CN116883414B - 一种适用于输电线路运维的多系统数据选择方法和系统 - Google Patents

Abstract

本发明公开了一种适用于输电线路运维的多系统数据选择方法和系统，所述方法包括以下步骤：获取多系统对同一输电线路监测目标的监测图像数据；对监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，选取用于输电线路运维的图片以及图片上标注的目标状态信息。本发明实现了来自不同子系统运维图像数据进行统一且客观的量化评估，将主客观的评估方式进行了有效结合，更符合实际应用，有助于选择最优的运维数据。

Description

一种适用于输电线路运维的多系统数据选择方法和系统

技术领域

本发明属于输电线路运维技术领域，涉及一种适用于输电线路运维的多系统数据选择方法和系统。

背景技术

现有输电线路运维中心通过融合不同视频监控厂家、无人机监控、区块链社会化巡检、内外网人工巡检感知数据，并对海量监测数据的分析、研判和预处理，对输电线路实施全面的健康度动态评估，并对异常信息进行输电线路故障智能研判和主动预警，实现对日常业务和应急抢修业务的统一运维管控。

其中输电线路的运维数据来自不同固定点视频监控、无人机监控、区块链社会化巡检、内外网人工巡检，不同系统的数据全部接入输电线路监控中心终端显示屏进行轮播。使得目前输电线路实际运维管控过程中存在诸多问题，如：输电线路反外损业务服务提供商涉及不同的厂商，各个厂商之间缺乏统一标准，厂商之间又难以给对方开放相关接口，造成不同厂商之间的数据难以互通；输电线路日常业务涉及内外网数据，由于安全因素考虑，内外网数据难以打通，造成内外网数据存在较多的“孤岛”问题；各个系统数据孤立，难以全方位综合评估输电线路运维状况，输电线路运维历史数据难以追溯，提升输电线路总体运维效率的成本巨大。

除上述问题外，输电线路运维中心基于跨系统的融合数据对输电线路健康度水平进行实时评估，但是在同一条输电线路，运维数据来自不同子系统，数据差别大，如何通过科学的方法选择最优的运维数据对输电线路进行科学评估也是输电线路多系统数据运维的难点。

发明内容

为解决现有技术中存在的不足，本发明提供一种适用于输电线路运维的多系统数据选择方法和系统。

本发明采用如下的技术方案。

一种适用于输电线路运维的多系统数据选择方法，包括以下步骤：

步骤1、获取多系统对同一输电线路监测目标的监测图像数据；

步骤2、对步骤1所获取监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；

步骤3、根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图像数据。

优选地，所述监测图像数据包括系统对监测目标拍摄的图片以及图片上标注的目标状态信息；

优选地，所述多系统包括固定点视频监控系统、无人机监控系统、区块链社会化巡检系统和内外网人工巡检系统。

优选地，多系统监测图像数据的获取方式是对各系统的显示屏进行拍照，其中显示屏显示的是监测图像数据。

优选地，步骤2中，对每一图片进行如下多维属性量化评估：

图像清晰度、图像对比度、图像噪声方差、图像畸变系数、图像颜色均匀性、图像内容完整性以及图像尺寸比例。

优选地，所述图像清晰度=Σ|∇I(x,y)|

其中，|∇I(x,y)|表示图像在坐标(x,y)处的梯度幅值，Σ为求和符号；

所述图像对比度=(Imax-Imin)/(Imax+Imin)

其中，Imax是图像中最大颜色强度，Imin是图像中最小颜色强度。

所述图像噪声方差=(1/N)*Σ(I(x,y)-mean)^2其中，I(x, y) 是图像中坐标为(x, y) 处的像素值，mean 是图像的平均像素值，N 是图像像素的总数；

图像畸变系数=sqrt(dx^2+dy^2)

其中，dx表示对图像进行校正后像素在x方向上的偏移，dy表示对图像进行校正后像素在y方向上的偏移，sqrt（·）为正平方根函数。

所述图像颜色均匀性为图像R、G、B通道各通道的像素标准差与对应通道的像素均值的比值之和。

所述图像内容完整性为图像中检测到的轮廓所占的像素面积与整个图像面积的比例；

图像尺寸比例为：scale_ratio=actual_length/image_line_length

其中，scale_ratio表示实际线路的长度与图像中线路长度之间的比例；

image_line_length为图像中线路的长度；actual_length为实际线路的长度。

优选地，步骤2中，对图片属性进行两两重要性比较，得到重要性结果矩阵的过程如下：

假设图片属性集合有，m表示图片的属性数量，对集合中任意量两个属性、，进行重要性程度比较，比较结果记为，构成重要性结果矩阵，其中的取值情况如下：

（1），表示与同样重要，记为；

（2），表示优于，记为，且越小，相对于越重要；

（3），表示优于，记为，且越大，相对于越重要。

优选地，步骤2中，根据输电线路运维实际需求与预设值进行重要性程度比较取值。

优选地，步骤3中，根据属性重要性结果矩阵的矩阵元素值计算属性权重的公式为：

(3)

式中和为预设常数；

为反映和重要性差异重视程度的参数；

预先根据对优劣的分辨率要求取值；

表示属性重要性结果矩阵中第i行第j列元素，表示图片属性、重要性比较结果；

表示图片属性的数量；

为图片的属性的权重。

优选地，步骤3中，通过步骤2的多维属性量化评估，每一图片得到个属性量化值，基于个属性量化值，利用综合加权的计算方法，得到图片最终的综合属性值：

其中，表示图片的属性i的量化值；

为图片的属性的权重。

优选地，步骤3中，根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图像数据。

一种适用于输电线路运维的多系统数据选择系统，包括：

数据获取模块，用于获取多系统对同一输电线路监测目标的监测图像数据；

重要性比较模块，用于对数据获取模块所获取监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；

数据选择模块，用于根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图像数据。

一种终端，包括处理器及存储介质；所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行所述方法的步骤。

计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。

与现有技术相比，本发明的有益效果在于：

1、本发明对各系统的显示屏进行拍照获取多系统对同一输电线路监测目标的监测图像数据，将不同系统的数据全部接入输电线路监控中心终端显示屏进行显示与存储，解决了不同厂商之间的数据难以互通、内外网数据难以打通、各个系统数据孤立等问题；

2、本发明考虑多系统的图片差异与特点，筛选出图片多维属性并提出量化评估方案，对监测图像数据中的图片进行多维属性量化评估，实现了来自不同子系统运维图像数据进行统一且客观的量化评估，有助于选择最优的运维数据；

3、本发明针对筛选出的图片多维属性，根据输电线路运维实际需求对图片的属性进行两两重要性比较，得到重要性结果矩阵，其为在不同的情景中根据专家的评估构建的互补判断矩阵，将主客观的评估方式进行了有效结合，更符合实际应用；

4、本发明对互补判断矩阵进行研究，提出属性权重计算公式，其基于反映属性和重要程度差异的参数a计算，可在实际决策分析中根据属性间重要程度差异的重视程度进行调整，基于此得到的图片属性权重，结合图片的客观属性值，通过加权的方法得到各图片的综合属性值以对图片进行筛选，可对输电线路运维对输电线路实施全面的健康度动态评估，对异常信息进行输电线路故障智能研判和主动预警等提供最优的图像数据支撑；其通过参数考虑了在用模糊互补判断矩阵进行决策时，隐藏在决策信息中决策者的偏好，可以预先根据对优劣的分辨率要求选取，提高排序向量的分辨率。

附图说明

图1是本发明适用于输电线路运维的多系统数据选择方法流程图；

图2是多系统数据的数据获取模块示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。

如图1-2所示，本发明实施例1提供一种适用于输电线路运维的多系统数据选择方法，包括以下步骤：

步骤1、获取多系统对同一监测目标的监测图片数据，其中监测图片数据包括对监测目标拍摄的图片以及图片上标注的目标状态信息；

上述的多系统包括固定点视频监控系统、无人机监控系统、区块链社会化巡检系统、内外网人工巡检系统，其中无人机监控系统与区块链社会化巡检系统的区别是无人机监控巡检由输电线路专业运维实施，由无人机对输电线路的定期巡检，而社会化巡检是全社会参与的社会化巡视，区块链社会化巡检系统与内外网人工巡检系统的区别是区块链社会化巡检系统由全社会参与并借助专业选件软件进行输电线路巡检，而内外网人工巡检系统是由输电线路运维中心专业人员进行线路的定期巡检；

另外，由于监测图像数据包括对监测目标拍摄的图片以及图片上标注的目标状态信息，所以内外网人工巡检系统需要对监测目标拍摄图片并标注目标状态信息，人工巡检在图片上标注目标状态信息的方式是按照预设规则进行标注与展示，如在图片的左上角展示：拍摄时间；图片的右上角展示：隐患类型；图片的右下角展示：班组名称+电压等级+输电线路名称+杆塔号。而固定点视频监控系统、无人机监控系统、区块链社会化巡检系统可采用其自带的状态分析算法根据图片进行自动状态检测与状态信息标注。

而固定点视频监控系统、无人机监控系统、区块链社会化巡检系统可采用其自带的状态分析算法根据图片进行自动状态检测与状态信息标注。

步骤2、对步骤1所获取监测图片数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵。

通过本发明提供的权重确定方法，结合主观和客观的思路，得到图片属性的权重，进而可通过步骤3加权的方式计算每一张图片的综合属性值；

步骤2.1、多维量化评估：

首先提出了基于如下算法的输电线路数据（图片）多维量化评估指标：

本发明对数据进行旋转变换，在线性空间中进行一个基变换，使得变换后的数据投影在一组新的“坐标轴”上的方差最大化，随后，裁剪掉变换后方差很小的“坐标轴”，剩下的新“坐标轴”保留了包含绝大部分方差的维度特征，得以在一个较低维度的子空间中尽可能地表示原有数据的性质。

具体的，对每一图片进行如下多维量化评估：

（1）图像清晰度为图像中颜色强度之间差异：可通过计算图像的比较度、锐度等指标进行量化评估，为辨识输电线路潜在隐患细节，本发明采用梯度幅值测量图像中颜色或灰度强度变化，边缘和细节通常表现为颜色强度的剧烈变化，计算图像梯度幅值可以衡量图像中边缘的清晰度，对应的具体计算公式为：

图像清晰度=Σ|∇I(x,y)|

其中，|∇I(x, y)| 表示图像在坐标(x, y)处的梯度幅值；

Σ为求和符号，表示对所有像素点的梯度幅值求和。

（2）图像对比度：

图像对比度=(Imax-Imin)/(Imax+Imin)

其中，Imax是图像中最大颜色强度，Imin是图像中最小颜色强度。

（3）图像噪声：通过计算图像的噪声方差进行评估，对应的具体计算公式为：

噪声方差=(1/N)*Σ(I(x,y)-mean)^2；

其中，I(x, y) 是图像中坐标为 (x, y) 处的像素值，mean 是图像的平均像素值，N 是图像像素的总数；

Σ为求和符号，表示对所有像素点的方差值求和。

（4）图像畸变系数：遍历图像的所有像素，计算每个像素点的径向畸变系数的平均值，作为图像畸变系数；其中径向畸变系数=sqrt(dx^2+dy^2)

dx表示对图像进行校正后像素在x方向上的偏移，dy表示对图像进行校正后像素在y方向上的偏移，sqrt（·）为正平方根函数。

具体如下：

通过计算图像的畸变系数或使用校正方法进行评估，常见的径向畸变模型有k1、k2和k3等系数，计算公式如下：

x_corrected=x*(1+k1*r^2+k2*r^4+k3*r^6)

y_corrected=y*(1+k1*r^2+k2*r^4+k3*r^6)

径向畸变主要表现为图像中心点周围的形状拉伸或收缩。

通过优化算法来估计最佳的畸变系数，以使校正后的像素坐标与实际特征点坐标之间的重投影误差最小化。

计算校正前和校正后的像素坐标之间的差异，得到径向畸变矢量。通过以下公式计算：

矢量畸变=（x,y）-(x_corrected,y_corrected)

计算径向畸变系数：

矢量畸变可以表示为二维向量(dx,dy)，其中dx表示x方向上的偏移，dy表示y方向上的偏移。径向畸变系数可以通过以下公式计算：

畸变系数=sqrt(dx^2+dy^2)

遍历图像的所有像素，计算每个像素点的径向畸变系数，并计算这些系数的平均值，作为图像的平均畸变系数。

（5）图像颜色均匀性：

图像颜色均匀性为图像R、G、B通道各通道的像素标准差与对应通道的像素均值的比值之和。

图像颜色均匀性指标通过以下步骤计算：

a.将图像从原始颜色空间转换为RGB颜色空间：如果图像不是在RGB颜色空间中，需要将其转换为RGB颜色空间，可以通过图像处理库（如OpenCV）来完成。

b.分离RGB通道：将RGB图像分离为红色通道（R）、绿色通道（G）和蓝色通道（B）三个通道；

c.计算通道的标准差和均值：对每个通道（R、G、B）分别计算像素标准差（stddev）和均值（mean）；

d．计算图像颜色均匀性指标：将每个通道的标准差除以对应通道的均值，然后将这三个比值相加，得到色彩均匀性指标。

根据计算得到的图像颜色均匀性指标，可以判断图像的颜色均匀性。指标值越低，表示图像颜色越均匀；指标值越高，表示图像颜色不均匀。

（6）图像内容完整性 ：使用线路检测算法或人工标注进行评估，常用的线路检测算法包括Canny边缘检测、Sobel算子、Laplacian算子等。

图像内容完整性为图像中检测到的轮廓所占的像素面积与整个图像面积的比例，较高的占比表示图像内容较完整。

（7）图像尺寸比例：通过计算线路长度与实际长度的比例进行评估，对应的具体计算公式为

scale_ratio=actual_length/image_line_length

其中，scale_ratio表示实际线路世界中的长度与图像中线路长度之间的比例；

image_line_length（单位为像素）为图像中线路的长度；

actual_length为实际世界中线路的真实长度；

单位为实际长度的单位为厘米，图像中线路的长度的单位为像素。以上评估指标可以帮助评价输电线路图片的质量和可用性。当然，具体的评估指标可能会因图片特性、应用需求和标准而有所不同，需要根据具体情况进行调整和补充。

步骤2.2、对图片属性进行两两重要性比较，得到重要性结果矩阵：

假设图片属性集合有，m表示图片的属性数量，结合步骤2.1可知，本实施例中m取7，对集合中任意量两个属性、，进行重要性程度比较，比较结果记为，构成重要性结果矩阵，矩阵元素具体取值为：

（1），表示与同样重要，记为；

（2），表示优于，记为，且越小，相对于越重要；

（3），表示优于，记为，且越大，相对于越重要。

是在输电线路运维过程中，根据不同的实际隐患，由专家的知识结构，对运维图片属性进行两两比较得到的判断矩阵。在输电线路运维实际需求过程中，图片属性重要性程度也会随实际情境动态的调整。

步骤3、根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一张图片的综合属性值，根据综合属性值选取输电线路运维的图像数据。

如将图片按照综合属性值降序排序，选取综合属性值最大的图片及其上标注的目标状态信息作为输电线路的运维（如健康度评估等）数据，还可以选用排前N（N的值可根据需要自定义）个图片及其上标注的目标状态信息，经过进一步数据格式转换、数据清洗和数据标准化等工作后用于输电线路运维。

步骤3.1、根据属性重要性结果矩阵的矩阵元素值计算属性权重的公式为：

(3)

式中和为预设常数；实际应用时，预先根据和重要性差异重视程度取值，一般取值为；预先根据对优劣的分辨率要求取值，一般取10；

表示属性重要性结果矩阵中第i行第j列元素，表示图片属性、重要性比较结果；

表示图片属性的数量；

为图片的属性的权重。

步骤3.2、通过上述步骤2.1的多维属性量化评估计算，每一图片得到了个属性值，基于这个属性值利用综合加权的计算方法，可以得到图片最终的综合属性值。

本发明通过上述公式（3）计算图片属性的权重，其与现有技术的区别在于常数是反映属性和重要程度差异的，它的大小直接反映决策者的属性偏好程度,越大表明决策者非常重视元素间重要程度的差异,越小表明决策者不是非常重视元素间重要程度的差异。在实际决策分析中可以根据决策者的态度, 选择稍大或稍小一点的。一般可认为时决策者对元素间重要程度的差异重要程度中等，这种情况在实际决策中最为常见。

上述图片权重计算方案的推理分析过程如下：

本发明上述步骤2-3涉及基于互补判断矩阵的多属性决策权重确定，关于模糊互补判断矩阵的研究，一致性和方案优先权重的确定是最为重要的研究问题。但是模糊互补判断矩阵具有一致性，本发明研究如何确定方案的优先权重，才符合人的认识的问题。

设决策者对给定的方案集进行两两比较，得到决策者的偏好信息由一个矩阵表示，其中表示方案优于方案的程度，称矩阵为二元对比矩阵。可以理解的是，在本发明中，所述方案指图片。

其元素的含义如下：

，表示方案与方案同样重要（重要性一致），记为。

表示方案优于方案，记为，且越小，越优于。

，表示方案优于方案，记为，且越大，越优于。

的值根据输电线路运维实际需求与预设值确定，如对于输电线路下大型施工现场的图片，存在安全隐患，对于照片的清晰度要求更高，预先设定图像清晰度与其他属性的重要性进行比较，对应的值为：

，，，，，，。

预设值可根据各属性的相对重要程度进行适应性调整。

定义1 设二元对比矩阵，如果的元素满足：

；

。

则称矩阵为模糊互补判断矩阵。

定义2 设为模糊互补判断矩阵，若对任意，均有，则称为模糊一致互补判断矩阵。

已有传统的模糊多属性决策权重确定方法忽略了决策者的分辨能力，因而所获得熟悉权重不符合决策者的意愿。这可能使得权重确定的方法失去意义。若决策者分辨水平能力差，基于本发明的方法可以选择合理的参数可以提高排序向量的分辨率，用模糊层次分析法进行决策时，除了考虑模糊互补判断矩阵的一致性，必须考虑决策者对客观事物认识的分辨能力。参数揭示在用模糊互补判断矩阵进行决策时，隐藏在决策信息中决策者的偏好。

本发明给出一种新的模糊互补判断矩阵确定方案优先权重的参数方法，具体如下：

设模糊互补判断矩阵，则为模糊一致矩阵的充分必要条件是存在维正的归一化向量及常数和，使得，有

(1)

成立。

（必要性）设为模糊一致判断矩阵，令

(2)

显然。由模糊一致矩阵的定义有

.

这说明模糊一致判断矩阵的元素可以表示为

（充分性）若模糊互补判断矩阵的元素，，则有

即是模糊一致矩阵。

如果是非一致性模糊互补判断矩阵，可以考虑用下面方法确定各个方案的权重。

设是模糊互补判断矩阵，权重向量，由下面约束规划问题的解确定：

(3)

则仍有，这里。

由拉格朗日乘数法，将转化为下面无约束规划问题：

令，得。

整理后得

。

从而，由互补判断矩阵性质及，得，因，从而。解下面方程组：

(4)

解得。

常数是反映方案和重要（优劣）程度差异的，它的大小直接反映决策者的偏好程度,越大表明决策者非常重视元素间重要程度的差异,越小表明决策者不是非常重视元素间重要程度的差异。基于这种分析,在实际决策分析中可以根据决策者的态度, 选择稍大或稍小一点的。一般可认为时决策者对元素间重要程度的差异重要程度中等，这种情况在实际决策中最为常见。

以下讨论也是基于常见情况下的探讨，其中为模糊一致矩阵时，。

由于判断矩阵是由决策者给出的，由于决策者的知识结构，个人偏好、判断水平等因素的影响，再加上问题本身的复杂性和不确定性，判断矩阵往往不具有一致性，当模糊互补判断矩阵不一致时，选定参数，利用（3）计算优先权重，然后代入。如果模糊互补判断矩阵具有一致性，则。否则，模糊互补判断矩阵不具有一致性。选择可以接受的偏差 ，将满足的元素 挑选出来，告诉决策者，由决策者进行调整。重复上述过程，直到调整后的模糊互补判断矩阵的所有元素满足为止。

从上面的讨论，常数确定以后，得出以下结论。

结论1方案的优劣排序与底数无关，只与方案对应模糊互补判断矩阵的行的所有元素和有关，即方案的序关系由的大小决定的。（1）式同样说明这一点。

结论2 权重，是底数，的函数，因而对于模糊互补判断矩阵，有一族权重矢量。

结论3 不妨设，则，即。关于是严格增函数，且，，这说明可以通过增大的值提高方案优劣的分辨率。

结论4 用模糊一致判断矩阵确定方案的优先权重，信息是不完善的。决策者认识的偏好程度不同，要确定方案的优先权重，必须考虑参数的选择。

基于上述分析，本发明通过上述公式（3）计算图片属性的权重，其与现有技术的区别在于常数是反映属性和重要程度差异的，它的大小直接反映决策者的属性偏好程度, 常数越大表明决策者非常重视元素间重要程度的差异,越小表明决策者不是非常重视元素间重要程度的差异。在实际决策分析中可以根据决策者的态度, 选择稍大或稍小一点的。一般可认为时决策者对元素间重要程度的差异重要程度中等，这种情况在实际决策中最为常见。

本发明实施例2提供一种适用于输电线路运维的多系统数据选择系统，包括：

数据获取模块，用于获取多系统对同一输电线路监测目标的监测图像数据，其中监测图像数据包括系统对监测目标拍摄的图片以及图片上标注的目标状态信息；

重要性比较模块，用于对数据获取模块所获取监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；

数据选择模块，用于根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图片以及图片上标注的目标状态信息。

本发明实施例3提供一种终端，包括处理器及存储介质；所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行所述方法的步骤。

本发明实施例4提供计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。

本发明的有益效果在于，与现有技术相比：

1、本发明对各系统的显示屏进行拍照获取多系统对同一输电线路监测目标的监测图像数据，将不同系统的数据全部接入输电线路监控中心终端显示屏进行显示与存储，解决了不同厂商之间的数据难以互通、内外网数据难以打通、各个系统数据孤立等问题；

2、本发明考虑多系统的图片差异与特点，筛选出图片多维属性并提出量化评估方案，对监测图像数据中的图片进行多维属性量化评估，实现了来自不同子系统运维图像数据进行统一且客观的量化评估，有助于选择最优的运维数据；

3、本发明针对筛选出的图片多维属性，根据输电线路运维实际需求对图片的属性进行两两重要性比较，得到重要性结果矩阵，其为在不同的情景中根据专家的评估构建的互补判断矩阵，将主客观的评估方式进行了有效结合，更符合实际应用；

4、本发明对互补判断矩阵进行研究，提出属性权重计算公式，其基于反映属性和重要程度差异的参数a计算，可在实际决策分析中根据属性间重要程度差异的重视程度进行调整，基于此得到的图片属性权重，结合图片的客观属性值，通过加权的方法得到各图片的综合属性值以对图片进行筛选，可对输电线路运维对输电线路实施全面的健康度动态评估，对异常信息进行输电线路故障智能研判和主动预警等提供最优的图像数据支撑；其通过参数考虑了在用模糊互补判断矩阵进行决策时，隐藏在决策信息中决策者的偏好，可以预先根据对优劣的分辨率要求选取，提高排序向量的分辨率。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (13)

1.一种适用于输电线路运维的多系统数据选择方法，其特征在于：

所述方法包括以下步骤：

步骤1、获取多系统对同一输电线路监测目标的监测图像数据；

步骤2、对步骤1所获取监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；

步骤3、根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图像数据；

根据属性重要性结果矩阵的矩阵元素值计算属性权重的公式为：

(3)

式中和为预设常数，；

为反映和重要性差异重视程度的参数；

预先根据对优劣的分辨率要求取值；

表示属性重要性结果矩阵中第i行第j列元素，表示图片属性、重要性比较结果；

表示图片属性的数量；

为图片的属性的权重。

2.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

所述监测图像数据包括系统对监测目标拍摄的图片以及图片上标注的目标状态信息。

3.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

所述多系统包括固定点视频监控系统、无人机监控系统、区块链社会化巡检系统和内外网人工巡检系统。

4.根据权利要求3所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

多系统监测图像数据的获取方式是对各系统的显示屏进行拍照，其中显示屏显示的是监测图像数据。

5.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

步骤2中，对每一图片进行如下多维属性量化评估：

图像清晰度、图像对比度、图像噪声方差、图像畸变系数、图像颜色均匀性、图像内容完整性以及图像尺寸比例。

6.根据权利要求5所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

所述图像清晰度=Σ|∇I(x,y)|

其中，|∇I(x,y)|表示图像在坐标(x,y)处的梯度幅值，Σ为求和符号；

所述图像对比度=(Imax-Imin)/(Imax+Imin)

其中，Imax是图像中最大颜色强度，Imin是图像中最小颜色强度；

所述图像噪声方差=(1/N)*Σ(I(x,y)-mean)^2；其中，I(x, y) 是图像中坐标为 (x,y) 处的像素值，mean 是图像的平均像素值，N 是图像像素的总数；

图像畸变系数=sqrt(dx^2+dy^2)；

其中，dx表示对图像进行校正后像素在x方向上的偏移，dy表示对图像进行校正后像素在y方向上的偏移，sqrt（·）为正平方根函数；

所述图像颜色均匀性为图像R、G、B通道各通道的像素标准差与对应通道的像素均值的比值之和；

所述图像内容完整性为图像中检测到的轮廓所占的像素面积与整个图像面积的比例；

图像尺寸比例为：scale_ratio=actual_length/image_line_length

其中，scale_ratio表示实际线路的长度与图像中线路长度之间的比例；

image_line_length为图像中线路的长度；actual_length为实际线路的长度。

7.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

步骤2中，对图片属性进行两两重要性比较，得到重要性结果矩阵的过程如下：

假设图片属性集合有，m表示图片的属性数量，对集合中任意量两个属性、，进行重要性程度比较，比较结果记为，构成重要性结果矩阵，其中的取值情况如下：

（1），表示与同样重要，记为；

（2），表示优于，记为，且越小，相对于越重要；

（3），表示优于，记为，且越大，相对于越重要。

8.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

步骤2中，根据输电线路运维实际需求与预设值进行重要性程度比较与取值。

9.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

步骤3中，通过步骤2的多维属性量化评估，每一图片得到个属性量化值，基于个属性量化值，利用综合加权的计算方法，得到图片k’最终的综合属性值：

其中，表示图片k’的属性i的量化值；

为图片的属性的权重。

10.根据权利要求1所述的一种适用于输电线路运维的多系统数据选择方法，其特征在于：

步骤3中，将图片按照综合属性值降序排序，选取综合属性值最大的图片及其上标注的目标状态信息或者选取前N个图片及其上标注的目标状态信息作为用于输电线路运维的图像数据。

11.一种适用于输电线路运维的多系统数据选择系统，利用权利要求1-10任意一项所述的方法，其特征在于：所述数据选择系统包括：

数据获取模块，用于获取多系统对同一输电线路监测目标的监测图像数据；

重要性比较模块，用于对数据获取模块所获取监测图像数据中的图片进行多维属性量化评估，得到图片多维属性值，并对图片属性进行两两重要性比较，得到重要性结果矩阵；

数据选择模块，用于根据重要性结果矩阵的矩阵元素值计算图片属性的权重，根据图片的属性权重和对应的属性量化值，计算每一图片的综合属性值，根据综合属性值选取用于输电线路运维的图像数据。

12.一种终端，包括处理器及存储介质；其特征在于：

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行权利要求1-10任一项所述方法的步骤。

13.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。