[发明专利]一种架空输电线路鸟巢检测方法、介质及系统

说明书

本发明公开一种架空输电线路鸟巢检测方法、介质及系统，包括：获取架空输电线路的若干第一图像，其中，第一图像中的架空输电线路上具有被架空输电线路至少部分遮挡的鸟巢；对若干第一图像中的鸟巢进行位置标注，得到若干第二图像；采用若干第二图像对Conditional DETR的目标检测模型进行训练，得到训练后的Conditional DETR的目标检测模型；实时采集架空输电线路的第三图像；将第三图像输入训练后的Conditional DETR的目标检测模型后，输出预设数量的边界框，并将置信度大于阈值的边界框作为最终的预测框，得到第三图像中鸟巢的位置。本发明可较为准确且快速地得到架空输电线路鸟巢的位置。

技术领域

本发明涉及架空输电线路技术领域，尤其涉及一种架空输电线路鸟巢检测方法、介质及系统。

背景技术

我国高压输电架空线路的不断增多，并且输电线路本身部署在恶劣的自然环境中，且跨度很长，动辄几十、上百公里。鸟类给电力系统带来很多的困扰和危害。然而传统方法需要工程师到现场使用望远镜逐段监测，监测效率、监测准确率和人员安全性较低，给电力工作者带来很大的困扰。随着人工智能技术的发展，基于卷积神经网络的深度学习目标检测方法广泛应用在安防等领域并在大数据场景中展现出远超过传统方法的性能。然而卷积神经网络由于其感受野通过多层卷积层逐渐扩大，面对复杂遮挡时的目标检测结果受限于不灵活的感受野，性能有待提高，对于复杂背景，特别是架空输电线路遮挡下的鸟巢检测的效果不佳。

发明内容

本发明实施例提供一种架空输电线路鸟巢检测方法、介质及系统，以解决现有技术对架空输电线路遮挡下的鸟巢检测的效果不佳的问题。

第一方面，提供一种架空输电线路鸟巢检测方法，包括：

获取架空输电线路的若干第一图像，其中，所述第一图像中的架空输电线路上具有被架空输电线路至少部分遮挡的鸟巢；

对若干所述第一图像中的鸟巢进行位置标注，得到若干第二图像；

采用若干所述第二图像对Conditional DETR的目标检测模型进行训练，得到训练后的Conditional DETR的目标检测模型；

实时采集架空输电线路的第三图像；

将所述第三图像输入所述训练后的Conditional DETR的目标检测模型后，输出预设数量的边界框，并将置信度大于阈值的边界框作为最终的预测框，得到所述第三图像中鸟巢的位置。

第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的架空输电线路鸟巢检测方法。

第三方面，提供一种架空输电线路鸟巢检测系统，包括：如上述第二方面实施例所述的计算机可读存储介质。

这样，本发明实施例，可以较为准确且快速地得到架空输电线路鸟巢的位置，特别适用于被架空输电线路遮挡的鸟巢的检测。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的架空输电线路鸟巢检测方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。