CN110675395A

CN110675395A - 输电线路智能在线监测方法

Info

Publication number: CN110675395A
Application number: CN201910933684.3A
Authority: CN
Inventors: 鲍春飞; 李小龙; 王丽洁; 葛玉鑫; 郭守飞
Original assignee: Zhiyang Innovation Technology Co Ltd
Current assignee: Zhiyang Innovation Technology Co Ltd
Priority date: 2019-09-29
Filing date: 2019-09-29
Publication date: 2020-01-10

Abstract

本发明涉及输电线路在线监测技术领域，具体涉及一种输电线路智能在线监测方法，包括以下步骤：步骤一、前端监拍装置采集图像；步骤二、前端监拍装置对采集到的图像进行分析及图像识别；步骤三、判断采集的图像是否为有隐患的图像，若为有隐患的图像则将该图像上传至后台，若不是有隐患的图像，则不上传该图像。本发明方法由前端监拍装置采集图像并对图像进行分析识别，当识别出存在隐患的图像时，将该图像传送至后台，当识别的图像没有存在隐患时，则不上传该图像。提高前端监拍装置的运行速度及图像分析的速度的同时降低了回传数据流量的消耗，减少了数据传输的流量费用，缓解了回传通信的网络压力。

Description

输电线路智能在线监测方法

技术领域

本发明涉及输电线路在线监测技术领域，具体涉及一种输电线路智能在线监测方法。

背景技术

特殊场景的输电线路监测对前端设备的实时性、智能效果、功耗等要求较高，传统监测设备因为受制于硬件平台限制，智能算力较弱，单凭算法难以实现高效、准确的图像智能识别，前端智能识别效果差，需要回传拍摄的图像到后台监控中心进行分析或人工处理，要达到实时在线监测的目的则需要缩短拍摄间隔，而拍摄频率的提高则会造成大量图片回传至后台，增加后台及网络带宽的压力，造成通讯流量费用大幅增加。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种能够提高图像识别准确性，降低图像回传流量消耗的输电线路智能在线监测方法。

本发明为解决其技术问题所采用的技术方案为：

输电线路智能在线监测方法，包括以下步骤：

步骤一、前端监拍装置采集图像；

步骤二、前端监拍装置对采集到的图像进行分析及图像识别；

步骤三、判断采集的图像是否为有隐患的图像，若为有隐患的图像则将该图像上传至后台，若不是有隐患的图像，则不上传该图像。

所述步骤二前端监拍装置通过fast-RCNN算法对采集到的图像进行分析及图像识别。

所述步骤二前端监拍装置对采集到的图像进行分析及图像识别包括以下子步骤：

2-1)：隐患图像数据收集及分类；

2-2)：隐患智能预警模型标定；

2-3)：隐患预警特征自动提取；

2-4)：隐患图像自动识别。

步骤2-1)隐患图像数据收集及分类包括对输电通道现场采集的历史图像进行收集，并对收集的图像进行处理，将模糊不清、信息不全等存在缺陷的图像提出，从处理后的图像中，筛选出存在隐患的图像，并按照不同的隐患类型对筛选出的隐患图像进行分类，在分类的基础上，建立相应的隐患图像样本库。

步骤2-2)隐患智能预警模型标定包括在隐患图像样本库的基础上，对各种隐患类型的图片样本进行隐患模型标定。

步骤2-3)隐患预警特征自动提取包括通过深度学习算法，对各类隐患模型标定的各种隐患特征进行自动提取，然后根据提取的隐患特征分别对不同隐患模型进行训练，训练过程中动态调整训练样本库与参数集，形成闭环的模型训练修改机制，直至模型具有较高的检测准确率和运行效率，最终确定检测识别功能模块的整体环境和参数配置。

步骤2-4)隐患图像自动识别包括对采集的图像进行自动识别，将识别为隐患图像的图片进行隐患区域的标识，并做为预警图片进行存储。

所述前端监拍装置包括拍照模块、控制模块及识别模块，前端监拍装置通过拍照模块采集图像，并经过控制模块传送至识别模块对采集到的图像进行分析及图像识别。

识别模块为AI加速模块。

前端监拍装置通过无线传输方式将存在隐患的图像传送至后台。

与现有技术相比，本发明具有以下有益效果：

1)使用AI加速模块具有较为强大的算力，提高前端监拍装置的运行速度及图像分析的速度；

2)通过fast-RCNN算法能够提高图像分析识别的准确率；

3)通过前端监拍装置拍摄图像并对图像进行分析识别出存在隐患的图像，仅将识别出的存在隐患的图像传送至后台，保证实时性的同时降低回传数据流量的消耗，减少了数据传输的流量费用，缓解了回传通信的网络压力。

附图说明

图1是本发明的流程图。

图2是本发明前端监拍装置的结构框图。

具体实施方式

下面结合附图对本发明实施例做进一步描述：

实施例1

如图1所示，输电线路智能在线监测方法，包括以下步骤：

步骤一、前端监拍装置采集图像；

步骤二前端监拍装置通过fast-RCNN算法对采集到的图像进行分析及图像识别，具体包括以下子步骤：

2-1)：隐患图像数据收集及分类；

2-2)：隐患智能预警模型标定；

2-3)：隐患预警特征自动提取；

2-4)：隐患图像自动识别。

步骤2-2)隐患智能预警模型标定包括为了能够对隐患图像进行智能分析，需要在隐患图像样本库的基础上，对各种隐患类型的图片样本进行隐患模型标定。即针对每一类隐患类型中的相似样本，将其中的隐患位置作为隐患特征进行逐一标定，并保存标定结果。

前端监拍装置包括拍照模块、控制模块及识别模块，前端监拍装置通过拍照模块采集图像，采集的图像由控制模块传送至识别模块对采集到的图像进行分析及图像识别。

识别模块为AI加速模块，AI加速模块中使用基于深度学习的目标检测算法中的fast-RCNN算法。该算法对多维、复杂的物体特征具有较好的建模能力，适用于复杂的输电现场情况，满足对不同的隐患个体多特征识别的需求。本实施例中AI加速模块采用华为Atlas200加速模块，内置Ascend310人工智能芯片。

本发明由前端监拍装置的拍照模块拍照进行图像采集，然后将采集到的图像经过控制模块传送至AI加速模块，AI加速模块使用基于深度学习的目标检测算法中的fast-RCNN算法对采集到的图像进行分析识别，当识别出存在隐患的图像时前端监拍装置将该图像传送至后台，当识别的图像没有存在隐患时，则不上传该图像。

实施例2

针对1000个场景分别使用设置有AI加速模块的前端监拍装置与未设置AI加速模块的前端监拍装置进行监拍，并对监拍结果的漏检率、误检率及识别准确率进行统计，其统计结果如下表：

由上表可知，设置有AI加速模块的前端监拍装置提高了对图像分析识别的准确率，同时降低了漏检率及误检率。

实施例3

将本发明方法与传统的前端监拍装置拍摄图像传送至后台分析的方法对比如下表所示：

由上表可知，本发明方法单张图像分析识别耗时更短，每月回传消耗的流量更少。

Claims

1.一种输电线路智能在线监测方法，其特征在于，包括以下步骤：

步骤一、前端监拍装置采集图像；

2.根据权利要求1所述的输电线路智能在线监测方法，其特征在于，所述步骤二前端监拍装置通过fast-RCNN算法对采集到的图像进行分析及图像识别。

3.根据权利要求2所述的输电线路智能在线监测方法，其特征在于，所述步骤二包括以下子步骤：

2-1)：隐患图像数据收集及分类；

2-2)：隐患智能预警模型标定；

2-3)：隐患预警特征自动提取；

2-4)：隐患图像自动识别。

4.根据权利要求3所述的输电线路智能在线监测方法，其特征在于，步骤2-1)隐患图像数据收集及分类包括对输电通道现场采集的历史图像进行收集，并对收集的图像进行处理，将模糊不清、信息不全等存在缺陷的图像提出，从处理后的图像中，筛选出存在隐患的图像，并按照不同的隐患类型对筛选出的隐患图像进行分类，在分类的基础上，建立相应的隐患图像样本库。

5.根据权利要求4所述的输电线路智能在线监测方法，其特征在于，步骤2-2)隐患智能预警模型标定包括在隐患图像样本库的基础上，对各种隐患类型的图片样本进行隐患模型标定。

6.根据权利要求5所述的输电线路智能在线监测方法，其特征在于，步骤2-3)隐患预警特征自动提取包括对各类隐患模型标定的各种隐患特征进行自动提取，然后根据提取的隐患特征分别对不同隐患模型进行训练，训练过程中动态调整训练样本库与参数集，形成闭环的模型训练修改机制，直至模型具有较高的检测准确率和运行效率，最终确定检测识别功能模块的整体环境和参数配置。

7.根据权利要求6所述的输电线路智能在线监测方法，其特征在于，步骤2-4)隐患图像自动识别包括对采集的图像进行自动识别，将识别为隐患图像的图片进行隐患区域的标识，并做为预警图片进行存储。

8.根据权利要求2所述的输电线路智能在线监测方法，其特征在于，所述前端监拍装置包括拍照模块、控制模块及识别模块，前端监拍装置通过拍照模块采集图像，并经过控制模块传送至识别模块对采集到的图像进行分析及图像识别。

9.根据权利要求8所述的输电线路智能在线监测方法，其特征在于，识别模块为AI加速模块。

10.根据权利要求1所述的输电线路智能在线监测方法，其特征在于，所述前端监拍装置通过无线传输方式将存在隐患的图像传送至后台。