[发明专利]一种基于深度学习的输电线路告警方法和装置

说明书

本发明提供了一种基于深度学习的输电线路告警方法和装置，所述方法包括：获取输电走廊图像，确定待测输电走廊的地面区域；利用训练好的模型获取外破目标的类型和位置，分别将各外破目标映射到输电走廊图像，过滤掉不在地面区域的外破目标；比对数据库中历史外破目标和未被过滤掉的外破目标，比对结果不符合第一预设条件则将告警信息发送到中央管理平台。本发明相对于现有技术，通过目标检测算法确定输电走廊的地面区域，通过目标检测模型监控和识别外破目标的类型和位置，通过三维映射对外破目标是否在输电走廊进行判断，有效实现了对输电线路通道的智能监控、检测和告警，大幅降低了误报率，提高了输电线路的安全性，省略了人工复查步骤。

技术领域

本发明涉及高压输电领域，尤其涉及一种基于深度学习的输电线路告警方法和装置。

背景技术

近年来，随着我国电网规模不断扩大，输电线路的覆盖范围也逐渐越来越广；另一方面，不少地区大力发展建设，但是输电通道内施工机械的使用将极大地威胁输电线路的安全。由于输电线路的跨度大，以及所处环境的特殊性等因素，极易受到恶劣自然天气的侵袭外，违章施工机械、飘挂物、山火等也极易导致线路跳闸，影响电网的安全稳定运行。

由于输电线路多处于野外，且极为分散，当输电线路出现挖掘机、吊车、塔吊、打桩机、推土机等外破物时，人工巡视难以覆盖，目前主要通过摄像头实现输电线路远程监控。但是现在有的监控技术大多仅有图像采集功能，采集的图像仍需人工进行复查确认，难以保证及时、有效和准确地发现安全隐患，且部分拥有识别能力的设备误报率高，实用性较差。

发明内容

本发明提供了一种基于深度学习的输电线路告警方法和装置，以解决外破目标的检测预警的技术问题，省略了人工复查的步骤。

为了解决上述技术问题，本发明实施例提供了一种基于深度学习的输电线路告警方法，包括：

获取经过预处理的输电走廊图像，并通过目标检测算法获取输电线走向、杆塔的塔基位置和地面信息，确定待测输电走廊的地面区域；

利用训练好的外破目标检测模型获取所有第一外破目标的类型和位置，分别将各第一外破目标映射到经过预处理的输电走廊图像，并过滤掉不在所述待测输电走廊的地面区域的第一外破目标；

检索数据库中的历史外破目标，比对所述历史外破目标和未被过滤掉的第一外破目标，若比对结果符合第一预设条件，则忽略检测结果；若比对结果不符合所述第一预设条件，则将告警信息发送到中央管理平台。

作为优选方案，所述通过目标检测算法获取输电线走向、杆塔的塔基位置和地面信息，确定待测输电走廊的地面区域，具体为：

通过目标检测算法识别所述输电走廊图像中杆塔的位置，通过阈值分割识别所述输电走廊图像中的输电线，对所述输电线进行拟合，获得所述输电线的走向；

根据所述杆塔的位置，通过透视变换和角点检测，获取所述塔基位置，结合所述输电走廊图像的地面信息和所述输电线的走向，确定所述待测输电走廊的地面区域。

作为优选方案，所述外破目标检测模型的训练方法具体为：

将若干预设的输电走廊图像数据集作为离线训练集，通过Faster RCNN算法构建外破目标检测模型，通过所述离线训练集对所述外破目标检测模型进行训练，直至所述外破目标检测模型收敛。

作为优选方案，所述过滤掉不在所述待测输电走廊的地面区域的第一外破目标，具体为：

根据所述待测输电走廊的地面区域和所述第一外破目标的位置，通过向量叉乘方法，计算所述第一外破目标和所述待测输电走廊的相对位置关系，剔除在所述待测输电走廊的地面区域外的第一外破目标。

作为优选方案，所述比对所述历史外破目标和未被过滤掉的第一外破目标，具体为：