CN115346171A - 一种输电线路监控方法、装置、设备及存储介质 - Google Patents
一种输电线路监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115346171A CN115346171A CN202210974208.8A CN202210974208A CN115346171A CN 115346171 A CN115346171 A CN 115346171A CN 202210974208 A CN202210974208 A CN 202210974208A CN 115346171 A CN115346171 A CN 115346171A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- hidden danger
- dimensional
- target hidden
- power transmission
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种输电线路监控方法、装置、设备及存储介质。该方法包括:采集输电线路通道对应的当前通道图像;基于预先训练出的图像识别模型,对当前通道图像中的目标隐患对象进行识别;若当前通道图像中存在目标隐患对象,则基于当前通道图像和三维映射模型,确定目标隐患对象的空间位置信息;基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;若当前满足预设告警条件,则控制告警设备播报告警信息。通过本发明实施例技术方案,可以实现对输电线路通道的自动监控,从而提高监控的效率,同时提高了对输电线路通道监控的准确性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种输电线路监控方法、装置、设备及存储介质。
背景技术
随着全民用电量持续快速增长,电网建设不断扩展,通过电线路通道可视化技术进行远程安全隐患排查,是现阶段电网建设必然需求。
目前,通常采用人工判断的方式进行远程安全隐患排查。然而,通过人工判断方式的排查准确率较低,易遗漏,同时人工排查耗时长,无法保障在有效时间内及时发现安全隐患。
发明内容
本发明提供了一种输电线路监控方法、装置、设备及存储介质,以实现对输电线路通道的自动监控,从而提高监控的效率,同时提高了对输电线路通道监控的准确性。
根据本发明的一方面,提供了一种输电线路监控方法,该方法包括:
采集输电线路通道对应的当前通道图像;
基于预先训练出的图像识别模型,对所述当前通道图像中的目标隐患对象进行识别;
若所述当前通道图像中存在所述目标隐患对象,则基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息,其中,所述三维映射模型是预先基于所述输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的;
基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;
若当前满足预设告警条件,则控制告警设备播报告警信息。
根据本发明的另一方面,提供了一种输电线路监控装置,该装置包括:当前通道图像获取模块,用于采集输电线路通道对应的当前通道图像;
目标隐患对象识别模块,用于基于预先训练出的图像识别模型,对所述当前通道图像中的目标隐患对象进行识别;
空间位置信息确定模块,用于若所述当前通道图像中存在所述目标隐患对象,则基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息,其中,所述三维映射模型是预先基于所述输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的;
预设告警条件检测模块,用于基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;
告警信息播报模块,用于若当前满足预设告警条件,则控制告警设备播报告警信息。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的输电线路监控方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的输电线路监控方法。
本发明实施例的技术方案,通过采集输电线路通道对应的当前通道图像。基于预先训练出的图像识别模型,对所述当前通道图像中的目标隐患对象进行识别。若所述当前通道图像中存在所述目标隐患对象,则基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息。其中,所述三维映射模型是预先基于所述输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的。基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件。若当前满足预设告警条件,则控制告警设备播报告警信息,可以实现对输电线路通道的自动监控,从而提高了监控效率。同时,通过三维映射模型确定所述目标隐患对象的空间位置信息,无需人工参与,避免误告警的情况,提高对输电线路通道监控准确性,实现精细化管理,从而提高输电线路通道的供电可靠性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种输电线路监控方法的流程图;
图2是根据本发明实施例二提供的另一种输电线路监控方法的流程图;
图3是根据本发明实施例三提供的一种输电线路监控装置的结构图;
图4是实现本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”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,以便这里描述的本发明的实施例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。
实施例一
图1为本发明实施例一提供了一种输电线路监控方法的流程图,本实施例可适用于对输电线路中存在的安全隐患进行自动监控情况,该方法可以由输电线路监控装置来执行,该输电线路监控装置可以采用硬件和/或软件的形式实现,该输电线路监控装置可配置于电子设备中。如图1所示,该方法包括:
S110、采集输电线路通道对应的当前通道图像。
其中,输电线路可以是指输电杆塔之间的电力输电线路。输电线路通道可以包括输电杆塔之间的导线、建筑、地形、地貌以及植被等。当前通道图像可以是指待监控的输电线路通道的当前图像。
具体地,可以通过设置于输电杆塔上的固定摄像装置,根据预设时间间隔采集输电线路通道的当前通道图像,或者通过摄像装置录制的视频中根据预设时间间隔采集一帧视频帧作为输电线路通道对应的当前通道图像。
S120、基于预先训练出的图像识别模型,对当前通道图像中的目标隐患对象进行识别。
其中,目标隐患对象可以是指在预设距离内可能对输电线路通道产生安全事故的对象。例如,目标隐患对象可以是施工机械。图像识别模型可以用于识别输入图像中是否存在目标隐患对象的网络模型。其中,图像识别模型可以是基于YOLOV5分析算法的网络模型。
具体地,将当前通道图像输入至预先训练好的图像识别模型中,以使图像识别模型可以对当前通道图像进行多尺度特征提取,并基于提取出的多尺度特征信息确定出当前通道图像中是否存在目标隐患对象,并将识别结果进行输出,从而基于图像识别模型的输出,可以确定当前通道图像中是否存在目标隐患对象,从而可以自动识别目标隐患对象,提高目标隐患对象识别的准确性。
在本发明实施例中,图像识别模型的训练过程可以是:将隐患对象样本集划分为隐患对象正样本和隐患对象负样本。隐患对象正样本可以是指包含有目标隐患对象的样本图像,隐患对象负样本可以是指未包含目标隐患对象的样本图像。将隐患对象正样本和隐患对象负样本输入至待训练图像识别模型中。待训练图像识别模型可以对输入的样本图像中识别是否存在目标隐患对象,根据待训练图像识别模型输出的识别结果和样本图像的标准结果确定训练误差,并将训练误差反向传播至待训练图像识别模型中,调整待训练图像识别模型中的网络参数,直到满足预设收敛条件,比如迭代次数达到预设次数或者训练误差收敛时,确定待训练图像识别模型训练结束,此时针对训练结束的图像识别模型采用模型剪枝压缩处理,可以得到轻量级图像识别模型,并将该轻量级图像识别模型确定为训练好的图像识别模型。通过多个尺度的特征进行模型训练,可以提升识别隐患对象的识别性能,同时基于训练好的图像识别模型进行识别隐患对象,可以提高图像识别模型识别的准确性。
S130、若当前通道图像中存在目标隐患对象,则基于当前通道图像和三维映射模型,确定目标隐患对象的空间位置信息。
其中,三维映射模型是预先基于输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的。其中,三维点云数据可以通过激光雷达扫描输电线路通道获得。样本通道图像可以通过摄像装置获得。映射关系标签可以是指样本通道图像中的数据点与三维点云数据的数据点之间的对应关系。映射关系标签可以通过人工标定的方式获得。
具体地,如果确定当前通道图像中存在目标隐患对象,则将当前通道图像输入至三维映射模型中进行空间映射,并基于三维映射模型的输出结果,确定目标隐患对象在三维空间中的空间位置信息。
可选地,三维映射模型的训练过程包括:基于输电线路通道的三维点云数据,构建待训练的三维映射模型;基于输电线路通道的样本通道图像和待训练的三维映射模型,确定样本通道图像中的目标隐患对象的样本空间位置信息;基于三维点云数据和样本通道图像之间的映射关系标签,确定样本通道图像中的目标隐患对象的标准空间位置信息;基于样本空间位置信息和标准空间位置信息,确定训练误差,并将训练误差达到收敛条件为训练目标,对待训练的三维映射模型进行训练。
其中,样本通道图像可以是指用于训练模型的样本图像,其中样本通道图像中可以包含目标隐患对象。样本空间位置信息可以是指待训练的三维映射模型输出的目标隐患对象在三维空间中的位置信息。标准空间位置信息可以是指根据映射关系标签确定的目标隐患对象在三维空间中实际的空间位置信息。
具体地,根据设置在输电杆塔上的激光雷达,可以获取输电线路通道的三维点云数据,并构建待训练三维映射模型。将输电线路通道的样本通道图像输入至待训练的三维映射模型中,根据待训练的三维映射模型的输出结果,可以确定样本通道图像中的目标隐患对象的样本空间位置信息。基于样本通道图像中的目标隐患对象为参照对象,根据三维点云数据和样本通道图像之间的映射关系标签,可以确定出目标隐患对象对应的三维点云数据,进而确定出目标隐患对象在三维空间中的标准空间位置信息。将样本空间位置信息与标准空间位置信息进行对比,可以确定出待训练的三维映射模型的训练误差,并将训练误差反向传播至待训练的三维映射模型中,调整待训练的三维映射模型中的网络参数,对待训练的三维映射模型进行训练,直到训练误差达到收敛条件时,确定待训练的三维映射模型训练结束。通过利用三维点云数据、样本通道图像和映射关系标签进行模型训练,可以自动确定目标隐患对象的空间位置信息,无需人工参与,进而保证目标隐患对象的空间位置信息的准确性。
S140、基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件。
其中,预设告警条件可以是指满足目标隐患对象对输电线路通道产生安全事故的告警条件。
具体地,将目标隐患对象的空间位置信息,与输电线路通道中的输电线路的空间位置信息进行对比,确定目标隐患对象的空间位置信息是否满足预设告警条件。
可选地,S140可以包括:基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,确定目标隐患对象与输电线路之间的最短距离;若最短距离小于或等于预设距离阈值,则确定当前满足预设告警条件。
具体地,计算目标隐患对象的空间位置信息的各个数据点与输电线路通道中的输电线路的空间位置信息的各个数据点之间的距离,并确定目标隐患对象与输电线路之间的最短距离,并将该最短距离标注在当前通道图像中该最短距离对应的位置处。将该最短距离与预设距离进行对比,若该最短距离小于或等于预设距离阈值,则确定当前满足预设告警条件,从而无需人工参与,避免误告警的情况,提高对输电线路通道监控准确性。
S150、若当前满足预设告警条件,则控制告警设备播报告警信息。
其中,告警设备可以是指设置在输电杆塔上的播报设备,比如扩音器。
具体地,如果当前目标隐患对象的空间位置信息满足预设告警条件,则自动控制设置在输电杆塔上的告警设备进行远程播报告警信息,也可以通过告警设备进行远程语音喊话,在第一时间告知现场施工人员,并制止目标隐患对象的违章施工行为,可以提升告警效率,同时可以大大提升现场管控响应效率。
本发明实施例的技术方案,通过采集输电线路通道对应的当前通道图像。基于预先训练出的图像识别模型,可以对当前通道图像中的目标隐患对象进行精准识别,同时提升自动识别准确率。若当前通道图像中存在目标隐患对象,则基于当前通道图像和三维映射模型,确定目标隐患对象的空间位置信息。其中,三维映射模型是预先基于输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的。基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件。若当前满足预设告警条件,则控制告警设备播报告警信息,可以实现对输电线路通道的自动监控,从而提高了监控效率。同时,通过三维映射模型确定目标隐患对象的空间位置信息,无需人工参与,避免误告警的情况,提高对输电线路通道监控准确性,实现精细化管理,从而提高输电线路通道的供电可靠性。
在上述实施例的基础上,方法还包括:统计连续出现不存在目标隐患对象或者不满足预设告警条件的监控次数;若监控次数大于或等于预设次数阈值,则增加采集时间间隔,并基于增加后的采集时间间隔采集输电线路通道对应的当前通道图像。
具体地,计算连续出现不存在目标隐患对象或者不满足预设告警条件的监控次数。将该监控次数与预设次数阈值作对比,若监控次数大于或等于预设次数阈值,则增加采集当前通道图像对应时间间隔,并按照最新增加后的采集时间间隔,采集输电线路通道对应的当前通道图像。
示例性地,在本发明实施例中,针对增加采集当前通道图像对应时间间隔,可以为采集时间间隔设置增量时间间隔,比如30秒。若监控次数大于或等于预设次数阈值,则将采集时间间隔在原有的基础上增加一个增量时间间隔,并将新的采集时间间隔作为目标采集时间间隔。例如,当监控次数大于或等于预设次数阈值,则在原有的采集时间间隔的基础上,增加30秒。基于目标采集时间间隔采集输电线路通道对应的当前通道图像。
在本发明实施例中,针对增加采集当前通道图像对应时间间隔,还可以预先设置多个不同的采集时间间隔,并按照采集时间间隔的大小进行升序排列,获得采集时间间隔升序队列。若监控次数大于或等于预设次数阈值,则将采集时间间隔升序队列中当前采集时间间隔的下一采集时间间隔作为目标采集时间间隔,基于目标采集时间间隔采集输电线路通道对应的当前通道图像,可以实现动态采集管理方案,从而降低对输电线路自动监控的功耗,进而降低对输电线路的维护成本。
实施例二
图2为本发明实施例二提供的一种输电线路监控方法的流程图,本实施例在上述各实施例的基础上,并对确定目标隐患对象的空间位置信息进一步细化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图2所示,该方法包括:
S210、采集输电线路通道对应的当前通道图像。
S220、基于预先训练出的图像识别模型,对当前通道图像中的目标隐患对象进行识别。
S230、若当前通道图像中存在目标隐患对象,则获取当前通道图像中目标隐患对象所在的感兴趣区域。
其中,感兴趣区域(ROI,region of interest)可以是指在当前通道图像中目标隐患对象所在的区域。
具体地,根据当前通道图像中目标隐患对象,确定在当前通道图像中目标隐患对象所在的感兴趣区域,从可以剔除非目标隐患对象的区域,降低空间位置映射的复杂度。
S240、将感兴趣区域输入至三维映射模型中进行空间位置映射,并基于三维映射模型的输出,获得目标隐患对象的空间位置信息。
其中,将获取的感兴趣区域输入至三维映射模型中,进行感兴趣区域的空间位置映射,并根据三维映射模型的输出结果,可以目标隐患对象的空间位置信息,从而三维映射模型可以仅对目标隐患对象所在的感兴趣区域进行空间位置映射,无需对其他的无关区域进行空间位置映射,从而可以更加快速地确定出目标隐患对象的空间位置信息。
S250、基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件。
S260、若当前满足预设告警条件,则控制告警设备播报告警信息。
本发明实施例的技术方案,通过获取当前通道图像中目标隐患对象所在的感兴趣区域,可以剔除非目标隐患对象的区域。将感兴趣区域输入至三维映射模型中进行空间位置映射,并基于三维映射模型的输出,获得目标隐患对象的空间位置信息,从而三维映射模型可以仅对目标隐患对象所在的感兴趣区域进行空间位置映射,无需对其他的无关区域进行空间位置映射,从而可以更加快速地确定出目标隐患对象的空间位置信息,进一步提高了输电线路的监控效率,可以更加及时地进行安全告警。
在上述实施例的基础上,三维映射模型包括:特征提取子模型和位置映射子模型;相应地,在S240中,可以包括:
将感兴趣区域输入至特征提取子模型中进行特征提取,确定二维位置特征信息;将二维位置特征信息输入至位置映射子模型中,以使位置映射子模型对输入的二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象的空间位置信息。
其中,特征提取子模型可以用于提取感兴趣区域对应的二维位置特征信息。位置映射子模型可以用于确定目标隐患对象的空间位置信息。其中,位置映射子模型可以是由ResNet模型和PointNet模型结合的网络模型。二维位置特征信息可以是指在二维图像中感兴趣区域对应的位置信息。
具体地,将感兴趣区域输入至特征提取子模型中进行特征提取,并基于特征提取子模型的输出结果,确定感兴趣区域在二维图像中的二维位置特征信息。将确定的二维位置特征信息输入至位置映射子模型中,位置映射子模型基于二维位置与三维点云的映射关系,对二维位置特征信息进行映射处理,基于位置映射子模型的输出结果,可以确定感兴趣区域中目标隐患对象的空间位置信息。
在上述实施例的基础上,对输入的二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象的空间位置信息,包括:
获取输入的二维位置特征信息中位于地面上的地面二维位置特征信息;对地面二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象位于地面上的地面三维位置特征信息;在地面三维位置特征信息的基础上,对剩余二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象在地面上方的三维位置特征信息。
其中,地面二维位置特征信息可以是指在二维图像中目标隐患对象位于地面区域的特征信息。地面三维位置特征信息可以是指在三维空间中目标隐患对象位于地面区域的特征信息。三维位置特征信息可以是指在三维空间中目标隐患对象的空间位置信息。
具体地,根据确定的二维位置特征信息,获取在二维位置特征信息中目标隐患对象位于地面区域的地面二维位置特征信息。基于二维位置与三维点云的映射关系,对地面二维位置特征信息进行映射处理,可以确定在三维空间中目标隐患对象位于地面上的地面三维位置特征信息。基于地面三维位置特征信息,根据二维位置与三维点云的映射关系,对剩余二维位置特征信息进行映射处理,可以确定目标隐患对象在地面上方的三维位置特征信息,进而可以确定目标隐患对象的空间位置信息。通过基于地面二维位置特征信息确定地面三维位置特征信息,并基于地面三维位置特征信息确定目标隐患对象在地面上方的三维位置特征信息,可以保证各级映射之间关系的准确性,从而可以提高确定目标隐患对象的空间位置信息,进而保证播报告警信息的准确性。
实施例三
图3为本发明实施例三提供的一种输电线路监控装置的结构示意图。本实施例可适用于对输电线路中存在的安全隐患进行自动监控情况。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图3所示,该输电线路监控装置包括:当前通道图像获取模块310、目标隐患对象识别模块320、空间位置信息确定模块330、预设告警条件检测模块340和告警信息播报模块350。其中,
当前通道图像获取模块310,用于采集输电线路通道对应的当前通道图像;目标隐患对象识别模块320,用于基于预先训练出的图像识别模型,对当前通道图像中的目标隐患对象进行识别;空间位置信息确定模块330,用于若当前通道图像中存在目标隐患对象,则基于当前通道图像和三维映射模型,确定目标隐患对象的空间位置信息,其中,三维映射模型是预先基于输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的;预设告警条件检测模块340,用于基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;告警信息播报模块350,用于若当前满足预设告警条件,则控制告警设备播报告警信息。
本发明实施例的技术方案,通过采集输电线路通道对应的当前通道图像。基于预先训练出的图像识别模型,对当前通道图像中的目标隐患对象进行识别。若当前通道图像中存在目标隐患对象,则基于当前通道图像和三维映射模型,确定目标隐患对象的空间位置信息。其中,三维映射模型是预先基于输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的。基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件。若当前满足预设告警条件,则控制告警设备播报告警信息,可以实现对输电线路通道的自动监控,从而提高了监控效率。同时,通过三维映射模型确定目标隐患对象的空间位置信息,无需人工参与,避免误告警的情况,提高对输电线路通道监控准确性,实现精细化管理,从而提高输电线路通道的供电可靠性。
在上述实施例的基础上,空间位置信息确定模块330,可以包括:
感兴趣区域获取单元,用于获取当前通道图像中目标隐患对象所在的感兴趣区域;空间位置信息确定单元,用于将感兴趣区域输入至三维映射模型中进行空间位置映射,并基于三维映射模型的输出,获得目标隐患对象的空间位置信息。
在上述实施例的基础上,三维映射模型包括:特征提取子模型和位置映射子模型;相应地,空间位置信息确定单元,可以包括:
二维位置特征信息确定子单元,用于将感兴趣区域输入至特征提取子模型中进行特征提取,确定二维位置特征信息;空间位置信息子单元,用于将二维位置特征信息输入至位置映射子模型中,以使位置映射子模型对输入的二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象的空间位置信息。
在上述实施例的基础上,空间位置信息子单元,还可以具体用于:
获取输入的二维位置特征信息中位于地面上的地面二维位置特征信息;对地面二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象位于地面上的地面三维位置特征信息;在地面三维位置特征信息的基础上,对剩余二维位置特征信息进行二维位置与三维点云的映射处理,确定目标隐患对象在地面上方的三维位置特征信息。
在上述实施例的基础上,三维映射模型的训练过程包括:
基于输电线路通道的三维点云数据,构建待训练的三维映射模型;基于输电线路通道的样本通道图像和待训练的三维映射模型,确定样本通道图像中的目标隐患对象的样本空间位置信息;基于三维点云数据和样本通道图像之间的映射关系标签,确定样本通道图像中的目标隐患对象的标准空间位置信息;基于样本空间位置信息和标准空间位置信息,确定训练误差,并将训练误差达到收敛条件为训练目标,对待训练的三维映射模型进行训练。
在上述实施例的基础上,预设告警条件检测模块340,可以具体用于:
基于目标隐患对象的空间位置信息和输电线路通道中的输电线路的空间位置信息,确定目标隐患对象与输电线路之间的最短距离;若最短距离小于或等于预设距离阈值,则确定当前满足预设告警条件。
在上述实施例的基础上,装置还可以包括:时间间隔控制模块,用于统计连续出现不存在目标隐患对象或者不满足预设告警条件的监控次数;若监控次数大于或等于预设次数阈值,则增加采集时间间隔,并基于增加后的采集时间间隔采集输电线路通道对应的当前通道图像。
本发明实施例所提供的输电线路监控装置可执行本发明任意实施例所提供的输电线路监控方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如输电线路监控方法。
在一些实施例中,输电线路监控方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的输电线路监控方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行输电线路监控方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种输电线路监控方法,其特征在于,包括:
采集输电线路通道对应的当前通道图像;
基于预先训练出的图像识别模型,对所述当前通道图像中的目标隐患对象进行识别;
若所述当前通道图像中存在所述目标隐患对象,则基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息,其中,所述三维映射模型是预先基于所述输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的;
基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;
若当前满足预设告警条件,则控制告警设备播报告警信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息,包括:
获取所述当前通道图像中所述目标隐患对象所在的感兴趣区域;
将所述感兴趣区域输入至三维映射模型中进行空间位置映射,并基于所述三维映射模型的输出,获得所述目标隐患对象的空间位置信息。
3.根据权利要求2所述的方法,其特征在于,所述三维映射模型包括:特征提取子模型和位置映射子模型;
所述将所述感兴趣区域输入至三维映射模型中进行空间位置映射,包括:
将所述感兴趣区域输入至所述特征提取子模型中进行特征提取,确定二维位置特征信息;
将所述二维位置特征信息输入至所述位置映射子模型中,以使所述位置映射子模型对输入的所述二维位置特征信息进行二维位置与三维点云的映射处理,确定所述目标隐患对象的空间位置信息。
4.根据权利要求3所述的方法,其特征在于,所述对输入的所述二维位置特征信息进行二维位置与三维点云的映射处理,确定所述目标隐患对象的空间位置信息,包括:
获取输入的所述二维位置特征信息中位于地面上的地面二维位置特征信息;
对所述地面二维位置特征信息进行二维位置与三维点云的映射处理,确定所述目标隐患对象位于地面上的地面三维位置特征信息;
在所述地面三维位置特征信息的基础上,对剩余二维位置特征信息进行二维位置与三维点云的映射处理,确定所述目标隐患对象在地面上方的三维位置特征信息。
5.根据权利要求1所述的方法,其特征在于,所述三维映射模型的训练过程包括:
基于所述输电线路通道的三维点云数据,构建待训练的三维映射模型;
基于所述输电线路通道的样本通道图像和待训练的三维映射模型,确定所述样本通道图像中的目标隐患对象的样本空间位置信息;
基于所述三维点云数据和所述样本通道图像之间的映射关系标签,确定所述样本通道图像中的目标隐患对象的标准空间位置信息;
基于所述样本空间位置信息和所述标准空间位置信息,确定训练误差,并将所述训练误差达到收敛条件为训练目标,对待训练的三维映射模型进行训练。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件,包括:
基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,确定所述目标隐患对象与所述输电线路之间的最短距离;
若所述最短距离小于或等于预设距离阈值,则确定当前满足预设告警条件。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
统计连续出现不存在目标隐患对象或者不满足预设告警条件的监控次数;
若所述监控次数大于或等于预设次数阈值,则增加采集时间间隔,并基于增加后的采集时间间隔采集输电线路通道对应的当前通道图像。
8.一种输电线路监控装置,其特征在于,包括:
当前通道图像获取模块,用于采集输电线路通道对应的当前通道图像;
目标隐患对象识别模块,用于基于预先训练出的图像识别模型,对所述当前通道图像中的目标隐患对象进行识别;
空间位置信息确定模块,用于若所述当前通道图像中存在所述目标隐患对象,则基于所述当前通道图像和三维映射模型,确定所述目标隐患对象的空间位置信息,其中,所述三维映射模型是预先基于所述输电线路通道的三维点云数据、样本通道图像和映射关系标签进行训练获得的;
预设告警条件检测模块,用于基于所述目标隐患对象的空间位置信息和所述输电线路通道中的输电线路的空间位置信息,检测当前是否满足预设告警条件;
告警信息播报模块,用于若当前满足预设告警条件,则控制告警设备播报告警信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的输电线路监控方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的输电线路监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210974208.8A CN115346171A (zh) | 2022-08-15 | 2022-08-15 | 一种输电线路监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210974208.8A CN115346171A (zh) | 2022-08-15 | 2022-08-15 | 一种输电线路监控方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115346171A true CN115346171A (zh) | 2022-11-15 |
Family
ID=83951755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210974208.8A Pending CN115346171A (zh) | 2022-08-15 | 2022-08-15 | 一种输电线路监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115346171A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116207845A (zh) * | 2022-11-28 | 2023-06-02 | 无锡广盈集团有限公司 | 一种用于电力设备保护的自动化监控方法及系统 |
CN116597390A (zh) * | 2023-07-18 | 2023-08-15 | 南方电网数字电网研究院有限公司 | 输电线路周边的施工隐患检测方法、装置和计算机设备 |
CN117011772A (zh) * | 2023-07-31 | 2023-11-07 | 广东电网有限责任公司 | 一种输电线路的风险提示方法、装置和存储介质 |
CN116207845B (zh) * | 2022-11-28 | 2024-05-28 | 无锡广盈集团有限公司 | 一种用于电力设备保护的自动化监控方法及系统 |
-
2022
- 2022-08-15 CN CN202210974208.8A patent/CN115346171A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116207845A (zh) * | 2022-11-28 | 2023-06-02 | 无锡广盈集团有限公司 | 一种用于电力设备保护的自动化监控方法及系统 |
CN116207845B (zh) * | 2022-11-28 | 2024-05-28 | 无锡广盈集团有限公司 | 一种用于电力设备保护的自动化监控方法及系统 |
CN116597390A (zh) * | 2023-07-18 | 2023-08-15 | 南方电网数字电网研究院有限公司 | 输电线路周边的施工隐患检测方法、装置和计算机设备 |
CN116597390B (zh) * | 2023-07-18 | 2023-12-12 | 南方电网数字电网研究院有限公司 | 输电线路周边的施工隐患检测方法、装置和计算机设备 |
CN117011772A (zh) * | 2023-07-31 | 2023-11-07 | 广东电网有限责任公司 | 一种输电线路的风险提示方法、装置和存储介质 |
CN117011772B (zh) * | 2023-07-31 | 2024-04-30 | 广东电网有限责任公司 | 一种输电线路的风险提示方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN113177968A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN113326786A (zh) | 数据处理方法、装置、设备、车辆和存储介质 | |
CN112528927A (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
CN114332487A (zh) | 基于图像的积水预警方法、装置、设备、存储介质及产品 | |
CN115641360A (zh) | 基于人工智能的电池检测方法、装置和电子设备 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN114186726A (zh) | 气象数据处理方法、基于气象数据的提示方法及装置 | |
CN113012439B (zh) | 车辆检测方法、装置、设备和存储介质 | |
CN113806361B (zh) | 电子监控设备与道路的关联方法、装置及存储介质 | |
CN117198017B (zh) | 一种报警等级确定方法、装置、电子设备及存储介质 | |
CN114155589B (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
CN114694138A (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN117115714A (zh) | 电网基建安全管理方法、装置、电子设备及存储介质 | |
CN117726163A (zh) | 变电站的作业风险预警方法及系统 | |
CN117853707A (zh) | 三维目标检测及模型训练方法、装置、设备和车辆 | |
CN117853789A (zh) | 一种图像检测方法和装置 | |
CN116795131A (zh) | 基于雷达的配电线路无人机巡检方法和装置 | |
CN114022695A (zh) | 一种检测模型的训练方法、装置、电子设备及存储介质 | |
CN114973081A (zh) | 一种高空抛物检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |