CN112651338B - 一种输电线路违章施工隐患的判别方法及装置 - Google Patents

Abstract

本申请公开了一种输电线路违章施工隐患的判别方法及装置，其中方法包括：利用超分辨表示适用于对低分率图像检测的特性，通过对输电线路卫星影像进行超分辨表示，提高了对施工车辆和违章建筑检测的准确性；并利用裸露地表分割技术能够获取不同尺寸和形状的地表的特性，获取卫星影像中准确的裸露地表部分；同时将施工车辆的数量、违章建筑的面积、裸露地表的面积三个维度的特征描述作为训练数据建立决策树，通过决策树判断输电线路是否存在违章施工的情况，提高了对输电线路的违章施工判别准确率，从而解决了现有技术对输电线路的违章施工判别准确率的技术问题。

Description

一种输电线路违章施工隐患的判别方法及装置

技术领域

本申请涉及电力技术领域，尤其涉及一种输电线路违章施工隐患的判别方法及装置。

背景技术

输电线路作为电网结构中的重要组成部分，其分布广，线路长，常年处于自然环境下，除了各种恶劣天气的影响以外，人为的破坏也使得输电线路出现故障的可能性不断增加，严重影响输电线路的运行安全。其中，在人为破坏方面，违章施工为最常见、最高发的一种形式：施工车辆的悬臂等容易超过输电线路的限高，损毁导线；挖掘等施工，则容易导致地基变形，使线路杆塔出现倾斜。因此，对输电线路的违章施工进行连续巡视并及时干预是一项非常重要的工作。

目前对输电线路违章施工的判别方法主要通过有人机、无人机进行巡检判断以及基于卫星影像进行判断，虽然有人机、无人机巡检对于输电线路是否存在违章施工的判断较为准确，但是成本较高。因此，大多时候通过卫星影像对输电线路违章施工隐患进行判别，然而，目前基于卫星影像的判别方法，由于卫星影像的分辨率较低，并且通常只根据输电线路是否有施工车辆以及设备判断输电线路是否存在违章施工，由于过于片面导致容易出现误判，使得判别准确率较低；而且不能判断出违章施工的隐患等级，使得无法为运维人员提供进一步的辅助。

发明内容

本申请实施例提供了一种输电线路违章施工隐患的判别方法及装置，用于解决现有技术对输电线路的违章施工判别准确率较低且无法判断出违章施工的隐患等级的技术问题。

有鉴于此，本申请第一方面提供了一种输电线路违章施工隐患的判别方法，所述方法包括：

S1、获取待判别输电线路不同时刻的第一卫星影像和第二卫星影像；

S2、基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过所述目标检测模块对所述第一卫星影像和所述第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到所述第一卫星影像和所述第二卫星影像中的施工车辆和违章建筑；

S3、基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过所述裸露地表检测模块对所述第一卫星影像和所述第二卫星影像分别进行精细语义分割，得到所述第一卫星影像和所述第二卫星影像中的裸露地表；

S4、分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级；

S5、将所述第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据，根据所述第一训练数据构建第一决策树；将所述第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积输入到所述决策树中，得到所述待判别输电线路的违章情况。

可选地，步骤S3之后，还包括：

S01、分别计算所述第二卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积；

S02、对所述第一卫星影像和所述第二卫星影像的施工车辆的数量、违章建筑以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像、裸露地表的变化mask图像；

S03、分别计算所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积并进行量化，得到所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级；

S04、将所述施工车辆的变化数量、所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据所述第二训练数据构建第二决策树，并将所述施工车辆的变化数量、所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积输入到第二决策树，得到所述待判别输电线路的违章等级。

可选地，步骤S02之后，还包括：

对所述违章建筑的变化mask图像和所述裸露地表的变化mask图像的边界进行平滑处理。

可选地，步骤S4，具体包括：

分别提取所述第一卫星影像中的违章建筑以及裸露地表的边界轮廓的若干坐标点，根据所述边界轮廓的若干坐标点分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积，并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

可选地，所述分别计算所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积，具体包括：

基于叉积计算公式，根据所述违章建筑的变化mask图像以及所述裸露地表的变化mask图像的边界轮廓的若干坐标点，计算所述违章建筑的变化mask图像以及所述裸露地表的变化mask图像的面积。

可选地，所述叉积计算公式为：

Area＝(p₁+p₂+p₃+...+p_n)/2；

其中，p_n＝x_n×y₁-x₁×y_n；

式中，(x_n,y_n)为边界轮廓的第n个坐标点。

可选地，所述根据所述第一训练数据构建第一决策树之后，还包括：

通过极小化决策树的整体代价函数对所述第一决策树进行剪枝。

本申请第二方面提供一种输电线路违章施工隐患的判别装置，所述装置包括：

获取模块，用于获取待判别输电线路不同时刻的第一卫星影像和第二卫星影像；

第一检测模块，用于基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过所述目标检测模块对所述第一卫星影像和所述第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到所述第一卫星影像和所述第二卫星影像中的施工车辆和违章建筑；

第二检测模块，用于基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过所述裸露地表检测模块对所述第一卫星影像和所述第二卫星影像分别进行精细语义分割，得到所述第一卫星影像和所述第二卫星影像中的裸露地表；

第一计算模块，用于分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级；

第一判别模块，用于将所述第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据，根据所述第一训练数据构建第一决策树；将所述第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积输入到所述决策树中，得到所述待判别输电线路的违章情况。

可选地，还包括：

第二计算模块，用于分别计算所述第二卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积；

第三计算模块，用于对所述第一卫星影像和所述第二卫星影像的施工车辆的数量、违章建筑以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像、裸露地表的变化mask图像；

第四计算模块，用于分别计算所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积并进行量化，得到所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级；

第二判别模块，用于将所述施工车辆的变化数量、所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据所述第二训练数据构建第二决策树，并将所述施工车辆的变化数量、所述违章建筑的变化mask图像以及裸露地表的变化mask图像的面积输入到第二决策树，得到所述待判别输电线路的违章等级。

可选地，所述第一计算模块，具体用于：

分别提取所述第一卫星影像中的违章建筑以及裸露地表的边界轮廓的若干坐标点，根据所述边界轮廓的若干坐标点分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积，并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请提供的输电线路违章施工隐患的判别方法，利用超分辨表示适用于对低分率图像检测的特性，通过对输电线路卫星影像进行超分辨表示，提高了对施工车辆和违章建筑检测的准确性；并利用裸露地表分割技术能够获取不同尺寸和形状的地表的特性，获取卫星影像中准确的裸露地表部分；同时将施工车辆的数量、违章建筑的面积、裸露地表的面积三个维度的特征描述作为训练数据建立决策树，通过决策树判断输电线路是否存在违章施工的情况，提高了对输电线路的违章施工判别准确率，从而解决了现有技术对输电线路的违章施工判别准确率的技术问题。

进一步地，本申请对输电线路在不同时刻的卫星影像的施工车辆数量、违章建筑和裸露地表的面积变化作为训练数据建立决策树，通过决策树判断输电线路违章施工的隐患等级，从而解决了现有技术无法判断出违章施工的隐患等级的技术问题。

附图说明

图1为本申请实施例中提供的一种输电线路违章施工隐患的判别方法实施例一的流程示意图；

图2为本申请实施例中提供的一种输电线路违章施工隐患的判别方法实施例二的流程示意图；

图3为本申请实施例中提供的一种输电线路违章施工隐患的判别装置实施例的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，本申请实施例提供的一种输电线路违章施工隐患的判别方法实施例一，包括：

步骤101、获取待判别输电线路不同时刻的第一卫星影像和第二卫星影像。

需要说明的是，运维人员根据施工违章判别的需要通过卫星导航等工具获取历史不同时刻的卫星影像，可以是同日的不同时刻的卫星影像，也可以是不同日的卫星影像。

步骤102、基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过目标检测模块对第一卫星影像和第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到第一卫星影像和第二卫星影像中的施工车辆和违章建筑。

需要说明的是，centerNet是目标检测模块的基础模型，本实施例以centerNet结构为基础模型，并设置pixel-IOU为模型的损失函数，同时在整体框架中引入超分辨率表示模块分支，对卫星影像中的目标进行高度、宽度、中心点、旋转角度的描述并进行超分辨率表示，使得卫星影像中的目标检测与现有的无人机/在线监测影像中的目标具有类似特征描述，进一步克服卫星遥感影像分辨率低的问题。

可以理解的是，超分辨率表示可以通过多种方法实现，比如通过感知生成对抗网络模型来实现超分表示，其原理是通过缩小小目标与大目标之间的特征差异来改善小目标检测，具体来说，它的生成器学会将感知到的小目标的特征转移到超分辨的大目标上，这些超分辨的大目标特征与真实的大目标特征足够相似，以欺骗竞争者。同时，它的鉴别器与生成器竞争，判别是大目标特征是真实的大目标特征还是生成器生成的大目标特征，并在生成器上施加附加的感知要求。

步骤103、基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过裸露地表检测模块对第一卫星影像和第二卫星影像分别进行精细语义分割，得到第一卫星影像和第二卫星影像中的裸露地表。

需要说明的是，DLinkNet模型为改进的UNet分割算法，本实施例引入ResNet50结构，并融入级联空洞卷积模块提高像素定位的准确性。通过本实施例构建的裸露地表分割模块，能够对卫星影像中的裸露地表进行准确的识别和获取。

其中，DLinkNet网络结构包括三部分，分别是编码部分、中心部分和解码部分。网络有跳跃连接，残差模块，空洞卷积和编码器-解码器体系结构的优势，适用于高分辨率影像分割并且运行速度较快。中心部分采用多支路级联空洞卷积，将每条支路的结果相加，得到融合的特征，每个路径的感受也不同，使得网络可以结合不同尺度的特征，适应不同尺度的精细语义分割。

步骤104、分别计算第一卫星影像中的违章建筑以及裸露地表的面积并进行量化，得到第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

需要说明的是，对于卫星影像中的违章建筑以及裸露地表的面积计算方法有种，比如，通过分别获取违章建筑以及裸露地表的边界轮廓的若干坐标点，通过多个坐标点基于叉积计算方法，计算违章建筑以及裸露地表的面积。

为了构建决策树，本实施例根据违章建筑以及裸露地表的面积进行量化，以数字等级的形式进行表示。

步骤105、将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据，根据第一训练数据构建第一决策树；将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积输入到决策树中，得到待判别输电线路的违章情况。

需要说明的是，本实施例将施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据用作构建决策树模型，通过决策树模型判断输电线路是否违章情况，对于决策树的构建方法，本领域技术人员可以根据现有技术进行选取，在此不做赘述。

本申请提供的输电线路违章施工隐患的判别方法，利用超分辨表示适用于对低分率图像检测的特性，通过对输电线路卫星影像进行超分辨表示，提高了对施工车辆和违章建筑检测的准确性；并利用裸露地表分割技术能够获取不同尺寸和形状的地表的特性，获取卫星影像中准确的裸露地表部分；同时将施工车辆的数量、违章建筑的面积、裸露地表的面积三个维度的特征描述作为训练数据建立决策树，通过决策树判断输电线路是否存在违章施工的情况，提高了对输电线路的违章施工判别准确率，从而解决了现有技术对输电线路的违章施工判别准确率的技术问题。

以上为本申请实施例提供的一种输电线路违章施工隐患的判别方法实施例一，以下为本申请实施例提供的一种输电线路违章施工隐患的判别方法实施例二。

请参阅图2，本申请实施例提供的一种输电线路违章施工隐患的判别方法实施例二，包括：

步骤201、获取待判别输电线路不同时刻的第一卫星影像和第二卫星影像。

步骤201与实施例一步骤101描述相同，请见步骤101描述，在此不再赘述。

步骤202、基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过目标检测模块对第一卫星影像和第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到第一卫星影像和第二卫星影像中的施工车辆和违章建筑。

步骤202与实施例一步骤102描述相同，请见步骤102描述，在此不再赘述。

步骤203、基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过裸露地表检测模块对第一卫星影像和第二卫星影像分别进行精细语义分割，得到第一卫星影像和第二卫星影像中的裸露地表。

步骤203与实施例一步骤103描述相同，请见步骤103描述，在此不再赘述。

步骤204、分别提取第一卫星影像中的违章建筑以及裸露地表的边界轮廓的若干坐标点，根据边界轮廓的若干坐标点分别计算第一卫星影像中的违章建筑以及裸露地表的面积，并进行量化，得到第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

步骤204与实施例一步骤104描述相同，请见步骤104描述，在此不再赘述。

步骤205、将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据，根据第一训练数据构建第一决策树；将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积输入到决策树中，得到待判别输电线路的违章情况。

步骤205与实施例一步骤105描述相同，请见步骤105描述，在此不再赘述。

步骤206、分别计算第二卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积。

需要说明的是，为了判别输电线路施工违章的隐患等级，本实施例将对不同时刻的卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积的变换情况作为判断基础，与步骤104同样的计算方法计算第二卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积。

步骤207、对第一卫星影像和第二卫星影像的施工车辆的数量、违章建筑以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像、裸露地表的变化mask图像。

本实施例分别对不同时刻相同的特征进行作差计算，计算得到施工车辆的变化数量、违章建筑的变化mask图像、裸露地表的变化mask图像。

需要说明的是，在得到违章建筑的变化mask图像、裸露地表的变化mask图像，本实施例还所述违章建筑的变化mask图像和所述裸露地表的变化mask图像的边界进行平滑处理，使得图像的边界更加平滑，从而使得边界轮廓的坐标点更加准确，当然本领域技术人员还可以对图像进行去噪的处理，在此不再赘述。

步骤208、基于叉积计算公式，根据违章建筑的变化mask图像以及裸露地表的变化mask图像的边界轮廓的若干坐标点，计算违章建筑的变化mask图像以及裸露地表的变化mask图像的面积并进行量化，得到违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级。

对于违章建筑的变化mask图像以及裸露地表的变化mask图像的面积的计算，步骤208采用与步骤104相同的计算方法。

其中，叉积计算公式为：

Area＝(p₁+p₂+p₃+...+p_n)/2；

其中，p_n＝x_n×y₁-x₁×y_n；

式中，(x_n,y_n)为边界轮廓的第n个坐标点。

步骤209、将施工车辆的变化数量、违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据第二训练数据构建第二决策树，并将施工车辆的变化数量、违章建筑的变化mask图像以及裸露地表的变化mask图像的面积输入到第二决策树，得到待判别输电线路的违章等级。

与步骤105相同，本实施例步骤209以施工车辆的变化数量、违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据构建决策树，并通过决策树判断输电线路的违章的隐患等级。

需要说明的是，本实施例在构建得到第二决策树后，为了减少过拟合，提高决策树的泛化能力，通过极小化决策树的整体代价函数对所述第二决策树进行剪枝，同样的，对于实施例一种第一决策树也可以进行同样的处理。

本申请提供的输电线路违章施工隐患的判别方法，利用超分辨表示适用于对低分率图像检测的特性，通过对输电线路卫星影像进行超分辨表示，提高了对施工车辆和违章建筑检测的准确性；并利用裸露地表分割技术能够获取不同尺寸和形状的地表的特性，获取卫星影像中准确的裸露地表部分；同时将施工车辆的数量、违章建筑的面积、裸露地表的面积三个维度的特征描述作为训练数据建立决策树，通过决策树判断输电线路是否存在违章施工的情况，提高了对输电线路的违章施工判别准确率，从而解决了现有技术对输电线路的违章施工判别准确率的技术问题。

进一步地，本申请对输电线路在不同时刻的卫星影像的施工车辆数量、违章建筑和裸露地表的面积变化作为训练数据建立决策树，通过决策树判断输电线路违章施工的隐患等级，从而解决了现有技术无法判断出违章施工的隐患等级的技术问题。

以上为本申请实施例提供的一种输电线路违章施工隐患的判别方法实施例二，以下为本申请实施例提供的一种输电线路违章施工隐患的判别装置实施例。

请参阅图3，本申请实施例提供的一种输电线路违章施工隐患的判别装置实施例，包括：

获取模块301，用于获取待判别输电线路不同时刻的第一卫星影像和第二卫星影像。

第一检测模块302，用于基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过目标检测模块对第一卫星影像和第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到第一卫星影像和第二卫星影像中的施工车辆和违章建筑。

第二检测模块303，用于基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过裸露地表检测模块对第一卫星影像和第二卫星影像分别进行精细语义分割，得到第一卫星影像和第二卫星影像中的裸露地表。

第一计算模块304，用于分别计算第一卫星影像中的违章建筑以及裸露地表的面积并进行量化，得到第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

第一判别模块305，用于将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表对应的数字等级作为第一训练数据，根据第一训练数据构建第一决策树；将第一卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积输入到决策树中，得到待判别输电线路的违章情况。

进一步地，在上述装置实施例的基础上，还包括：

第二计算模块306，用于分别计算第二卫星影像中的施工车辆的数量、违章建筑以及裸露地表的面积。

第三计算模块307，用于对第一卫星影像和第二卫星影像的施工车辆的数量、违章建筑以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像、裸露地表的变化mask图像。

第四计算模块308，用于分别计算违章建筑的变化mask图像以及裸露地表的变化mask图像的面积并进行量化，得到违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级。

第二判别模块309，用于将施工车辆的变化数量、违章建筑的变化mask图像以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据第二训练数据构建第二决策树，并将施工车辆的变化数量、违章建筑的变化mask图像以及裸露地表的变化mask图像的面积输入到第二决策树，得到待判别输电线路的违章等级。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种输电线路违章施工隐患的判别方法，其特征在于，包括：

S1、获取输电线路不同时刻的第一卫星影像和第二卫星影像，以及待判别第三卫星影像和待判别第四卫星影像；

S2、基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过所述目标检测模块对所述第一卫星影像和所述第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到所述第一卫星影像和所述第二卫星影像中的施工车辆和违章建筑；

S3、基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过所述裸露地表分割模块对所述第一卫星影像和所述第二卫星影像分别进行精细语义分割，得到所述第一卫星影像和所述第二卫星影像中的裸露地表；

S4、分别计算所述第一卫星影像中的违章建筑的面积以及裸露地表的面积并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表对应的数字等级；

S5、将所述第一卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积对应的数字等级作为第一训练数据，根据所述第一训练数据构建第一决策树；将所述待判别第三卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积对应的数字等级输入到所述第一决策树中，得到所述待判别第三卫星影像的违章情况。

2.根据权利要求1所述的输电线路违章施工隐患的判别方法，其特征在于，步骤S3之后，还包括：

S01、分别计算所述第二卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积；

S02、对所述第一卫星影像和所述第二卫星影像的施工车辆的数量、违章建筑的面积以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像的面积、裸露地表的变化mask图像的面积；

S03、分别计算所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积并进行量化，得到所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级；

S04、根据所述待判别第三卫星影像和所述待判别第四卫星影像计算所述待判别第三卫星影像的施工车辆的变化数量、违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级；

S05、将所述施工车辆的变化数量、所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据所述第二训练数据构建第二决策树，并将所述待判别第三卫星影像的施工车辆的变化数量、违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级输入到第二决策树，得到所述待判别第三卫星影像的违章等级。

3.根据权利要求2所述的输电线路违章施工隐患的判别方法，其特征在于，步骤S02之后，还包括：

对所述违章建筑的变化mask图像和所述裸露地表的变化mask图像的边界进行平滑处理。

4.根据权利要求1所述的输电线路违章施工隐患的判别方法，其特征在于，步骤S4，具体包括：

分别提取所述第一卫星影像中的违章建筑以及裸露地表的边界轮廓的若干坐标点，根据所述边界轮廓的若干坐标点分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积，并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

5.根据权利要求2所述的输电线路违章施工隐患的判别方法，其特征在于，所述分别计算所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积，具体包括：

基于叉积计算公式，根据所述违章建筑的变化mask图像以及所述裸露地表的变化mask图像的边界轮廓的若干坐标点，计算所述违章建筑的变化mask图像以及所述裸露地表的变化mask图像的面积。

6.根据权利要求5所述的输电线路违章施工隐患的判别方法，其特征在于，所述叉积计算公式为：

Area＝(p₁+p₂+p₃+...+p_n)/2；

其中，p_n＝x_n×y₁-x₁×y_n；

式中，(x_n,y_n)为边界轮廓的第n个坐标点。

7.根据权利要求1所述的输电线路违章施工隐患的判别方法，其特征在于，所述根据所述第一训练数据构建第一决策树之后，还包括：

通过极小化决策树的整体代价函数对所述第一决策树进行剪枝。

8.一种输电线路违章施工隐患的判别装置，其特征在于，包括：

获取模块，用于获取输电线路不同时刻的第一卫星影像和第二卫星影像，以及待判别第三卫星影像和待判别第四卫星影像；

第一检测模块，用于基于centerNet结构、损失函数pixel-IOU构建目标检测模块，通过所述目标检测模块对所述第一卫星影像和所述第二卫星影像分别进行高度、宽度、中心点、旋转角度的描述，并通过超分辨率进行表示，得到所述第一卫星影像和所述第二卫星影像中的施工车辆和违章建筑；

第二检测模块，用于基于DLinkNet模型、ResNet50结构并融入级联空洞卷积模块构建裸露地表分割模块，通过所述裸露地表分割模块对所述第一卫星影像和所述第二卫星影像分别进行精细语义分割，得到所述第一卫星影像和所述第二卫星影像中的裸露地表；

第一计算模块，用于分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表对应的数字等级；

第一判别模块，用于将所述第一卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积对应的数字等级作为第一训练数据，根据所述第一训练数据构建第一决策树；将所述待判别第三卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积对应的数字等级输入到所述第一决策树中，得到所述待判别第三卫星影像的违章情况。

9.根据权利要求8所述的输电线路违章施工隐患的判别装置，其特征在于，还包括：

第二计算模块，用于分别计算所述第二卫星影像中的施工车辆的数量、违章建筑的面积以及裸露地表的面积；

第三计算模块，用于对所述第一卫星影像和所述第二卫星影像的施工车辆的数量、违章建筑以及裸露地表的面积进行作差计算，得到施工车辆的变化数量、违章建筑的变化mask图像的面积、裸露地表的变化mask图像的面积；

第四计算单元，用于分别计算所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积并进行量化，得到所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级；

第五计算单元，用于根据所述待判别第三卫星影像和所述待判别第四卫星影像计算所述待判别第三卫星影像的施工车辆的变化数量、违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级；

第二判别模块，用于将所述施工车辆的变化数量、所述违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级作为第二训练数据，根据所述第二训练数据构建第二决策树，并将所述待判别第三卫星影像的施工车辆的变化数量、违章建筑的变化mask图像的面积以及裸露地表的变化mask图像的面积对应的数字等级输入到第二决策树，得到所述待判别第三卫星影像的违章等级。

10.根据权利要求8所述的输电线路违章施工隐患的判别装置，其特征在于，所述第一计算模块，具体用于：

分别提取所述第一卫星影像中的违章建筑以及裸露地表的边界轮廓的若干坐标点，根据所述边界轮廓的若干坐标点分别计算所述第一卫星影像中的违章建筑以及裸露地表的面积，并进行量化，得到所述第一卫星影像中的违章建筑以及裸露地表的对应的数字等级。

Images