CN116363537B - 一种变电站站外飘挂物隐患识别方法和系统 - Google Patents

Abstract

本发明提供了一种变电站站外飘挂物隐患识别方法和系统，包括根据区域影响值将整条线路划分为若干段不同初始等级的巡视线路段；利用固定翼无人机对待巡检的输电线路进行巡视；将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；利用输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别并输出飘挂物识别结果；对各自线路段进行线路运行评估，并利用多旋翼无人机对需要进行精细化巡检的线路进行巡视。本发明利用固定翼无人机的特点对输电线路进行大范围覆盖的初次巡检，然后再利用多旋翼无人机对部分输电线路进行精细化巡检，能够及时的发现输电线路上的飘挂物，有助于电力工作人员及时清理，保障线路安全运行。

Description

一种变电站站外飘挂物隐患识别方法和系统

技术领域

本发明属于变电站巡检技术领域，具体涉及一种变电站站外飘挂物隐患识别方法和系统。

背景技术

近年来，随着社会经济的发展，电能的使用需求日益增加，对供电可靠性的要求也越来越高。作为输送电能的重要纽带，架空输电线路的运行状态时刻影响着电力系统的稳定性。根据统计，在全部的架空输电线路故障跳闸事件中，飘移物导致的跳闸事件占有很大比重，因此，及时发现和处理飘挂物是线路运维工作中的重点。

目前，变电站外输电线路的巡检方式主要有人力巡检和无人机巡检两种方式。相较于人力巡检，无人机巡检虽然可以减轻电力人员的作业负担，提升输电线路的巡检效率。但是，由于不同类型无人机的适用范围并不相同，固定翼无人机巡检具有巡检速度快、巡检航程长等特点，其巡检对象主要为通道；而多旋翼无人机则适合近距离、低速运动或长时间保持同一视角的观测任务。然而，变电站外输电线路的巡检范围大，情况复杂，单一类型下的无人机巡检无法满足对站外大范围输电线路巡检的需求，无法及时发现飘挂物，对输电线路的运行造成了隐患。

发明内容

有鉴于此，本发明旨在解决现有对变电站外输电线路采用单一类型无人机巡检时无法满足大范围巡检的需求，无法及时发现飘挂物的问题。

为了解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供了一种变电站站外飘挂物隐患识别方法，包括如下步骤：

获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值；

根据区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，初始等级与设定范围一一对应且巡视线路段的初始等级越高，对应的区域影响值越高；

利用固定翼无人机对待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；

将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；

利用变电站预先部署的输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别，针对每个线路段均输出飘挂物识别结果；

基于每个线路段的区域影响值、飘挂物识别结果以及实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，飘挂物识别结果具体包括：

不存在飘挂物、飘挂物不显著及飘挂物显著。

进一步的，对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

当飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的区域影响值超过阈值或实时气象情况达到恶劣天气情况时，认为待评估的线路段达到需要精细巡检的要求，此时将待评估的线路段评估为风险运行，并利用多旋翼无人机对风险运行线路段进行进一步巡视；

当飘挂物识别结果为飘挂物显著时，此时将待评估的线路段评估为危险运行，并基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，输电线路飘挂物识别模型通过所识别的飘挂物颜色和范围与输电线的差异判断飘挂物是否显著。

进一步的，区域影响值的计算式，具体如下：

；

式中，为区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。

第二方面，本发明提供了一种变电站站外飘挂物隐患识别系统，包括：

数据获取单元，用于获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值；

第一划分单元，用于根据区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，初始等级与设定范围一一对应且巡视线路段的初始等级越高，对应的区域影响值越高；

第一巡视单元，用于接收固定翼无人机的航拍图像，固定翼无人机用于对待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；

第二划分单元，用于将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；

第一识别单元，用于利用变电站预先部署的输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别，针对每个线路段均输出飘挂物识别结果；

第二识别单元，用于基于每个线路段的区域影响值、飘挂物识别结果以及实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，在第一识别单元中，飘挂物识别结果具体包括：

不存在飘挂物、飘挂物不显著及飘挂物显著。

进一步的，在第二识别单元中，对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

当飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的区域影响值超过阈值或实时气象情况达到恶劣天气情况时，认为待评估的线路段达到需要精细巡检的要求，此时将待评估的线路段评估为风险运行，并利用多旋翼无人机对风险运行线路段进行进一步巡视；

当飘挂物识别结果为飘挂物显著时，此时将待评估的线路段评估为危险运行，并基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，在第一识别单元中，输电线路飘挂物识别模型通过所识别的飘挂物颜色和范围与输电线的差异判断飘挂物是否显著。

进一步的，在数据获取单元中，所获取的区域影响值的计算式，具体如下：

；

式中，为区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。

综上，本发明提供了一种变电站站外飘挂物隐患识别方法和系统，包括根据区域影响值将整条线路划分为若干段不同初始等级的巡视线路段；利用固定翼无人机对待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；利用变电站预先部署的输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别，针对每个线路段均输出飘挂物识别结果；对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识。本发明首先利用固定翼无人机的特点对输电线路进行初次巡检，覆盖输电线路中大部分区域的巡检要求，然后再利用多旋翼无人机对部分输电线路再次进行巡检，从而完成对大范围输电线路的准确巡检，能够及时的发现输电线路上的飘挂物，有助于电力工作人员及时清理，保障线路安全运行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。

图1为本发明实施例提供的一种变电站站外飘挂物隐患识别方法的流程示意图。

具体实施方式

为使得本发明的目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。

请参阅图1，本实施例提供一种变电站站外飘挂物隐患识别方法，包括如下步骤：

S100：获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值。

输电线路分布范围广，距离长，又大多处于山区地带，地域气候差异大，走廊地形复杂，交叉跨越多，可能还处于海区雷雨多发地段，常发生雷击闪络时间。因此，对于长距离的输电线路来说，影响其运行的外部因素对于不同区域的输电线路影响情况并不相同。因此，本实施例中提出区域影响值，用于反映外部影响因素对于不同区域输电线路的影响大小差别。

可以理解的是，外部影响因素可以包括气象因素、输电线路上的异物影响因素等。另外，对于实时气象情况，可以借助于输电线路中各杆塔上所安装的各类监测设备进行获取，所获取的数据可以包括实时风速、降水、雷击情况等影响线路安全稳定运行的天气数据。

在本发明的一个可选的实施例中，区域影响值的计算式，具体如下：

；

式中，为区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。

其中，影响系数的取值根据不同区域线路的历史故障情况确定。例如当某地线路易受气象影响时则适当取较大值的影响系数a，同理，当某地线路易受飘挂物影响时，则适当取较大值的影响系数b。

S200：根据区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，初始等级与设定范围一一对应且巡视线路段的初始等级越高，对应的区域影响值越高。

可以理解的是，初始等级的数量划分可以依据区域影响值的分布情况确定。例如，当某条输电线路整体环境较好，处于较少外部因素影响的情况，该种情况下，各线路段的区域影响值较为接近，均处于相近的一个数值范围区间内，故此时可将整体线路的初始等级均划分一致，即在后续识别过程中沿线路识别即可。而当线路中某几段线路段的区域影响值与其余线路段差异较大时，则可对应划定范围，从而得到几个对应的初始等级，以将几个差异较大的线路段区分开来。

S300：利用固定翼无人机对待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中。

固定翼无人机由于结构上的优势，以及飞行原理上的优势，引擎不需要克服机身重力。在相同规格参数下，固定翼无人机相较于多旋翼无人机，固定翼可以装载更大的电池或更多的设备，同样容量下的电池可以飞行更长的时间。因此，在搭载同样设备的情况下，采用固定翼无人机可以对线路进行较大范围的巡视。本实施例中，利用固定翼无人机对整条待巡检的输电线路进行巡视，也正是利用了这个特点。

S400：将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中。

本实施例中将固定翼无人机的航拍画面进行分组处理。根据前述步骤可知，将输电线路中受外部因素影响较大的线路段通过划定更高级别的等级，以将其从整条线路中区别出来。可以理解的是，这些线路段需要进行重点巡视。因此，将航拍画面按照线路段的初始等级进行分组处理后再进行识别，有助于对重点的线路段进行优先识别，提升了对线路的巡检效率。

S500：利用变电站预先部署的输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别，针对每个线路段均输出飘挂物识别结果。

由于固定翼无人机巡检的线路上，所获取的巡检图像也较大。因此，为保证识别效率和准确率，将图像回传到变电站进行识别处理。在变电站中，可以部署算力较大的设备，通过输电线路飘挂物识别模型对线路上的飘挂物进行识别。输电线路飘挂物识别模型的具体网络结构在本实施例中不做具体限制。

S600：基于每个线路段的区域影响值、飘挂物识别结果以及实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

本实施例提供一种变电站站外飘挂物隐患识别方法，其首先利用固定翼无人机的特点对输电线路进行初次巡检，覆盖输电线路中大部分区域的巡检要求，然后再利用多旋翼无人机对部分输电线路再次进行巡检，从而完成对大范围输电线路的准确巡检，能够及时的发现输电线路上的飘挂物，有助于电力工作人员及时清理，保障线路安全运行。

由于不同的输电线路飘挂物识别模型以及不同的环境均会影响对于线路飘挂物的识别准确度，为了适应大范围巡检及时性的要求，本发明实施例提供的识别方法中，并不追求对于飘挂物准确识别的程度。在此基础上，在本发明的进一步实施例中，输电线路飘挂物识别模型对于线路的飘挂物识别结果具体包括：不存在飘挂物、飘挂物不显著及飘挂物显著。即该模型的识别目的在于识别是够存在飘挂物以及存在飘挂物时，该飘挂物是够显著容易识别。

虽然固定翼无人机能够实现大范围线路的巡视，但是由于其结构和巡视方式限制，不能对线路进行较为全面的拍摄。因此，基于其获取的航拍图像的飘挂物识别结果并不能直接用于整段输电线路的飘挂物隐患识别。因此，在本发明的进一步实施例中，对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

1、当飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的区域影响值超过阈值或实时气象情况达到恶劣天气情况时，认为待评估的线路段达到需要精细巡检的要求，此时将待评估的线路段评估为风险运行，并利用多旋翼无人机对风险运行线路段进行进一步巡视。

多旋翼无人机可适用于近距离、低速运动以及长时间保持同一视角的观测任务的情况。当线路所识别的飘挂物并不明显甚至并未识别到时，由于其区域影响值超过阈值或当前线路段处于恶劣天气中，可以认为当前线路段受外部因素影响较大，此时若线路上存在飘挂物，会进一步提高线路的风险。因此，为了弥补基于固定翼无人机的航拍图像可能识别不准确的问题，本实施例采用多旋翼无人机对需要进一步进行巡检的线路进行巡视，从而基于多旋翼无人机所拍摄的多角度图像辨识线路上的飘挂物情况，最大程度避免线路的危险运行。

2、当飘挂物识别结果为飘挂物显著时，此时将待评估的线路段评估为危险运行，并基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

可以理解的是，当基于固定翼无人机的航拍图像已经可能明显识别到飘挂物时，基本可以判断为线路存在飘挂物，此时，则不需要再通过多旋翼无人机进行进一步巡检，节约了巡检资源。

另外，在本发明的另一个实施例中，输电线路飘挂物识别模型可以通过所识别的飘挂物颜色和范围与输电线的差异判断飘挂物是否显著。例如当飘挂物的颜色与线路颜色差异较大时，则判断为显著；否则，当飘挂物的识别范围较大时，也判断为显著。若颜色差异很小或范围很小时，则认为飘挂物不显著。

以上是对本发明的一种变电站站外飘挂物隐患识别方法的实施例进行的详细介绍，以下将对本发明的一种变电站站外飘挂物隐患识别系统的实施例进行详细的介绍。

本实施例提供一种变电站站外飘挂物隐患识别系统，包括：

数据获取单元，用于获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值；

第一划分单元，用于根据区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，初始等级与设定范围一一对应且巡视线路段的初始等级越高，对应的区域影响值越高；

第一巡视单元，用于接收固定翼无人机的航拍图像，固定翼无人机用于对待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；

第二划分单元，用于将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；

第一识别单元，用于利用变电站预先部署的输电线路飘挂物识别模型对线路段图像集按初始等级从高到底依次进行识别，针对每个线路段均输出飘挂物识别结果；

第二识别单元，用于基于每个线路段的区域影响值、飘挂物识别结果以及实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，在第一识别单元中，飘挂物识别结果具体包括：

不存在飘挂物、飘挂物不显著及飘挂物显著。

进一步的，在第二识别单元中，对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

当飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的区域影响值超过阈值或实时气象情况达到恶劣天气情况时，认为待评估的线路段达到需要精细巡检的要求，此时将待评估的线路段评估为风险运行，并利用多旋翼无人机对风险运行线路段进行进一步巡视；

当飘挂物识别结果为飘挂物显著时，此时将待评估的线路段评估为危险运行，并基于飘挂物识别结果得到线路的飘挂物隐患识别结果。

进一步的，在第一识别单元中，输电线路飘挂物识别模型通过所识别的飘挂物颜色和范围与输电线的差异判断飘挂物是否显著。

进一步的，在数据获取单元中，所获取的区域影响值的计算式，具体如下：

；

式中，为区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。

需要说明的是，本实施例提供的识别系统用于实现前述实施例提供的识别方法，各单元的具体设置均以完整实现该方法为准，在此不再赘述。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (6)

1.一种变电站站外飘挂物隐患识别方法，其特征在于，包括如下步骤：

获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，所述区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值；

根据所述区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，所述初始等级与设定范围一一对应且所述巡视线路段的初始等级越高，对应的区域影响值越高；

利用固定翼无人机对所述待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；

将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；

利用变电站预先部署的输电线路飘挂物识别模型对所述线路段图像集按所述初始等级从高到低依次进行识别，针对每个线路段均输出飘挂物识别结果；

基于每个线路段的所述区域影响值、所述飘挂物识别结果以及所述实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于所述飘挂物识别结果得到线路的飘挂物隐患识别结果；

所述飘挂物识别结果具体包括：

不存在飘挂物、飘挂物不显著及飘挂物显著；

对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

当所述飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的所述区域影响值超过阈值或所述实时气象情况达到恶劣天气情况时，认为所述待评估的线路段达到需要精细巡检的要求，此时将所述待评估的线路段评估为风险运行，并利用多旋翼无人机对所述风险运行线路段进行进一步巡视；

当所述飘挂物识别结果为飘挂物显著时，此时将所述待评估的线路段评估为危险运行，并基于所述飘挂物识别结果得到线路的飘挂物隐患识别结果。

2.根据权利要求1所述的变电站站外飘挂物隐患识别方法，其特征在于，所述输电线路飘挂物识别模型通过所识别的飘挂物颜色和范围与输电线的差异判断所述飘挂物是否显著。

3.根据权利要求1所述的变电站站外飘挂物隐患识别方法，其特征在于，所述区域影响值的计算式，具体如下：

；

式中，为所述区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。

4.一种变电站站外飘挂物隐患识别系统，其特征在于，包括：

数据获取单元，用于获取待巡检的输电线路中各段线路的区域影响值和实时气象情况，所述区域影响值为外部因素导致线路故障时，各段线路上外部因素出现的占比值；

第一划分单元，用于根据所述区域影响值在不同设定范围内的分布将整条线路划分为若干段不同初始等级的巡视线路段，所述初始等级与设定范围一一对应且所述巡视线路段的初始等级越高，对应的区域影响值越高；

第一巡视单元，用于接收固定翼无人机的航拍图像，所述固定翼无人机用于对所述待巡检的输电线路进行巡视，并将航拍图像实时回传到变电站中；

第二划分单元，用于将回传得到的图像按线路段的不同初始等级进行分组，将相同初始等级的线路段对应的航拍图像划分到同一组线路段图像集中；

第一识别单元，用于利用变电站预先部署的输电线路飘挂物识别模型对所述线路段图像集按所述初始等级从高到低依次进行识别，针对每个线路段均输出飘挂物识别结果；

第二识别单元，用于基于每个线路段的所述区域影响值、所述飘挂物识别结果以及所述实时气象情况对各自线路段进行线路运行评估，若达到需要精细巡检的要求，则利用多旋翼无人机对达到要求的线路段进行巡视，并基于多旋翼无人机的实拍图像对线路的飘挂物进行辨识；否则，则基于所述飘挂物识别结果得到线路的飘挂物隐患识别结果；

所述飘挂物识别结果具体包括：

不存在飘挂物、飘挂物不显著及飘挂物显著；

在所述第二识别单元中，对各线路段进行线路运行评估，并进行飘挂物识别，具体包括：

当所述飘挂物识别结果为不存在飘挂物或飘挂物不显著时，若待评估的线路段的所述区域影响值超过阈值或所述实时气象情况达到恶劣天气情况时，认为所述待评估的线路段达到需要精细巡检的要求，此时将所述待评估的线路段评估为风险运行，并利用多旋翼无人机对所述风险运行线路段进行进一步巡视；

当所述飘挂物识别结果为飘挂物显著时，此时将所述待评估的线路段评估为危险运行，并基于所述飘挂物识别结果得到线路的飘挂物隐患识别结果。

5.根据权利要求4所述的变电站站外飘挂物隐患识别系统，其特征在于，在所述第一识别单元中，所述输电线路飘挂物识别模型通过所识别的飘挂物颜色和范围与输电线的差异判断所述飘挂物是否显著。

6.根据权利要求4所述的变电站站外飘挂物隐患识别系统，其特征在于，在所述数据获取单元中，所获取的所述区域影响值的计算式，具体如下：

；

式中，为所述区域影响值，/>和/>为影响系数，/>为某一段线路区域出现恶劣天气情况的次数在整条线路中出现恶劣天气情况总次数的占比，/>为某一段线路区域出现飘挂物的数量在整条线路中出现飘挂物的总次数的占比。