CN117351425A - 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备 - Google Patents

一种用于变电站的鸟类对象驱逐方法、装置、介质及设备 Download PDF

Info

Publication number
CN117351425A
CN117351425A CN202311378691.4A CN202311378691A CN117351425A CN 117351425 A CN117351425 A CN 117351425A CN 202311378691 A CN202311378691 A CN 202311378691A CN 117351425 A CN117351425 A CN 117351425A
Authority
CN
China
Prior art keywords
bird
expelling
target
transformer substation
bird object
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
Application number
CN202311378691.4A
Other languages
English (en)
Inventor
吴艺明
张秋阳
王俊武
宗成琦
李学荣
蔡启亮
张雨
董爱军
马建鹏
朱鹏宇
于声鑫
明彤彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Qingdao Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202311378691.4A priority Critical patent/CN117351425A/zh
Publication of CN117351425A publication Critical patent/CN117351425A/zh
Pending legal-status Critical Current

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Catching Or Destruction (AREA)

Abstract

本申请公开了一种用于变电站的鸟类对象驱逐方法、装置、介质及设备，其中，方法包括：获取变电站周围环境的视频图像；基于帧间差分算法对视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；基于语义分割检测算法对各初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；基于各目标图像帧确定鸟类对象相对于变电站的位置信息；至少基于位置信息对鸟类对象进行驱逐。本申请，通过对变电站周围视频图像进行检测，能够精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。

Description

一种用于变电站的鸟类对象驱逐方法、装置、介质及设备
技术领域
本发明涉及变电站防护技术领域，特别涉及一种用于变电站的鸟类对象驱逐方法、装置、介质及设备。
背景技术
随着我国生态环境的改善和电网建设的推进，鸟类活动范围与电网建设交集逐渐扩大。鸟类的筑巢、排泄等活动会危害电力设备的安全运行。为此，电力公司采取了许多措施来防止鸟类对变电站的影响。
传统的防鸟装置如防鸟刺、防鸟网等属于被动驱鸟方案，其存在着防护范围小、人力物力成本高等缺点；激光驱鸟器利用了鸟类对绿色激光的视觉错位效应，通过不间断扫描创建防鸟空间，扩大了防护范围，但长期使用后鸟类易产生耐受性，驱鸟效果随着时间的推移逐渐减弱失效，且激光驱鸟器需全年运行，以耗费电量较多。
由此，亟需一种鸟类对象驱逐方法，以解决现有技术中变电站周围鸟类驱逐效果差的问题。
发明内容
有鉴于此，本发明提供了一种用于变电站的鸟类对象驱逐方法、装置、介质及设备，主要目的在于解决目前存在变电站周围鸟类驱逐效果差的问题。
为解决上述问题，本申请提供一种用于变电站的鸟类对象驱逐方法，包括：
获取变电站周围环境的视频图像；
基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
至少基于所述位置信息对所述鸟类对象进行驱逐。
可选的，所述获取变电站周围环境的视频图像，具体包括：
基于预定的拍摄装置实时对变电站周围环境进行拍摄，以获得所述视频图像。
可选的，在对所述鸟类对象进行驱逐之前，所述方法还包括：
对鸟类对象进行种类检测，以确定鸟类对象所属的目标鸟类种类；
所述至少基于所述位置信息对所述鸟类对象进行驱逐，具体包括：
基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐。
可选的，所述基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐，具体包括：
基于所述目标鸟类种类，确定与所述目标鸟类种类对应的目标驱逐方式；
基于所述目标驱逐方式按照所述位置信息对所述鸟类对象进行驱逐。
可选的，所述至少基于所述位置信息对所述鸟类对象进行驱逐，具体包括：
基于所述位置信息对鸟类对象进行运动目标追踪，以确定鸟类对象当前中心位置相对于驱逐设备的位置偏差值；
基于所述位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐。
可选的，所述基于所述位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐，具体包括：
基于所述位置偏差值采用自适应PID控制对驱逐设备进行控制，以使驱逐设备与鸟类对象位置时对鸟类对象进行驱逐。
可选的，所述目标驱逐方式包括如下任意一种：声炮驱鸟、激光驱鸟以及声光联合驱鸟。
为解决上述问题，本申请提供一种用于变电站的鸟类对象驱逐装置，包括：
获取模块，获取变电站周围环境的视频图像；
第一检测模块，用于基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
第二检测模块，用于基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
确定模块，用于基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
驱逐模块，用于至少基于所述位置信息对所述鸟类对象进行驱逐。
为解决上述问题，本申请提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述用于变电站的鸟类对象驱逐方法的步骤。
为解决上述问题，本申请提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述用于变电站的鸟类对象驱逐方法的步骤。
本申请中的用于变电站的鸟类对象驱逐方法、装置、介质及设备，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例一种用于变电站的鸟类对象驱逐方法的流程图；
图2为本申请又一实施例一种用于变电站的鸟类对象驱逐方法的流程图；
图3为本申请实施例一种用于变电站的鸟类对象驱逐装置的结构图；
图4为本申请实施例中一种电子设备的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供一种用于变电站的鸟类对象驱逐方法，具体可以应用于终端、服务器等电子设备，如图1所示，本实施例中的方法包括如下步骤：
步骤S101，获取变电站周围环境的视频图像；
本步骤中在具体实施过程中，可以在变电站附近安装摄像头等拍摄装置，然后利用拍摄装置实时对变电站周围环境进行拍摄，以此来获得视频图像。
步骤S102，基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
本步骤在具体实施过程中，具体可以预先获取未包含运动对象的背景图像，然后将视频图像中的各图像帧分别与背景图像进行帧间差分处理，获得第一差分图像，然后基于第一差分图像确定是否存在运动对象。
具体的，在进行运动对象检测时，还可以将视频图像中相邻的两个视频帧做帧间差分处理，获得第二差分图像，然后基于第一差分图像和第二差分图像来综合的确定是否存在有运动对象，从而获得包含运动对象的若干初始图像帧。
步骤S103，基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
本步骤中，在获得包含有运动对象的初始图像帧之后，可以进一步利用语义分割检测算法对该初始图像帧中的运动对象进行类别检测，从而能够精确的确定运动对象为鸟类对象还是非鸟类对象。
步骤S104，基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
本步骤中，位置信息可以包括距离和方位，也就是确定出鸟类对象相对于变电站的距离和方位，从而为后续基于鸟类对象的位置精准的进行驱逐奠定了基础。
步骤S105，至少基于所述位置信息对所述鸟类对象进行驱逐。
本步骤中，在确定出鸟类对象的位置之后，就可以利用驱逐设备对鸟类进行驱逐。驱逐设备可以是声炮设备和/或激光设备等等。
本实施例中的用于变电站的鸟类对象驱逐方法，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
本申请又一实施例提供一种用于变电站的鸟类对象驱逐方法，本实施例中，为了提高对鸟类对象的驱逐效果，可以在对所述鸟类对象进行驱逐之前，对鸟类对象进行种类检测，以确定鸟类对象所属的目标鸟类种类，例如，利用语义分割检测算法对该初始图像帧中的运动对象进行类别检测，从而获得目标鸟类种类的检测结果。后续就可以基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐。也就是，可以基于所述目标鸟类种类，确定与所述目标鸟类种类对应的目标驱逐方式；然后再基于所述目标驱逐方式按照所述位置信息对所述鸟类对象进行驱逐。其中，目标驱逐方式可以为：声炮驱鸟、激光驱鸟或声光联合驱鸟。本实施例中，可以根据鸟类种类的特点，预先确定与各鸟类种类对应的驱逐方式，并基于鸟类种类与驱逐方式的映射关系构建驱逐方式表。后续当确定目标鸟类种类时，就可以通过查找该驱逐方式表来快速、准确的确定目标驱逐方式，为后续基于目标驱逐方式进行合理的鸟类驱逐奠定了基础。
本申请另一实例提供一种用于变电站的鸟类对象驱逐方法，本实施例中，在确定鸟类对象的位置信息之后，可以基于所述位置信息对鸟类对象进行运动目标追踪，以确定鸟类对象当前中心位置相对于驱逐设备的位置偏差值；然后可以基于该位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐。也就是，可以基于位置偏差值采用自适应PID控制对驱逐设备进行控制，以使驱逐设备与鸟类对象位置时对鸟类对象进行驱逐。例如控制驱逐设备机械臂上的激光和/或声炮对准鸟类对象，然后对鸟类对象进行驱逐。本实施例中，通过采用自适应PID控制进行运动目标追踪，能够实现鸟类对象的实时跟踪，为后续基于跟踪结果精准的对鸟类对象进行驱逐奠定了基础。
在上述实施例的基础上，本申请另一实施例提供一种用于变电站的鸟类对象驱逐方法，如图2所示，包括如下步骤：
步骤S1，检测运动物体。
本步骤中，可以基于独立广角相机实时拍摄的视频图像，采用帧差法实时检测图像帧中是否存在运动的目标，如果检测到运动目标，则输出检测结果给语义分割模块，执行步骤S2。如果没有检测到运动目标，则继续检测下一帧图像中是否存在运动目标。
步骤S2，进行语义分割。
本步骤中，针对包含有运动目标的图像帧，可以采用ShelfNet实时语义分割检测算法，分割运动的鸟类。
步骤S3，鸟类种类估计和距离估计
本步骤中，若视频帧运动目标中存在鸟类，则对运动鸟类进行分类与距离估计，获得鸟类类别结果和距离估算结果。若运动目标中没有鸟类，则本轮结束。
步骤S4，策略选择。
本步骤中，可以根据鸟类类别结果以及距离估算结果，选择3种不同的驱鸟策略/驱逐方式。其中，驱鸟策略/驱逐方式包括：声炮驱鸟、激光驱鸟以及声光联合驱鸟。
步骤S5，运动目标追踪。
本步骤中，可根据步骤S1中的检测结果，对检测到的鸟类对象进行跟踪，跟踪过程中得到鸟类对象的当前中心位置相对于激光(声炮)中心点的偏差值，并将得到的偏差值输出给控制模块，采用自适应PID控制进行运动目标追踪，使机械臂上的激光设备(声炮设备)可以正对鸟类对象。
步骤S6，执行驱鸟策略。
本步骤中，当械臂上的激光设备(声炮设备)可以正对鸟类对象后，可以启动激光设备(声炮设备)，以对鸟类对象进行驱逐。至此，完成一轮驱逐操作。后续可以再次执行S1，进行下一次循环。
本实施例中的用于变电站的鸟类对象驱逐方法，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，同时还能准确的确定出鸟类对象的种类，后续就可以基于鸟类对象的种类、位置等合理的选择目标驱逐方式，并基于鸟类对象距离变电站的远近进行精准的驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
本申请另一实例提供一种用于变电站的鸟类对象驱逐装置，如图3所示，包括：
获取模块11，获取变电站周围环境的视频图像；
第一检测模块12，用于基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
第二检测模块13，用于基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
确定模块14，用于基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
驱逐模块15，用于至少基于所述位置信息对所述鸟类对象进行驱逐。
获取变电站周围环境的视频图像；
基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
至少基于所述位置信息对所述鸟类对象进行驱逐。
本实施例在具体实施过程中，所述获取模块具体用于：基于预定的拍摄装置实时对变电站周围环境进行拍摄，以获得所述视频图像。
本实施例在具体实施过程中，所述用于变电站的鸟类对象驱逐装置还包括第三检测模块，所述第三检测模块用于：对鸟类对象进行种类检测，以确定鸟类对象所属的目标鸟类种类；所述驱逐模块，具体用于：基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐。
本实施例在具体实施过程中，所述驱逐模块具体用于：基于所述目标鸟类种类，确定与所述目标鸟类种类对应的目标驱逐方式；基于所述目标驱逐方式按照所述位置信息对所述鸟类对象进行驱逐。
本实施例在具体实施过程中，所述驱逐模块具体用于：基于所述位置信息对鸟类对象进行运动目标追踪，以确定鸟类对象当前中心位置相对于驱逐设备的位置偏差值；基于所述位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐。
本实施例在具体实施过程中，所述驱逐模块具体用于：基于所述位置偏差值采用自适应PID控制对驱逐设备进行控制，以使驱逐设备与鸟类对象位置时对鸟类对象进行驱逐。
本实施例在具体实施过程中，所述目标驱逐方式包括如下任意一种：声炮驱鸟、激光驱鸟以及声光联合驱鸟。
本实施例中的用于变电站的鸟类对象驱逐装置，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
本申请另一实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
步骤一、获取变电站周围环境的视频图像；
步骤二、基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
步骤三、基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
步骤四、基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
步骤五、至少基于所述位置信息对所述鸟类对象进行驱逐。
上述方法步骤的具体实施过程可参见上述任意用于变电站的鸟类对象驱逐方法的实施例，本实施例在此不再重复赘述。
本申请中的存储介质，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
本申请另一实施例提供一种电子设备，如图4所示，至少包括存储器1、处理器2，所述存储器1上存储有计算机程序，所述处理器2在执行所述存储器1上的计算机程序时实现如下方法步骤：
步骤一、获取变电站周围环境的视频图像；
步骤二、基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
步骤三、基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
步骤四、基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
步骤五、至少基于所述位置信息对所述鸟类对象进行驱逐。
上述方法步骤的具体实施过程可参见上述任意用于变电站的鸟类对象驱逐方法的实施例，本实施例在此不再重复赘述。
本申请中的电子设备，通过获取变电站周围环境的视频图像，能够根据视频图像精准的检测出变电站周围是否存在鸟类对象以及鸟类对象的位置，后续就可以基于鸟类对象的位置有针对性的对鸟类对象进行驱逐，使得驱逐方位更加准确，提高了鸟类对象的驱逐效果。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (10)

1.一种用于变电站的鸟类对象驱逐方法，其特征在于，包括：
获取变电站周围环境的视频图像；
基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
至少基于所述位置信息对所述鸟类对象进行驱逐。
2.如权利要求1所述的方法，其特征在于，所述获取变电站周围环境的视频图像，具体包括：
基于预定的拍摄装置实时对变电站周围环境进行拍摄，以获得所述视频图像。
3.如权利要求1所述的方法，其特征在于，在对所述鸟类对象进行驱逐之前，所述方法还包括：
对鸟类对象进行种类检测，以确定鸟类对象所属的目标鸟类种类；
所述至少基于所述位置信息对所述鸟类对象进行驱逐，具体包括：
基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐。
4.如权利要求3所述的方法，其特征在于，所述基于所述位置信息以及所述目标鸟类种类对所述鸟类对象进行驱逐，具体包括：
基于所述目标鸟类种类，确定与所述目标鸟类种类对应的目标驱逐方式；
基于所述目标驱逐方式按照所述位置信息对所述鸟类对象进行驱逐。
5.如权利要求1所述的方法，其特征在于，所述至少基于所述位置信息对所述鸟类对象进行驱逐，具体包括：
基于所述位置信息对鸟类对象进行运动目标追踪，以确定鸟类对象当前中心位置相对于驱逐设备的位置偏差值；
基于所述位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐。
6.如权利要求1所述的方法，其特征在于，所述基于所述位置偏差值控制所述驱逐设备对所述鸟类对象进行驱逐，具体包括：
基于所述位置偏差值采用自适应PID控制对驱逐设备进行控制，以使驱逐设备与鸟类对象位置时对鸟类对象进行驱逐。
7.如权利要求1所述的方法，其特征在于，所述目标驱逐方式包括如下任意一种：声炮驱鸟、激光驱鸟以及声光联合驱鸟。
8.一种用于变电站的鸟类对象驱逐装置，其特征在于，包括：
获取模块，获取变电站周围环境的视频图像；
第一检测模块，用于基于帧间差分算法对所述视频图像进行运动对象检测，获得包含运动对象的若干初始图像帧；
第二检测模块，用于基于语义分割检测算法对各所述初始图像帧中的运动对象进行类别检测，以确定运动对象为鸟类对象的若干目标图像帧；
确定模块，用于基于各所述目标图像帧确定鸟类对象相对于变电站的位置信息；
驱逐模块，用于至少基于所述位置信息对所述鸟类对象进行驱逐。
9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述用于变电站的鸟类对象驱逐方法的步骤。
10.一种电子设备，其特征在于，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述权利要求1-7任一项所述用于变电站的鸟类对象驱逐方法的步骤。
CN202311378691.4A 2023-10-23 2023-10-23 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备 Pending CN117351425A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311378691.4A CN117351425A (zh) 2023-10-23 2023-10-23 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311378691.4A CN117351425A (zh) 2023-10-23 2023-10-23 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备

Publications (1)

Publication Number Publication Date
CN117351425A true CN117351425A (zh) 2024-01-05

Family

ID=89367582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311378691.4A Pending CN117351425A (zh) 2023-10-23 2023-10-23 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN117351425A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6418674B1 (en) * 1999-12-01 2002-07-16 Robert Deraedt Bird repellant method and system
CN102860300A (zh) * 2012-09-20 2013-01-09 西南科技大学 一种基于模式识别的自动瞄准激光驱鸟装置及驱鸟方法
CN108710126A (zh) * 2018-03-14 2018-10-26 上海鹰觉科技有限公司 自动化探测驱逐目标方法及其系统
CN114190358A (zh) * 2021-11-12 2022-03-18 五邑大学 驱鸟装置的控制方法、驱鸟装置、电子设备、存储介质
JP2022066717A (ja) * 2020-10-19 2022-05-02 新生電子株式会社 鳥類忌避装置
CN114885937A (zh) * 2022-06-10 2022-08-12 润芯微科技(江苏)有限公司 一种汽车驱逐鸟类系统及其方法
CN115606575A (zh) * 2022-11-01 2023-01-17 北京信息科技大学 基于目标检测网络的智能鸟类驱逐方法及系统
CN115810036A (zh) * 2023-01-05 2023-03-17 广东电网有限责任公司江门供电局 海缆终端场活体异物驱逐激光路径规划方法及相关装置
CN116602288A (zh) * 2023-05-22 2023-08-18 北京理工大学 一种输电线路智能定向驱鸟系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6418674B1 (en) * 1999-12-01 2002-07-16 Robert Deraedt Bird repellant method and system
CN102860300A (zh) * 2012-09-20 2013-01-09 西南科技大学 一种基于模式识别的自动瞄准激光驱鸟装置及驱鸟方法
CN108710126A (zh) * 2018-03-14 2018-10-26 上海鹰觉科技有限公司 自动化探测驱逐目标方法及其系统
JP2022066717A (ja) * 2020-10-19 2022-05-02 新生電子株式会社 鳥類忌避装置
CN114190358A (zh) * 2021-11-12 2022-03-18 五邑大学 驱鸟装置的控制方法、驱鸟装置、电子设备、存储介质
CN114885937A (zh) * 2022-06-10 2022-08-12 润芯微科技(江苏)有限公司 一种汽车驱逐鸟类系统及其方法
CN115606575A (zh) * 2022-11-01 2023-01-17 北京信息科技大学 基于目标检测网络的智能鸟类驱逐方法及系统
CN115810036A (zh) * 2023-01-05 2023-03-17 广东电网有限责任公司江门供电局 海缆终端场活体异物驱逐激光路径规划方法及相关装置
CN116602288A (zh) * 2023-05-22 2023-08-18 北京理工大学 一种输电线路智能定向驱鸟系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李若宇;冯俊瑞;邓相帅;: "基于视觉的机场无人机驱鸟系统设计", 中国新通信, no. 08, 20 April 2020 (2020-04-20) *

Similar Documents

Publication Publication Date Title
US20200298080A1 (en) Methods and systems for 3d ball trajectory reconstruction
CN109799760B (zh) 电力行业的驱鸟机器人控制系统及控制方法
CN107657640A (zh) 基于orb slam的智能巡防巡检管理方法
CN110197501B (zh) 图像处理方法和设备
CN111964680A (zh) 一种巡检机器人的实时定位方法
CN108444452B (zh) 目标经纬度和拍摄装置的三维空间姿态的检测方法及装置
CN109685062A (zh) 一种目标检测方法、装置、设备及存储介质
Venugopal et al. Reinforcement learning for unified allocation and patrolling in signaling games with uncertainty
CN117351425A (zh) 一种用于变电站的鸟类对象驱逐方法、装置、介质及设备
CN106683113B (zh) 特征点跟踪方法和装置
CN117058547A (zh) 一种无人艇动态目标跟踪方法
CN109062220B (zh) 控制终端运动的方法和装置
CN112683266A (zh) 机器人及其导航方法
CN114581781B (zh) 一种高分辨率遥感图像的目标检测方法及装置
Dyrstad et al. Bin picking of reflective steel parts using a dual-resolution convolutional neural network trained in a simulated environment
CN111414012A (zh) 一种巡检机器人区域检索与云台校正方法
Bacca et al. Appearance-based mapping and localisation using feature stability histograms
CN115862074A (zh) 人体指向确定、屏幕控制方法、装置及相关设备
CN112493228B (zh) 一种基于三维信息估算的激光驱鸟方法及系统
CN115239779A (zh) 一种三维点云配准方法、装置、介质及电子设备
CN111780744B (zh) 移动机器人混合导航方法、设备及存储装置
CN112766764A (zh) 一种基于智能机器人的安防监控方法、装置、存储介质
CN113771041B (zh) 机器人控制方法、装置、计算机设备和存储介质
CN113536918B (zh) 烟火检测方法、系统、电子装置和存储介质
CN116766184A (zh) 用于质量检测的拍照路径规划方法、装置、介质及设备

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