[发明专利]一种检测输电线路故障的方法、设备及存储介质

说明书

本申请实施例提供的一种检测输电线路故障的方法、设备及存储介质，解决了人工检测不能全面准确的判断线路存在的安全隐患，检修成本过高的技术问题。方法包括：基于巡检设备获取若干个样本图像，并基于若干个样本图像构建第一多尺度图像数据集；确定第一多尺度图像数据集中的故障样本图像并进行故障标记，以生成第二多尺度图像数据集；确定第一故障分类网络，并基于第二多尺度图像数据集对第一故障分类网络进行训练，获得第一故障分类模型；检测输电线路故障时，将巡检设备获取的待分析图像输入到第一故障分类模型中，根据故障分类结果进行告警。本申请实施例通过上述方法能够全面准确的判断线路存在的安全隐患，从而极大地减少了检修成本。

技术领域

本申请涉及输电线路故障检测技术领域，尤其涉及一种检测输电线路故障的方法、设备及存储介质。

背景技术

输电线路通常横跨几百公里，且长期暴露于外部，遭受各种自然环境或者人为损坏等，危害整个电网系统的安全性。因此，对输电线线路进行定期巡检是预防输电线路故障的有效措施。

为了解决输电线路遭受各种自然环境或者人为损坏等，危害整个电网系统的安全性的问题，目前采取的巡检方式仍然停留在人工对输电线路进行巡检。由于人工检测不可避免的会发生误判或漏判情况，不能全面准确的判断线路存在的安全隐患，从而极大地增加了检修成本。

发明内容

本申请实施例提供了一种检测输电线路故障的方法、设备及存储介质，解决了人工检测不能全面准确的判断线路存在的安全隐患，从而极大地增加了检修成本的技术问题。

第一方面，本申请实施例提供了一种检测输电线路故障的方法，其特征在于，方法包括：基于巡检设备获取若干个样本图像，并基于若干个样本图像构建第一多尺度图像数据集；确定第一多尺度图像数据集中的故障样本图像，并对故障样本图像进行故障类别标记，以生成第二多尺度图像数据集；确定第一故障分类网络，并基于第二多尺度图像数据集对第一故障分类网络进行训练，以获得收敛的第一故障分类模型；在需要检测输电线路故障的情况下，将巡检设备获取的待分析图像输入到第一故障分类模型中，确定故障分类结果，并根据故障分类结果进行告警。

本申请实施例提供的一种检测输电线路故障的方法，首先将巡检设备获取的若干个样本图像构建成第一多尺度数据集；然后对第一多尺度图像数据集中的故障样本图像进行故障类别标记，并使标记后的样本图像形成了第二多尺度图像数据集；基于第二多尺度数据集对第一故障分类网络进行训练得到第一故障分类模型，在检测输电线路故障时，将待分析的图像输入到第一故障分类模型中，确定故障分类结果从而进行告警。本申请实施例通过上述方法有效的避免了人工检测会发生误判或漏判情况，还能全面准确的判断线路存在的安全隐患，从而极大地减少检修成本。

在本申请的一种实现方式中，确定第一故障分类网络，具体包括：在预设的深度学习网络的全连接层之前加入预设的空间金字塔池化层，以生成多尺度图像深度学习网络；将多尺度图像深度学习网络中的标准卷积计算方式替换为深度可分离卷积计算方式，以获得第一故障分类网络。

本申请实施例通过在预设的深度网络的全连接层之前加入空间金字塔池化层，可以使获得的第一故障分类网路能够处理输入到其中的任何尺度的样本图像；把深度网络中的标准卷积计算方式替换为深度可分离卷积计算方式，可以极大的降低获得的第一故障分类网路中的参数规模。通过上述方法获得的第一故障分类网路不仅可以处理任何尺度的样本图像进行识别处理，所需要的存储空间及机器算力也会大幅度降低。

在本申请的一种实现方式中，在获得收敛的第一故障分类模型之后，方法还包括：确定第一故障分类模型中对应的若干个第一训练参数，并对若干个第一训练参数进行简化调整，以获得若干个第二训练参数；将若干个第二训练参数传入到第二故障分类网络中，以确定第二故障分类模型；将第二故障分类模型设置于巡检设备中，以使巡检设备对获取的待分析图像进行实时分析。