[发明专利]一种红外热成像输电线路防外破监测系统及其建模方法

说明书

本发明提供了一种红外热成像输电线路防外破监测系统及其建模方法，包括：卷积神经网络模块，用于提取红外输电线路外破分割图像特征；双向循环神经网络模块，具有五个，位于所述卷积神经网络模块之后；解码器模块，用于将所述双向循环神经网络模块输出的特征图的分辨率逐渐恢复到输入图像的分辨率；以及模型训练模块，用于对所述防外破监控系统进行训练。本发明的一种红外热成像输电线路防外破监测系统及其建模方法，构建了基于深度卷积神经网络和双向循环神经网络的外破隐患分割网络模型，能够对前端巡检采集到的红外图像进行智能分析，定位输电线路外破隐患，保障了监控效果，极大降低了人员巡检的劳动成本。

技术领域

本发明涉及输电线路检测技术领域，具体涉及一种红外热成像输电线路防外破监测系统及其建模方法。

背景技术

随着我国国民经济的增长和生活水平的提高，电力的需求也日益增加，电力系统电网规模的扩大和电力负荷的提高，使电力设备损坏、故障及严重时造成设备烧损等事故发生的可能性增加。为尽可能避免各类电力事故，减少事故导致的重大经济损失势在必行，刻不容缓。

通过人工方式巡检耗时耗力，可靠性低。通过通信技术和传感技术将实时监控图片或者视频传输到后台可以降低巡检工作量，但是仍需要后台工作人员肉眼判断是否存在外破隐患，工作量大且容易遗漏，没有实现监测的智能化。

发明内容

为了解决上述问题，本发明提供一种红外热成像输电线路防外破监测系统及其建模方法，构建了基于深度卷积神经网络和双向循环神经网络的外破隐患分割网络模型，能够对前端巡检采集到的红外图像进行智能分析，定位输电线路外破隐患，保障了监控效果，极大降低了人员巡检的劳动成本。

为了实现以上目的，本发明采取的一种技术方案是：

一种红外热成像输电线路防外破监测系统，包括：卷积神经网络模块，用于提取红外输电线路外破分割图像特征，包括两个DWBlock模块以及两个残差模块，红外图像依次输出至DWBlock模块、残差模块、DWBlock模块以及残差模块；

双向循环神经网络模块，具有五个，位于所述卷积神经网络模块之后；解码器模块，由若干层反卷积组成的上采样层，用于将所述双向循环神经网络模块输出的特征图的分辨率逐渐恢复到输入图像的分辨率；以及模型训练模块，所述解码器模块输出至所述模型训练模块，所述模型训练模块用于对所述防外破监控系统进行训练。

进一步地，所述DWBlock模块依次由数据填充、纵向卷积操作、批归一化处理、卷积操作和批归一化处理构成，其中纵向卷积操作输入通道数量和卷积核数量相同。

进一步地，所述数据填充操融合特征值；作指将所述红外图像或所述可见光图像的边界进行扩充，针对每个输入x_i所述批处理归一化过程为：x_i＝(x_i-u)/(sqrt((x_i-v)²)+e)，其中，u为输入{x₁,x₂,x₃,…,x_n}的均值，v为输入{x₁,x₂,x₃,…,x_n}的方差，e是一个小小偏置，防止分母趋向于0。

进一步地，对所述批处理归一化的结果x_i进行了scale加上shift操作，即x_i＝scale*x_i+shift，其中scale和shift通过学习得到。

进一步地，当输入为x时，所述残差模块输出为F(x)+x。