CN116630991B - 一种输电线路状态评价方法和系统 - Google Patents

Abstract

本发明提供了一种输电线路状态评价方法和系统，包括从输电信息系统中获取输电线路状态评价文本信息图像；使用目标检测模型检测关联文本内容，并识别其在图像中的位置；将处于正确识别位置的关联内容通过综合级联模型旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。本发明通过从输电信息系统识别状态量信息，并采用随机森林算法进行输电线路状态评价，可以有效保证状态评价的效果和效率。

Description

一种输电线路状态评价方法和系统

技术领域

本发明属于输电线路状态评估技术领域，具体涉及一种输电线路状态评价方法和系统。

背景技术

输电线路是能源电力可持续发展的重要环节，起着传输电能的作用。随着电力系统快速发展，电网安全性和可靠性要求越来越高。对电网中重要输电线路设备进行准确的状态评价可有效降低故障率，为区域电网运行调控及电网风险巡视提供决策支持。

现有状态评价方法是人工根据系统单元状态量，手动给线路标记状态等级评价结果。另一种方法是分层特征对比方法，将输电线路状态系统单元状态划分为多个评价层，如杆塔层、导线层和基础层，再在这些特征层上进行状态评估。然而上述现有的状态评价方法由于线路单元种类繁多，状态量数量多，标记繁琐，耗时耗力，评价效果也容易受到影响。

发明内容

有鉴于此，本发明旨在解决上述现有状态评价方法在进行输电线路状态评价时，由于线路单元种类繁多，状态量数量多，标记繁琐，耗时耗力，评价效果也容易受到影响的问题。

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，本发明提供了一种输电线路状态评价方法，包括如下步骤：

从输电信息系统中获取输电线路状态评价文本信息图像；

使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；

将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；

获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；

使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。

进一步的，目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用目标标记模型从输电线路状态评价文本信息图像中识别关联内容的位置，并采用文本框对关联内容进行标记；

利用目标识别模型将关联内容从输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像。

进一步的，将处于正确识别位置的关联内容通过综合级联模型进行旋转，具体包括：

通过综合级联模型对输电信息系统中状态评价参数的位置与处于正确识别位置的文本框的位置计算旋转角；

基于旋转角将输电线路状态评价文本图像旋转为正立图像或倒立图像；

判断旋转后的图像中的文本信息主体是否正立，若否，则将对应的输电线路状态评价文本图像矫正为正立图像。

进一步的，分类汇总后的状态量，具体包括：

杆塔状态量、基础状态量、金具状态量、导线状态量、绝缘子状态量和均压环状态量，每个类别的状态量划分为正常、注意、异常和严重四种状态。

进一步的，使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果，具体包括：

基于不同状态的状态量构建子样本集；

通过投票机制构建随机森林决策树节点，不停循环递归，构建节点；

计算每个特征的熵，并从中选出信息增益最大的作为最优特征，将最优特征作为当前节点；

排除当前节点，递归重复构建节点，直到达到停止条件时结束；

基于所构建的子决策树计算状态评价结果，得到不同类别下的输电线路状态评价信息结果。

第二方面，本发明提供了一种输电线路状态评价系统，包括：

图像获取单元，用于从输电信息系统中获取输电线路状态评价文本信息图像；

内容识别单元，用于使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；

内容矫正单元，用于将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；

状态量获取单元，用于获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；

状态评价单元，用于使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。

进一步的，在内容识别单元中，目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用目标标记模型从输电线路状态评价文本信息图像中识别关联内容的位置，并采用文本框对关联内容进行标记；

利用目标识别模型将关联内容从输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像。

进一步的，在内容矫正单元中，将处于正确识别位置的关联内容通过综合级联模型进行旋转，具体包括：

通过综合级联模型对输电信息系统中状态评价参数的位置与处于正确识别位置的文本框的位置计算旋转角；

基于旋转角将输电线路状态评价文本图像旋转为正立图像或倒立图像；

判断旋转后的图像中的文本信息主体是否正立，若否，则将对应的输电线路状态评价文本图像矫正为正立图像。

进一步的，在状态评价单元中，分类汇总后的状态量，具体包括：

杆塔状态量、基础状态量、金具状态量、导线状态量、绝缘子状态量和均压环状态量，每个类别的状态量划分为正常、注意、异常和严重四种状态。

进一步的，在状态评价单元中，使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果，具体包括：

基于不同状态的状态量构建子样本集；

通过投票机制构建随机森林决策树节点，不停循环递归，构建节点；

计算每个特征的熵，并从中选出信息增益最大的作为最优特征，将最优特征作为当前节点；

排除当前节点，递归重复构建节点，直到达到停止条件时结束；

基于所构建的子决策树计算状态评价结果，得到不同类别下的输电线路状态评价信息结果。

综上，本发明提供了一种输电线路状态评价方法和系统，包括从输电信息系统中获取输电线路状态评价文本信息图像；使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。本发明通过从输电信息系统识别状态量信息，并采用随机森林算法进行输电线路状态评价，可以有效保证状态评价的效果和效率。

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输电线路状态评价方法的流程示意图；

图2为本发明实施例提供的一种输电线路状态评价系统的组成框图。

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，本发明实施例提供了一种输电线路状态评价方法，包括如下步骤：

S1：从输电信息系统中获取输电线路状态评价文本信息图像。

需要说明的是，输电信息系统为包含输电线路状态评价信息的系统，从该系统中抓取状态评价的页面图像，并使用二阶滤波图像处理算法处理页面图像，增强目标图像文本特征值。

具体的，设图像中轴的像素值记为/>，y轴的像素值记为，/>、/>为图像中/>轴和/>轴像素值，则图像中二阶锐化偏微分如下：

；

通过二阶偏微分锐化处理，使状态评价信息图像的轮廓特征凸显，更易于模型训练及文本识别挖掘操作。

S2：使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置。

需要说明的是，输电线路的状态评价是基于当前所获得的状态量信息进行的，因此，评价效果的好坏很大程度依赖于状态量信息的准确性和完善性。本实施例中，采用目标检测模型识别前述步骤经过处理后的图像中的关联文本内容，确定图像中所有状态量参数的位置。该种方式下，即使线路单元种类繁多、状态量数量多，也能实现快速准确的识别提取，以便保证后续状态评价的效果和效率。

S3：将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息。

需要说明的是，对输电线路状态评价页面图像进行识别时，由于该图像的采集方式并不固定，因此所获取的图像角度可能并不相同。本实施例中，采用综合级联模型对图像中的文本内容进行旋转，使其均为正立或倒立图像。

具体的，首先通过综合级联模型对输电信息系统的状态评价参数位置信息与文本框位置信息计算旋转角。对于旋转角的计算，首先选取单个文本框的三个点P1、P2和P3，然后按顺序计算出P1P2、P2P3的长度，通过对比边长大小判断长短边，设P1P2为长边、P2P3为短边，利用长短边计算出单个文本框旋转角a，a=arctan(y2-y1/x2-x1) 。其中x1、y1、x2、y2分别是点p1和p2横纵坐标值。

在图像所有预测文本框中，通过文本框旋转算法挑选最具代表性文本框，计算他们的平均旋转角作为整张图像旋转角，计算公式如下所示：

；

其中，是第/>个文本框的计算旋转角，N是文本框数量，/>是整张图像的估计旋转角。基于计算得到的旋转角，可以将全部图像均旋转为正立或倒立的图像。

对于倒立的图像，可以使用CRNN+CTC判断主体是否正立，并将识别为倒立的图像矫正为正立的输电线路状态评价图像文本信息，其中，CRNN(Convolutional RecurrentNeural Network)为卷积循环神经网络，CTC(Connectionist temporal classification)是一种常用在语音识别、文本识别等领域的算法，用来解决输入和输出序列长度不一、无法对齐的问题。

S4：获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总。

前述步骤中已经从输电信息系统得到了与输电线路状态评价相关的参数文本图像，本步骤中，对所得到的图像进行识别，获取其中所有的状态量信息，并进行分类汇总，以便后续步骤进行分析。

需要说明的是，架空输电线路分为基础、杆塔、导地线、绝缘子串单元、金具、接地装置、附属设施和通道环境等8个单元，其中基础包含11个状态量，杆塔单元包括15个状态量，导地线单元包括4个状态量，绝缘子串单元包括9个状态量，金具单元7个状态，接地装置4个状态量，附属设施7个状态量，通道环境2个状态量，总共59个状态量。架空线路单元根据重要性附以不同权重。

架空输电线路的状态等级分为正常状态、注意状态、异常状态及严重状态4种。线路状态评价遵循 “短板效应” ，其状态评价结果取决于状态最差的组成单元。

单元状态评价由单元—部件—评价内容—状态量—量测—评分标准构成，单元由单元项组成，部件是组成单元项的具体元件状态评价对象。评价内容为部件的具体评价范畴。状态量反映评价内容中设备状况的各种评价指标、性能和运行情况等参数总称，分为重要状态量和一般状态量，重要状态量对单元项有否决权。量测是状态量的具体数值或定性值。评分标准是通过量测来判断状态扣分依据。

基于上述设定，对所识别到的状态量参数进行分类汇总。

S5：使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。

随机森林是一种基于树的算法，它是多种不同种类的随机树的集合，模型的最终值是每棵树产生的所有预测/估计的平均值。

使用随机森林算法挖掘相应状态量高维特征，进行相应判断；采用Bagging(自助聚集)方法，从总体样本当中随机取一部分样本进行训练，通过多次重复这样的结果，进行投票取平均值作为结果输出，极大可能避免效果不佳的样本数据，从而提高信息挖掘准确度，提高模型识别率。

本实施例提供一种输电线路状态评价方法，包括从输电信息系统中获取输电线路状态评价文本信息图像；使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。本发明通过从输电信息系统识别状态量信息，并采用随机森林算法进行输电线路状态评价，可以有效保证状态评价的效果和效率。

在本发明的一个实施例中，目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用目标标记模型从输电线路状态评价文本信息图像中识别关联内容的位置，并采用文本框对关联内容进行标记；

利用目标识别模型将关联内容从输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像。

其中，目标标记模型可以为YOLOv5卷积网络目标检测器，其中，YOLOv5(You OnlyLook Once version 5)是一种目标检测模型。对于步骤S1特征增强后的图像，通过图片翻转和旋转，移位和缩放，做一个数据扩充，增加样本数据量；状态评价图像文本数据扩充后，使用CVAT标注工具定位页面系统状态评价文本数值，对目标文本数值进行标注，给图像关键帧添加特征框(bounding boxes)，其中，CVAT（Computer Vision Annotation Tool）标注工具是一种用于注释数字图像和视频的开源工具。

将样本数据送入YOLOv5卷积网络目标检测器进行模型训练，使得能准确检测文本关联的目标；YOLOv5算法针对不同状态评价数据集，都会初始设定长宽的锚框。网络训练中，网络在初始锚框基础上输出预测框，进一步和真实框(groundtruth) 进行比对，计算两者差距，再反向更新，迭代网络参数。

将状态信息图像划分为N个向量，在卷积网络进行特征提取操作/>，其中/>为卷积提取特征赋予权重值，/>为相应卷积训练时间序列。

目标识别模型可以为DBNet，使用DBNet完成状态评价参数文本内容的快速定位，判断文本内容是否在正确识别位置，设定一个固定的阀值，将分割网络概率图转换为二值图像，采用像素聚类启发技术将像素分组转为文本实例。其中优化的部分是将二值化操作插入到分割网络进行联合优化，自适应预测像素每一个像素点阀值（区别与传统方法的固定阀值），从而区分状态信息图像前景与背景的像素，其中，DBNet(Deep Bidirectionalnetwork)是一种文本检测网络模型。

在本发明的一个实施例中，分类汇总的状态信息量记为S={a，b，c，d，e，f}，其中a={a1(杆塔状态正常)，a2（杆塔状态注意），a3（杆塔状态异常），a4（杆塔状态严重）}，b={b1（基础状态正常），b2（基础状态注意），b3（基础状态异常），b4（基础状态严重）}，c={c1（金具状态正常），c2（金具状态注意），c3（金具状态异常），c4（金具状态严重）}，d={d1（导线状态正常），d2（导线状态注意），d3（导线状态异常），d4（导线状态严重）}，e={e1（绝缘子状态正常），e2（绝缘子状态异常），e3（绝缘子状态注意），e4（绝缘子状态严重）}， f={f1（均压环状态正常），f2（均压环状态注意），f3（均压环状态异常），f4（均压环状态严重）}。

在本发明的一个实施例中，使用随机森林算法挖掘特征时构建子决策树的具体步骤如下：

1）输电状态信息量计算样本集S信息熵

；

其中，为样本集S中第/>分类结果对应的样本占比。

2）计算输电状态信息量样本集S中类别属性，例如杆塔基础b对应样本集进行划分的信息熵。若类别属性/>为离散数据，则

；

式中，为其中第/>个分支节点取值为/>的所有样本；/>为属性/>的属性个数。

3）计算的信息增益/>：

；

4）计算类别属性的分裂信息/>:

；

5）计算类属性信息增益率/>:

；

值是一个概率值，输出状态评价特征概率值供决策参考，对输电线路状态评价所有属性进行信息增益率后，选择信息增益率最大的属性为节点，并将其加入决策树。重复以上1）-5）步骤，即可逐步构建决策树。

最终，根据所构建的子决策树输出输电线路状态评价信息结果，如S={a={a1=80%}，b={b2=90%}，c={c3=95%}， d={d1=85%} ， e={e2=90%}， f={f4=92%}} ，打印状态评价报告；重复以上训练状态，每隔一个时间节点，保存一次训练状态。

以上是对本发明的一种输电线路状态评价方法的实施例进行的详细介绍，以下将对本发明的一种输电线路状态评价系统的实施例进行详细的介绍。

请参阅图2，本实施例提供了一种输电线路状态评价系统，包括：

图像获取单元，用于从输电信息系统中获取输电线路状态评价文本信息图像；

内容识别单元，用于使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；

内容矫正单元，用于将处于正确识别位置的关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的文本信息主体进行矫正，得到输电线路状态评价图像文本信息；

状态量获取单元，用于获取输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；

状态评价单元，用于使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果。

进一步的，在内容识别单元中，目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用目标标记模型从输电线路状态评价文本信息图像中识别关联内容的位置，并采用文本框对关联内容进行标记；

利用目标识别模型将关联内容从输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像。

进一步的，在内容矫正单元中，将处于正确识别位置的关联内容通过综合级联模型进行旋转，具体包括：

通过综合级联模型对输电信息系统中状态评价参数的位置与处于正确识别位置的文本框的位置计算旋转角；

基于旋转角将输电线路状态评价文本图像旋转为正立图像或倒立图像；

判断旋转后的图像中的文本信息主体是否正立，若否，则将对应的输电线路状态评价文本图像矫正为正立图像。

进一步的，在状态评价单元中，分类汇总后的状态量，具体包括：

杆塔状态量、基础状态量、金具状态量、导线状态量、绝缘子状态量和均压环状态量，每个类别的状态量划分为正常、注意、异常和严重四种状态。

进一步的，在状态评价单元中，使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果，具体包括：

基于不同状态的状态量构建子样本集；

通过投票机制构建随机森林决策树节点，不停循环递归，构建节点；

计算每个特征的熵，并从中选出信息增益最大的作为最优特征，将最优特征作为当前节点；

排除当前节点，递归重复构建节点，直到达到停止条件时结束；

基于所构建的子决策树计算状态评价结果，得到不同类别下的输电线路状态评价信息结果。

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)

1.一种输电线路状态评价方法，其特征在于，包括如下步骤：

从输电信息系统中获取输电线路状态评价文本信息图像；

使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；

将处于正确识别位置的所述关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的所述文本信息主体进行矫正，得到输电线路状态评价图像文本信息；

获取所述输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；

使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果；

所述目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用所述目标标记模型从所述输电线路状态评价文本信息图像中识别所述关联内容的位置，并采用文本框对所述关联内容进行标记；

利用所述目标识别模型将所述关联内容从所述输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像；

所述目标标记模型为YOLOv5卷积网络目标检测器，所述YOLOv5卷积网络目标检测器基于样本数据训练得到，用于识别与输电线路状态评价相关联的文本内容；

所述目标识别模型为DBNet文本检测网络模型，所述DBNet文本检测网络模型用于判断所述关联内容是否在正确识别位置，以便从所述输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像；

将处于正确识别位置的所述关联内容通过综合级联模型进行旋转，具体包括：

通过所述综合级联模型对所述输电信息系统中状态评价参数的位置与处于正确识别位置的所述文本框的位置计算旋转角；

基于所述旋转角将所述输电线路状态评价文本图像旋转为正立图像或倒立图像；

判断旋转后的图像中的文本信息主体是否正立，若否，则将对应的所述输电线路状态评价文本图像矫正为正立图像；

对于旋转角的计算，首先选取单个文本框的三个点P1、P2和P3，然后按顺序计算出P1P2、P2P3的长度，通过对比边长大小判断长短边，设P1P2为长边、P2P3为短边，利用长短边计算出单个文本框旋转角a，a=arctan(y2-y1/x2-x1)，其中x1、y1、x2、y2 分别是点P1和P2横纵坐标值，

在图像所有预测文本框中，通过文本框旋转算法挑选最具代表性文本框，计算他们的平均旋转角作为整张图像旋转角，计算公式如下所示：

；

其中，是第/>个文本框的计算旋转角，N是文本框数量，/>是整张图像的估计旋转角，基于计算得到的旋转角，将全部图像均旋转为正立或倒立的图像。

2.根据权利要求1所述的输电线路状态评价方法，其特征在于，分类汇总后的状态量，具体包括：

杆塔状态量、基础状态量、金具状态量、导线状态量、绝缘子状态量和均压环状态量，每个类别的状态量划分为正常、注意、异常和严重四种状态。

3.根据权利要求1所述的输电线路状态评价方法，其特征在于，使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果，具体包括：

基于不同状态的状态量构建子样本集；

通过投票机制构建随机森林决策树节点，不停循环递归，构建节点；

计算每个特征的熵，并从中选出信息增益最大的作为最优特征，将所述最优特征作为当前节点；

排除当前节点，递归重复构建节点，直到达到停止条件时结束；

基于所构建的子决策树计算状态评价结果，得到不同类别下的输电线路状态评价信息结果。

4.一种输电线路状态评价系统，其特征在于，包括：

图像获取单元，用于从输电信息系统中获取输电线路状态评价文本信息图像；

内容识别单元，用于使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，并识别关联内容在图像中的位置；

内容矫正单元，用于将处于正确识别位置的所述关联内容通过综合级联模型进行旋转，将用于状态评价的文本信息主体旋转为正/倒图像，并将倒立的所述文本信息主体进行矫正，得到输电线路状态评价图像文本信息；

状态量获取单元，用于获取所述输电线路状态评价图像文本信息中对应输电线路设备结构的状态量，并进行分类汇总；

状态评价单元，用于使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果；

所述目标检测模型包括目标标记模型和目标识别模型，使用目标检测模型检测图像中与输电线路状态评价相关联的文本内容，具体包括：

利用所述目标标记模型从所述输电线路状态评价文本信息图像中识别所述关联内容的位置，并采用文本框对所述关联内容进行标记；

利用所述目标识别模型将所述关联内容从所述输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像；

所述目标标记模型为YOLOv5卷积网络目标检测器，所述YOLOv5卷积网络目标检测器基于样本数据训练得到，用于识别与输电线路状态评价相关联的文本内容；

所述目标识别模型为DBNet文本检测网络模型，所述DBNet文本检测网络模型用于判断所述关联内容是否在正确识别位置，以便从所述输电线路状态评价文本信息图像中进行识别，得到输电线路状态评价文本图像；

将处于正确识别位置的所述关联内容通过综合级联模型进行旋转，具体包括：

通过所述综合级联模型对所述输电信息系统中状态评价参数的位置与处于正确识别位置的所述文本框的位置计算旋转角；

基于所述旋转角将所述输电线路状态评价文本图像旋转为正立图像或倒立图像；

判断旋转后的图像中的文本信息主体是否正立，若否，则将对应的所述输电线路状态评价文本图像矫正为正立图像；

对于旋转角的计算，首先选取单个文本框的三个点P1、P2和P3，然后按顺序计算出P1P2、P2P3的长度，通过对比边长大小判断长短边，设P1P2为长边、P2P3为短边，利用长短边计算出单个文本框旋转角a，a=arctan(y2-y1/x2-x1) ，其中x1、y1、x2、y2 分别是点P1和P2横纵坐标值，

在图像所有预测文本框中，通过文本框旋转算法挑选最具代表性文本框，计算他们的平均旋转角作为整张图像旋转角，计算公式如下所示：

；

其中，是第/>个文本框的计算旋转角，N是文本框数量，/>是整张图像的估计旋转角，基于计算得到的旋转角，将全部图像均旋转为正立或倒立的图像。

5.根据权利要求4所述的输电线路状态评价系统，其特征在于，在状态评价单元中，分类汇总后的状态量，具体包括：

杆塔状态量、基础状态量、金具状态量、导线状态量、绝缘子状态量和均压环状态量，每个类别的状态量划分为正常、注意、异常和严重四种状态。

6.根据权利要求4所述的输电线路状态评价系统，其特征在于，在所述状态评价单元中，使用随机森林算法对分类汇总后的状态量进行信息挖掘，得到不同类别下的输电线路状态评价信息结果，具体包括：

基于不同状态的状态量构建子样本集；

通过投票机制构建随机森林决策树节点，不停循环递归，构建节点；

计算每个特征的熵，并从中选出信息增益最大的作为最优特征，将所述最优特征作为当前节点；

排除当前节点，递归重复构建节点，直到达到停止条件时结束；

基于所构建的子决策树计算状态评价结果，得到不同类别下的输电线路状态评价信息结果。