[发明专利]一种输电导线断股与断点的识别方法、设备及存储介质

说明书

本发明公开一种输电导线断股与断点的识别方法、设备及存储介质，方法包括：获取多股断股导线数据库中的若干个断点图像，其中，若干个所述断点图像被分为训练集和测试集；构建多股断股导线断点定位网络，将所述训练集通过所述多股断股导线断点定位网络进行反复训练，以得到初步神经网络模型；利用所述测试集验证所述初步神经网络模型的精度，若所述初步神经网络模型的精度满足要求，则生成多股断股导线断点定位模型；获取待识别多股断股导线图像，采用所述多股断股导线断点定位模型对所述待识别多股断股导线图像进行识别，以得到多股断股导线图像内断点的位置。本发明解决了目前多股断股导线的断点识别不便的技术问题。

技术领域

本发明涉及导线修补技术领域，具体涉及一种输电导线断股与断点的识别方法、设备及存储介质。

背景技术

输电线路主要承担电能输送任务，是国家电网的重要组成部分。由于输电线路架设面积广，途经地区的地形和气候复杂多变，因而在外界环境的长时间影响下，输电导线容易产生导线断股、导线破损等故障。如果这些故障不及时维修，容易引发线路断线和短路故障，进而造成大面积非计划停电。因此，定期开展巡检工作非常关键，定期开展巡检工作不仅可以保障输电线路平稳及可靠地运行，还能避免不必要的经济损失，对国民用电安全和经济稳定发展起着至关重要的作用。

早期的巡检工作主要由人工巡检方式来完成，即工作人员直接通过肉眼观察，查找并识别线路上的故障点，这种巡检方式效率低、难度大且可靠性较弱。随着科技的进步，新型的巡检方式逐步取代人工巡检，这种新型的巡检方式主要通过携带高清摄像机或者红外摄像机等图像采集工具来拍摄输电线路图像，再由工作人员查看并分析采集到的视频图像，观察输电线路典型部件的状况并找出故障点。

当视频图像中的断股导线为单股断点时，可以快速标注出断点的位置，但是，当视频图像中的断股导线为多股断点时，由于断点数量较多，需要工作人员一一查看并标注，工作效率较低，而且容易漏掉一个或者多个断点，给断点的识别带来了不便。

发明内容

本发明的目的在于克服上述技术不足，提供一种输电导线断股与断点的识别方法、设备及存储介质，解决现有技术中多股断股导线的断点识别不便的技术问题。

为达到上述技术目的，本发明采取了以下技术方案：

第一方面，本发明提供一种输电导线断股与断点的识别方法，包括如下步骤：

获取多股断股导线数据库中的若干个断点图像，其中，若干个所述断点图像被分为训练集和测试集；

构建多股断股导线断点定位网络，将所述训练集通过所述多股断股导线断点定位网络进行反复训练，以得到初步神经网络模型；

利用所述测试集验证所述初步神经网络模型的精度，若所述初步神经网络模型的精度满足要求，则生成多股断股导线断点定位模型；

获取待识别多股断股导线图像，采用所述多股断股导线断点定位模型对所述待识别多股断股导线图像进行识别，以得到多股断股导线图像内断点的位置。

优选的，所述的输电导线断股与断点的识别方法中，所述股断股导线断点定位网络为改进的MobileNetV3卷积神经网络，所述改进的MobileNetV3卷积神经网络包括深度可分离卷积结构以及显性瓶颈倒残差结构。

优选的，所述的输电导线断股与断点的识别方法中，所述深度可分离卷积结构通过采用M个深度卷积核组成的深度卷积层对各通道进行特征提取，得到M个特征图后，采用N个1×1×M卷积层将深度卷积层的输出从M维映射到N维，其中，M、N为特征图的通道数。

优选的，所述的输电导线断股与断点的识别方法中，所述显性瓶颈倒残差结构中加入了轻量级通道注意力模块。

优选的，所述的输电导线断股与断点的识别方法中，所述显性瓶颈倒残差结构在浅层网络和深层网络中采用不同的激活函数。