CN116824166A - 输电线路烟雾识别方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种输电线路烟雾识别方法、装置、计算机设备和存储介质。该方法包括：获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。本申请提供的方法将图像灰度处理后，根据图像的灰度值进行判定，大大降低所需的参数基数量，降低计算机计算步骤，且无需依靠烟雾传感器或热成像装置。

Description

输电线路烟雾识别方法、装置、计算机设备和存储介质

技术领域

本申请涉及输电线路安全检测技术领域，特别是涉及一种输电线路烟雾识别方法、装置、计算机设备和存储介质。

背景技术

输电线路是架设在地面之上，用于传输电能的装置。随着输电工程的高速发展，输电线路所经过的区域地貌复杂并经过无人区域，例如覆盖森林的山区也常常布设有输电线路。而一旦山区发生山火，容易导致线路跳闸停电事故，影响电网的安全运行。

传统的识别山火方式是通过摄影设备拍摄输电线路的照片，根据照片识别烟雾来判断是否有山火发生。但是由于云雾、水汽等物理形态与山火引起的烟雾相似，导致识别成功率较低。

为此，需要开发一种能够提高烟雾识别准确率的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高烟雾识别准确率的输电线路烟雾识别方法、装置、计算机设备和存储介质。

第一方面，本申请提供一种输电线路烟雾识别方法。该方法包括：

获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；

根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；

在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；

在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

在其中一个实施例中，在根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域之后，方法还包括：

若特征识别区域内不存在灰度值大于预设灰度阈值的像素点，则认为特征识别区域为非烟雾区域。

在其中一个实施例中，在获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像之后，方法还包括：

对灰度环境图像滤波来平滑图像，并去除噪声。

在其中一个实施例中，根据灰度环境图像中各像素点的灰度值确定特征边缘，包括：

获取每个像素点在第一方向的第一梯度和在第二方向的第二梯度，根据第一梯度和第二梯度确定像素点的梯度幅值和梯度方向；

将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘。

在其中一个实施例中，在将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘之前，方法还包括：

将每个像素点的梯度幅值与该像素点在梯度方向上相邻的像素点的梯度幅值进行比对；

若像素点的梯度幅值小于相邻像素点的梯度幅值，则将该像素点的梯度幅值进行抑制。

在其中一个实施例中，将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘，包括：

若像素点的梯度幅值大于预设梯度高值，或像素点的梯度幅值大于预设梯度低值、小于等于预设梯度高值且该像素点与梯度幅值大于预设梯度高值的像素点相连，则认为该像素点是预留像素；

若预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值，则认为该预留像素为边缘像素。

在其中一个实施例中，方法还包括：

若像素点的梯度幅值小于或等于预设梯度低值，或像素点的梯度幅值大于预设梯度低值且该像素点不与梯度幅值大于预设梯度高值的像素点相连，则认为像素点不是边缘像素。

第二方面，本申请还提供一种输电线路烟雾识别装置。该装置包括：

图像获取模块，用于获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；

特征边缘确定模块，用于根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；

高灰度源区确定模块，用于在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；

烟雾区域确定模块，用于在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

第三方面，本申请还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；

根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；

在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；

在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；

根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；

在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；

在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像；

根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域；

在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区；

在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

上述输电线路烟雾识别方法、装置、计算机设备、存储介质和计算机程序产品，先获取目标输电线路的待识别环境图像，并对待识别图像灰度处理得到灰度环境图像。灰度值能够表现图像的明暗变化，在图像具有待识别物体时，待识别物体的灰度值与背景的灰度值不同，因此能够根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘环绕的区域确定为特征识别区域，也即需要判断该特征识别区域是否为烟雾。对该特征识别区域进行判断时，先确定该区域内是否存在灰度值超过预设灰度阈值的像素点，若存在则根据该区域内的各像素点灰度值确定高灰度源区。自高灰度源区向特征边缘若为灰度值依次减小，则认为该特征识别区域为烟雾。相对于传统的服务器直接对图像进行判断的方法，本实施例将图像灰度处理后，根据图像的灰度值进行判定，并且增加了二次判断，由此避免发生误判，且大大降低所需的参数基数量，降低计算机计算步骤，且无需依靠烟雾传感器或热成像装置，有利于大大降低输电线路布设和防山火计算所需成本。

附图说明

图1为一个实施例中输电线路烟雾识别方法的应用环境图；

图2为一个实施例中输电线路烟雾识别方法的流程示意图；

图3为另一个实施例中输电线路烟雾识别方法的流程示意图；

图4为一个实施例中输电线路烟雾识别装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的输电线路烟雾识别方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102拍摄目标输电线路的照片，发送至服务器104进行检测识别，判定目标输电线路的图片中是否存在烟雾。目标输电线路是需要进行烟雾检测的输电线路段。其中，终端102可以但不限于是各种能够进行拍照或拍摄的设备，例如无人机、卫星、照相机或摄影机等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种输电线路烟雾识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤S202至S208：

S202，获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像。

目标输电线路是输电线路上需要进行烟雾检测识别的线路段。目标输电线路可以位于易起火区域，例如可以是覆盖森林的山区。还可以位于无人值守的区域，便于实时监控火灾风险。待识别环境图像是在确定目标输电线路后，利用终端102获取目标输电线路的图像，图像中至少包括目标输电线路及其周边环境的图像。

在RGB（Red Green Blue，红绿蓝）模型中，一般的彩色图像中包括多个像素，每个像素均可以通过RGB值来进行表示，一般地，RGB各有256级亮度，用数字表示为从0、1、2...直到255。灰度是使用黑色调表示物体，即用黑色为基准色，不同的饱和度的黑色来显示图像，把白色与黑色之间分为若干等级。用灰度表示的图像称作灰度图像。灰度处理是将图像灰度化得到灰度图像的处理方法。示意性地，灰度处理方法可以是最大值法、平均值法或加权平均法。

通过终端102获取的图像可以是待识别图像，采用RGB模型。对待识别图像进行灰度处理后，得到待识别图像对应的灰度图像，也即灰度环境图像。

S204，根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域。

灰度值，表示图像像素的明暗程度的数值，也就是黑白图像中点的颜色深度。在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值即为灰度值。

在确定灰度环境图像后，能够根据灰度环境图像中的明暗程度确定特征边缘。若图像中的某一块区域颜色明显更暗，则认为该区域存在不同于背景的物体，由于该物体的颜色更暗，在与背景的边界处具有明显的明暗变化。其中，物体可以是指烟雾、云雾或水汽等。背景可以指是灰度图像中物体以外的区域。

灰度值能够表示图像像素的明暗程度，在物体与背景的交界处明显的明暗变化能够通过灰度值体现出来。不同的像素点具有不同的灰度值，因此能够根据像素点的灰度值确定该物体的特征边缘，在确定特征边缘后，特征边缘围绕的区域即为该物体的特征识别区域。

S206，在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区。

特征识别区域内的灰度值能够表现出该区域的明暗程度，若特征识别区域内存在灰度值大于预设灰度阈值的像素点，则认为特征识别区域与背景具有明显差异。进一步地，根据特征识别区域内的灰度值确定高灰度源区，高灰度源区可以是特征识别区域内灰度值明显较大的区域或像素点，可选地，高灰度源区是灰度值最大的区域或灰度值最大的像素点。

S208，在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

根据烟雾的特性可知，烟雾由燃烧产生，并自下向上逐渐扩散，燃烧处烟雾最浓则灰度值最深，燃烧处即为源区，燃烧产生的烟雾自源区向外扩散时灰度值自最深向最浅变化。

在确定高灰度源区后，判断自高灰度源区至特征边缘的灰度值是否为连续减小。若为连续减小，则符合烟雾的燃烧特性，灰度值自源区向边缘连续减小。其中，连续减小是指趋势性地持续减小，允许个别的数值差异。连续减小也可以是指阶段性减小，允许在同一阶段的个别数值差异。

若自高灰度源区至特征边缘的灰度值不为连续减小，存在增大或时大时小的情况，也即明暗程度时深时浅，则表示该区域不是烟雾，而是云雾或水汽类的区域。云雾为自然气象，具有云雾的灰度图像中，表示云雾的区域灰度值分布深浅不一并无规律分布。

上述输电线路烟雾识别方法中，先获取目标输电线路的待识别环境图像，并对待识别图像灰度处理得到灰度环境图像。基于灰度值能够代表图像的明暗变化，根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘环绕的区域确定为特征识别区域，也即需要判断该特征识别区域是否为烟雾。对该特征识别区域进行判断时，先确定该区域内是否存在灰度值超过预设灰度阈值的像素点，若存在则根据该区域内的各像素点灰度值确定高灰度源区。自高灰度源区向特征边缘若为灰度值依次减小，则认为该特征识别区域为烟雾。相对于传统的服务器直接对图像进行判断的方法，本实施例将图像灰度处理后，根据图像的灰度值进行判定，并且增加了二次判断，由此避免发生误判，且大大降低所需的参数基数量，降低计算机计算步骤，且无需依靠烟雾传感器或热成像装置，有利于大大降低输电线路布设和防山火计算所需成本。

在一个实施例中，在根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域之后，输电线路烟雾识别方法还包括：若特征识别区域内不存在灰度值大于预设灰度阈值的像素点，则认为特征识别区域为非烟雾区域。

若特征识别区域内各处灰度值处于预设灰度阈值内则表示该区域内不存在源区，则表示该区域为非烟雾区域。这是基于烟雾的燃烧特性决定的，烟雾燃烧时最内部的燃烧中心处灰度值最高，顺着火焰逐渐降低，因此烟雾的灰度图中具有明显的阴影区域，也即具有明显的灰度值较高的区域。预设灰度阈值可以是烟雾燃烧时产生的暗度区域，也即产生的最小灰度值。

特征识别区域内所有像素点的灰度值均不超过预设灰度阈值时，也即特征识别区域内的最高灰度值不超过预设灰度阈值，认为该特征识别区域内不存在明显的阴影区域，也即不存在燃烧中心。因此，认为该特征识别区域为非烟雾，一般地，该特征识别区域是云雾或水汽等自然气象。

本实施例中，基于烟雾的燃烧原理对于灰度环境图像中的特征识别区域的灰度值进行判断。若特征识别区域的灰度值均没有超过预设灰度阈值，则认为特征识别区域中不存在暗度达到燃烧中心暗度的区域，因此认为特征识别区域不是烟雾。

在一个实施例中，在获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像之后，输电线路烟雾识别方法还包括：对灰度环境图像滤波来平滑图像，并去除噪声。

在将待识别环境图像灰度处理，得到灰度环境图像之后，对灰度环境图像进行滤波。图像滤波是在尽量保留图像细节特征的条件下对图像的噪声进行抑制，示意性地，图像滤波可以采用高斯滤波。经过滤波后的灰度图像实现平滑和去除噪声，使图像表达更清晰，便于后续根据图像的灰度值进行判断。

本实施例中，在根据灰度值确定特征边缘之前，先对环境灰度图像进行滤波，使图像平滑并去除噪声。在根据像素点的灰度值进行计算时，能够避免噪声像素点对真实图像产生影响。

在一个实施例中，根据灰度环境图像中各像素点的灰度值确定特征边缘，包括：获取每个像素点在第一方向的第一梯度和在第二方向的第二梯度，根据第一梯度和第二梯度确定像素点的梯度幅值和梯度方向；将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘。

在灰度环境图像中，特征边缘位置的明暗程度变化较大，体现在灰度值上是相邻像素点的灰度值的变化较大。这样可以通过当前像素与其附近像素的灰度值的差值判断该像素点是否位于边界。当前像素点与相邻像素点的差值为图像梯度，图像幅值和梯度方向根据图像梯度确定。

在一种可行的实现方式中，每个像素点的梯度可以由Sobel算子（索贝尔算子）来获得。第一方向和第二方向分别是图像的x轴和y轴，x轴可以是水平方向，y轴可以是竖直方向，第一梯度和第二梯度分别是G_x和G_y。首先利用Sobel算子得到像素点沿x轴和y轴方向的梯度G_x和G_y，其中，G_x为该像素点在x轴方向下一像素点的灰度值减去该像素点灰度值的差值除以单位像素，此时单位像素为1，G_y为该像素点在y轴方向上下一像素点减去该像素点的差值除以单位像素，此时单位像素为1。每个像素点的梯度幅值G根据得到，梯度方向θ根据/>得到。

在确定每个像素点的梯度幅值后，即能够将梯度幅值与预设梯度高值和预设梯度低值进行比对确定该像素点是否为特征边缘上的边缘像素。预设梯度高值是梯度的预设梯度高值，预设梯度低值是梯度的预设梯度低值。在确定所有的边缘像素后，连接所有的边缘像素即为特征边缘。

本实施例中，先确定像素点在第一方向上的第一梯度和在第二方向上的第二梯度，之后根据第一梯度和第二梯度确定梯度幅值和梯度方向。在确定梯度幅值后，将梯度幅值与预设梯度高值和预设梯度低值进行比对确定该像素点是否为边缘像素。连接所有边缘像素即确定特征边缘，从而可以确定特征识别区域。

在一个实施例中，在将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘之前，输电线路烟雾识别方法还包括：将每个像素点的梯度幅值与该像素点在梯度方向上相邻的像素点的梯度幅值进行比对；若像素点的梯度幅值小于相邻像素点的梯度幅值，则将该像素点的梯度幅值进行抑制。

在确定像素点的梯度方向后，能够通过梯度方向利用非极大抑制技术对误检边缘进行消除。具体地，在某像素点的梯度方向上具有相邻的像素点，将该像素点的梯度幅值与相邻像素点的梯度幅值进行比对。若该像素点的梯度幅值更大，则保留该像素点的梯度幅值，若该像素点的梯度幅值小于相邻像素点的梯度幅值，则认为该像素点为误检边缘像素点，将改像素点的梯度幅值抑制，示意性地，将梯度幅值抑制为0。

本实施例中，在判断某像素点是否为边缘像素前，先根据该像素点的梯度幅值和梯度方向进行误检边缘的去除，若在梯度方向上该像素点的梯度幅值不是相邻像素点的最大值，则认为该像素点属于误检，不是边缘像素，并对该像素点的梯度幅值进行抑制。减少了所需确定边缘像素的数量，并提高了准确率。

在一个实施例中，将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘，包括：若像素点的梯度幅值大于预设梯度高值，或像素点的梯度幅值大于预设梯度低值、小于等于预设梯度高值且该像素点与梯度幅值大于预设梯度高值的像素点相连，则认为该像素点是预留像素；若预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值，则认为该预留像素为边缘像素。

设定两个关于梯度幅值的阈值，预设梯度高值为maxVal，预设梯度低值为minVal，其中预设梯度高值大于预设梯度低值。梯度幅值大于maxVal的像素点初步认为是边缘像素保留，定义为预留像素。若梯度幅值位于maxVal和minVal之间，也即梯度幅值大于预设梯度低值、小于等于预设梯度高值时，该像素点与梯度幅值大于预设梯度高值的像素点相连，则初步认为该像素点是预留像素。否则，像素点不是边缘像素。

在确定预留像素后，利用非极大值抑制技术进一步对预留像素进行判断，确定像素点是否为边缘像素。非极大值抑制技术为边缘稀疏技术，非极大值抑制技术的作用在于“瘦”边。具体地，若预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值，则认为该预留像素为边缘像素；否则，认为该预留像素为非边缘像素，将其梯度幅值进行抑制，示意性地，可以将该像素点的梯度幅值抑制为0。

本实施例中，首先通过预设两个关于梯度幅值的阈值，分别为预设梯度高值和预设梯度低值，将像素点的梯度幅值和预设梯度高值和预设梯度低值进行比对，从而确定是否为预留像素，如果不是预留像素则直接认定像素点不是边缘像素。在确定所有的预留像素后，根据非极大值抑制技术进一步进行筛选，从而最终确定边缘像素。非极大值抑制技术帮助将局部最大值之外的所有梯度幅值抑制，将当前像素点的梯度幅值与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度幅值与另外两个像素相比最大，则该像素点保留为边缘像素，否则该像素点将被抑制，由此确定边缘像素，从而提取出边缘。

在一个实施例中，输电线路烟雾识别方法还包括：若像素点的梯度幅值小于或等于预设梯度低值，或像素点的梯度幅值大于预设梯度低值且该像素点不与梯度幅值大于预设梯度高值的像素点相连，则认为像素点不是边缘像素。

梯度幅值小于minVal的像素点直接认为是非边缘像素点。若梯度幅值位于maxVal和minVal之间，也即梯度幅值大于预设梯度低值、小于等于预设梯度高值时，若该像素点不与梯度幅值大于预设梯度高值的像素点相连，则认为该像素点不是边缘像素。

本实施例中，通过将像素点的梯度幅值和预设梯度高值以及预设梯度低值进行比对。梯度幅值小于预设梯度低值直接判定为非边缘像素，梯度幅值在预设梯度高值和预设梯度低值之间时，不与梯度幅值大于预设梯度高值的像素点相连则认为是非边缘像素。

在一个实施例中，如图3所示，提供了一种输电线路烟雾识别方法，包括以下步骤：

S302，获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像。

S304，对灰度环境图像滤波来平滑图像，并去除噪声。

S306，获取每个像素点在第一方向的第一梯度和在第二方向的第二梯度，根据第一梯度和第二梯度确定像素点的梯度幅值和梯度方向。

S308，将每个像素点的梯度幅值与该像素点在梯度方向上相邻的像素点的梯度幅值进行比对。

S310，若像素点的梯度幅值小于相邻像素点的梯度幅值，则将该像素点的梯度幅值进行抑制。

S312，若像素点的梯度幅值大于预设梯度高值，或像素点的梯度幅值大于预设梯度低值、小于等于预设梯度高值且该像素点与梯度幅值大于预设梯度高值的像素点相连，则认为该像素点是预留像素。

S314，若像素点的梯度幅值小于或等于预设梯度低值，或像素点的梯度幅值大于预设梯度低值且该像素点不与梯度幅值大于预设梯度高值的像素点相连，则认为像素点不是边缘像素。

S316，若预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值，则认为该预留像素为边缘像素；并根据特征边缘确定特征识别区域。

S318，若特征识别区域内不存在灰度值大于预设灰度阈值的像素点，则认为特征识别区域为非烟雾区域。

S320，在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区。

S322，在自高灰度源区向特征边缘的灰度值连续减小的情况下，确定特征识别区域为烟雾区域。

本实施例中，先获取目标输电线路的待识别环境图像，对待识别环境图像灰度处理，得到灰度环境图像，之后对灰度环境图像滤波以平滑图像并去除噪声，使得去除灰度环境图像中的无用信息。之后确定灰度环境图像中每个像素点在第一方向上的第一梯度值和在第二方向上的第二梯度值，并根据第一梯度值和第二梯度值确定该像素点的梯度幅值和梯度方向。在确定梯度方向后，将像素点的梯度幅值与其在梯度方向上的相邻像素点的梯度幅值进行比对，若该像素点的梯度幅值更小，则对该像素点的梯度幅值进行抑制，实现消除误检边缘。之后将像素点的梯度幅值和预设梯度高值和预设梯度低值进行比对，确定该像素点是否为预留像素，进而确定所有的预留像素。将预留像素的梯度幅值与其在梯度方向上相邻预留像素的梯度幅值进行比对，从而确定边缘像素，即确定特征边缘。根据特征边缘确定特征识别区域，若特征识别区域中不存在灰度值大于预设灰度阈值的像素点，根据烟雾的特性，将待识别区域认为非烟雾区域。若特征识别区域中存在灰度值大于预设灰度阈值的像素点，则进一步确定区域内的高灰度值源区，并判断是否自高灰度源区向特征边缘的灰度值为连续减小，若是，则特征识别区域为烟雾区域；否则是非烟雾区域。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的输电线路烟雾识别方法的输电线路烟雾识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电线路烟雾识别装置实施例中的具体限定可以参见上文中对于输电线路烟雾识别方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种输电线路烟雾识别装置400，包括：图像获取模块402、特征边缘确定模块404、高灰度源区确定模块406和烟雾区域确定模块408，其中：

图像获取模块402，用于获取目标输电线路的待识别环境图像，并将待识别环境图像灰度处理，得到灰度环境图像。

特征边缘确定模块404，用于根据灰度环境图像中各像素点的灰度值确定特征边缘，并根据特征边缘确定特征识别区域。

高灰度源区确定模块406，用于在特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据特征识别区域内像素点的灰度值大小确定特征识别区域内的高灰度源区。

烟雾区域确定模块408，用于在自高灰度源区向特征边缘的灰度值为连续减小的情况下，确定特征识别区域为烟雾区域。

在一个实施例中，高灰度源区确定模块406还用于在特征识别区域内不存在灰度值大于预设灰度阈值的像素点的情况下，则认为特征识别区域为非烟雾区域。

在一个实施例中，输电线路烟雾识别装置400还包括滤波模块，滤波模块用于对灰度环境图像滤波来平滑图像，并去除噪声。

在一个实施例中，特征边缘确定模块404具体用于获取每个像素点在第一方向的第一梯度和在第二方向的第二梯度，根据第一梯度和第二梯度确定像素点的梯度幅值和梯度方向；并将每个像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接边缘像素得到特征边缘。

在一个实施例中，特征边缘确定模块404具体用于将每个像素点的梯度幅值与该像素点在梯度方向上相邻的像素点的梯度幅值进行比对；并在像素点的梯度幅值小于相邻像素点的梯度幅值的情况下，则将该像素点的梯度幅值进行抑制。

在一个实施例中，特征边缘确定模块404具体用于在像素点的梯度幅值大于预设梯度高值，或像素点的梯度幅值大于预设梯度低值、小于等于预设梯度高值且该像素点与梯度幅值大于预设梯度高值的像素点相连的情况下，则认为该像素点是预留像素；在预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值的情况下，则认为该预留像素为边缘像素。

在一个实施例中，特征边缘确定模块404具体用于在像素点的梯度幅值小于或等于预设梯度低值，或像素点的梯度幅值大于预设梯度低值且该像素点不与梯度幅值大于预设梯度高值的像素点相连的情况下，则认为像素点不是边缘像素。

上述输电线路烟雾识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输电线路烟雾识别方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种输电线路烟雾识别方法，其特征在于，所述方法包括：

获取目标输电线路的待识别环境图像，并将所述待识别环境图像灰度处理，得到灰度环境图像；

根据所述灰度环境图像中各像素点的灰度值确定特征边缘，并根据所述特征边缘确定特征识别区域；

在所述特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据所述特征识别区域内像素点的灰度值大小确定所述特征识别区域内的高灰度源区；

在自所述高灰度源区向所述特征边缘的灰度值连续减小的情况下，确定所述特征识别区域为烟雾区域。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述灰度环境图像中各像素点的灰度值确定特征边缘，并根据所述特征边缘确定特征识别区域之后，所述方法还包括：

若所述特征识别区域内不存在灰度值大于预设灰度阈值的像素点，则认为所述特征识别区域为非烟雾区域。

3.根据权利要求1所述的方法，其特征在于，在所述获取目标输电线路的待识别环境图像，并将所述待识别环境图像灰度处理，得到灰度环境图像之后，所述方法还包括：

对所述灰度环境图像滤波来平滑图像，并去除噪声。

4.根据权利要求1所述的方法，其特征在于，所述根据所述灰度环境图像中各像素点的灰度值确定特征边缘，包括：

获取每个所述像素点在第一方向的第一梯度和在第二方向的第二梯度，根据所述第一梯度和所述第二梯度确定所述像素点的梯度幅值和梯度方向；

将每个所述像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接所述边缘像素得到所述特征边缘。

5.根据权利要求4所述的方法，其特征在于，在所述将每个所述像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接所述边缘像素得到所述特征边缘之前，所述方法还包括：

将每个像素点的梯度幅值与该像素点在所述梯度方向上相邻的像素点的梯度幅值进行比对；

若所述像素点的梯度幅值小于相邻像素点的梯度幅值，则将该像素点的梯度幅值进行抑制。

6.根据权利要求4所述的方法，其特征在于，所述将每个所述像素点的梯度幅值与预设梯度高值和预设梯度低值进行比对，确定边缘像素，连接所述边缘像素得到所述特征边缘，包括：

若所述像素点的梯度幅值大于所述预设梯度高值，或所述像素点的梯度幅值大于所述预设梯度低值、小于等于所述预设梯度高值且该像素点与梯度幅值大于预设梯度高值的像素点相连，则认为该像素点是预留像素；

若所述预留像素的梯度幅值大于该预留像素在梯度方向上的相邻预留像素的梯度幅值，则认为该预留像素为边缘像素。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

若所述像素点的梯度幅值小于或等于所述预设梯度低值，或所述像素点的梯度幅值大于所述预设梯度低值且该像素点不与梯度幅值大于所述预设梯度高值的像素点相连，则认为所述像素点不是边缘像素。

8.一种输电线路烟雾识别装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标输电线路的待识别环境图像，并将所述待识别环境图像灰度处理，得到灰度环境图像；

特征边缘确定模块，用于根据所述灰度环境图像中各像素点的灰度值确定特征边缘，并根据所述特征边缘确定特征识别区域；

高灰度源区确定模块，用于在所述特征识别区域内存在灰度值大于预设灰度阈值的像素点的情况下，根据所述特征识别区域内像素点的灰度值大小确定所述特征识别区域内的高灰度源区；

烟雾区域确定模块，用于在自所述高灰度源区向所述特征边缘的灰度值连续减小的情况下，确定所述特征识别区域为烟雾区域。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。