[发明专利]基于电力系统中导线脱皮装置、图像处理方法及储存介质

权利要求书

1.一种基于电力系统中导线脱皮装置的图像处理方法，其特征在于，所述基于电力系统中导线脱皮装置的图像处理方法包括以下步骤：

步骤一，通过视频增强程序根据导线脱皮视频图像的当前帧以及上一帧的对应像素点获取所述当前帧每个像素点的Y分量与所述上一帧的对应像素点的Y分量之间差值的绝对值；

将所述差值绝对值与预设第一窗口的低通滤波器模板进行卷积，获取得到所述当前帧每个像素点对应的低通滤波结果；

将所述低通滤波结果中超过预设判定门限值的低通滤波结果进行累加，获取所述当前帧的帧级噪声权重；像素点的Y分量用于表示亮度；

步骤二，根据步骤一中所述当前帧的每个像素点以及预设的第一窗口获取每个像素点对应的噪声权重和直流分量；

分别以所述当前帧每个像素点为中心设置第二窗口；

获取所述第二窗口内所有子窗口的直流均值，并根据预设的直流分量划分级别从所有子窗口的直流均值中获取任一子窗口的直流均值作为对应像素点的直流分量；

将所有子窗口的直流均值之间两两相减之差的绝对值之和，作为初始噪声权重，并按照预设的选择策略获取对应像素点的噪声权重；

步骤三，从步骤一所述当前帧的像素点中，按照预设的排序策略获取所述当前帧对应的高频系数组；

步骤四，根据步骤二所述当前帧的帧级噪声权重以及所述高频系数组获取图像增强增益值；

步骤五，根据步骤二所述当前帧的每个像素点以及每个像素点对应的直流分量、步骤三所述图像增强增益值获取每个像素点对应的高频值；

步骤六，根据步骤五所述当前帧的每个像素点对应的高频值以及每个像素点对应的噪声权重对所述当前帧的每个像素点按照预设的图像增强策略进行图像增强，得到所述当前帧图像增强后的对应帧；

步骤七，根据步骤六得到的导线脱皮的对应帧图像，通过路线监测设备对线路的隐患历史数据及外破信息进行上报；

步骤八，线路的隐患历史数据及外破信息被上报至故障判别数据上传器，故障判别数据上传器对接收的数据进行信号处理后被用于构建故障判别指标体系，随后进行故障因子挖掘后以朴素贝叶斯构建模型，并使用构建的模型基于线路的外破信息、隐患历史数据和外破历史数据进行时间序列相似性匹配以进行大数据故障诊断决策，大数据故障诊断决策的故障诊断结果作为隐患预测发生的概率进行输出以及进行预警通知。

2.如权利要求1所述的基于电力系统中导线脱皮装置的图像处理方法，其特征在于，第一步前，需进行：

步骤1，通过脱皮视频采集系统利用摄像设备采集导线脱皮视频数据；

步骤2，主控系统通过清洁系统，与主控系统连接，用于通过清洗机对导线泥土进行清洗。通过切割系统利用切割刀片对导线绝缘皮进行切割；通过切割定位系统利用定位控制器设定刀片切割位置。

3.如权利要求1所述基于电力系统中导线脱皮装置的图像处理方法，其特征在于，第七步中，所述隐患历史数据包括隐患类型、隐患发生的时间、隐患发生的时间所对应的季节和天气数据。

4.如权利要求1所述的基于电力系统中导线脱皮装置的图像处理方法，其特征在于，第八步分析隐患发生的概率后，结合电力走廊的所在位置形成电力走廊外力破坏隐患态势热力图。

5.如权利要求1所述的基于电力系统中导线脱皮装置的图像处理方法，其特征在于，步骤八大数据故障诊断决策方法包括：

通过对传统的前馈神经网络加以修正引入宽残差网络，前馈神经网络有L层，其中第i层(i∈1,2,...,L)的输入为xⁱ，参数为wⁱ，该层的输出yⁱ＝xⁱ⁺¹；忽略层数和偏置，之间的关系表示如下：

y＝F(x,w_f)；

其中，F为非线性激活函数，参数w_f的下标表明该操作对应于F；深度残差网络用下式表示：

y＝F(x,w)+x；

对上式做简单的变形，得：

F(x,w)＝y-x；

由公式网络学习的函数F为公式右侧的残差项(y-x)，称之为残差函数。