[发明专利]一种基于卫星影像深度学习的电网异物检测方法及装置

说明书

本发明涉及一种基于卫星影像深度学习的电网异物检测方法及装置，该方法包括：获取输电走廊和/或变电站及其周边区域的卫星影像；将卫星影像中的异物进行标注，生成标注样本集；将标注样本集中的标注样本进行划分，生成训练集和测试集；将训练集输入机器学习训练模型进行训练；将待检测的卫星影像输入训练后的训练模型，若检测到异物，则发送预警信息。包括：获取模块、标注模块、划分模块、训练模块和预警模块。本发明能够及时发现电网中可能存在的异物隐患风险，提高电网运维人员的效率，及时进行相应灾害的防御及处置，减少因隐患排查不及时带来的经济损失。

技术领域

本申请涉及电网异物检测技术领域，尤其涉及一种基于卫星影像深度学习的电网异物检测方法及装置。

背景技术

电网中设备如输电线路分布范围较广且地理环境多样，输电线路周边农田、房屋较多，输电走廊、变电站周边若存在异物，如薄膜、大棚等，收到外力影响，异物易撞击输电设备造成损坏或悬挂于输电线路上，造成输电线路安全距离不足，进而造成输电线路短路，引起停电事故发生，进而造成巨大的损失。

目前对于电网异物检测主要依赖于人工巡维，巡维成本较大并且发现异物不及时，尚不能满足数字电网的基本需求。

随着卫星数据的开放及深度学习的发展，两者的结合应用也越来越多，为此需要提供一种基于卫星影像深度学习的电网异物检测方法及装置，以解决电网异物检测中人工检测成本大且难以及时发现异物的问题。

发明内容

本申请提供了一种基于卫星影像深度学习的电网异物检测方法及装置，及时发现电网中可能存在的异物隐患风险，提高电网运维人员的效率，及时进行相应灾害的防御及处置，避免隐患排查不及时引起事故的发生。

本申请采用的技术方案如下：

第一方面，本发明提供了一种基于卫星影像深度学习的电网异物检测方法，所述方法包括：

获取输电走廊和/或变电站及其周边区域的卫星影像；

将所述卫星影像中的异物进行标注，生成标注样本集；

将标注样本集中的标注样本进行划分，生成训练集和测试集；

将所述训练集输入机器学习训练模型进行训练；

将待检测的卫星影像输入所述训练后的训练模型，若检测到异物，则发送预警信息。

进一步地，所述获取变电站所处区域的卫星影像之后，还包括：

对所述卫星影像进行第一预处理和第二预处理；

所述第一预处理为大气校正；

所述第二预处理为辐射校正。

进一步地，所述将所述卫星影像中的异物进行标注，生成标注样本集，包括：

将经第一预处理和第二预处理之后的卫星影像中的异物进行标注，生成标注样本集。

进一步地，将经第一预处理和第二预处理之后的卫星影像中的异物进行标注，生成标注样本集之后，还包括：

对标注样本集进行缩放旋转增强处理。

进一步地，将标注样本集进行划分，生成训练集和测试集，包括：

将经缩放旋转增强处理的标注样本进行划分，生成训练集和测试集。

进一步地，将经缩放旋转增强处理的标注样本集进行划分，生成训练集和测试集之后，还包括：

将所述测试集测试模型指标，模型指标包括召回率R_e、精确率P_r及F_β值；