控装置采集到的单帧图像进行鸟类检测，统计鸟类数目，判断是否达到驱鸟阈值，如果达到驱鸟阈值则启动驱鸟器，否则进行持续监控。

数据集的质量在一定程度上影响着深度学习算法的质量，所以合理的收集和制作数据集尤为关键。从杆塔固定位置的监控设备采集到的监控视频中，按照位置、季节、时间等因素合理抽取单帧图像作为数据集，但是现实场景中负样本个数远远多于正样本，因此含有鸟类的图像较少，为了使模型具有较好的鲁棒性，在制作数据集时加入一些来自网络中且包含鸟类的图像，这样训练后的模型对不同场景下具有较好的适应能力。将收集到的所有图像组成数据集，用Labellmg工具对收集到的图片进标注并以VOC数据的格式来存储，并按比例随机划分为训练集和测试集，训练集用来模型训练，测试集用来测试训练后的模型，以保证模型的准确性和稳定性。