[发明专利]一种电力铁塔上鸟巢的识别方法及系统

说明书

本发明公开了一种电力铁塔上鸟巢的识别方法，其包括训练步骤和识别步骤，训练步骤包括：S100：采集电力铁塔二维案例图像；S200：构建卷积神经网络并对其进行训练，以使卷积神经网络进行数据简化处理；S300：构建采用多个限制玻尔兹曼机堆叠形成的深度信念网络，将二维数据降维到含有电力铁塔图像特征的一维数据输入深度信念网络，采用一维数据对深度信念网络进行训练，以使深度信念网络输出识别结果；识别步骤包括：D100：将待识别的电力铁塔二维图像输入经过训练的卷积神经网络，卷积神经网络输出经过数据简化的二维数据；D200：将二维数据降维至一维数据输入经过训练的深度信念网络；D300：深度信念网络输出识别结果。

技术领域

本发明涉及电力系统中的识别方法及系统，尤其涉及电力系统设备中的图像识别方法及系统。

背景技术

随着我国高压输电线路的不断增多及生态环境的逐步改善，鸟害事故明显上升，其造成的损失也明显增加，这对电网的安全稳定运行带来了严重的威胁。

据统计，鸟类活动引起的线路故障仅次于雷害和外力破坏，占线路故障总数的第3位。铁塔的鸟害故障率高，其主要原因是由于铁塔高大、稳定，鸟类视野开阔，适宜鸟类停留、筑巢。

高压铁塔上鸟害引起的线路跳闸事故占有相当大比例。造成线路跳闸的主要原因有鸟粪闪络、鸟巢材料短路以及鸟类身体短路。其中鸟巢材料短路以及由此引起的其他类型鸟害短路占了很大比例。若能找到对应方法，有效地将鸟巢检测出来之后派工作人员进行拆除，则鸟害比例可大大降低。

鸟巢一般由树枝与枯草筑成，鸟巢的无向性、无规则性，以及钢材的遮挡破坏了鸟巢的局部纹理，决定了若只考虑单一纹理特征不能很好地表征鸟巢特征。因此若采用单一颜色特征或单一纹理特征检测铁塔上的鸟巢，会出现漏检及误检。

基于此，期望获得一种电力铁塔上鸟巢的识别方法，其可以通过采集到的图像识别电力铁塔上是否具有鸟巢，以更为方便高效的方式维护电力设备运行的稳定，降低铁塔的鸟害故障率。

发明内容

本发明的目的之一在于提供一种电力铁塔上鸟巢的识别方法，其可以通过采集到的图像识别电力铁塔上是否具有鸟巢，以更为方便高效的方式维护电力设备运行的稳定，降低铁塔的鸟害故障率。

根据上述发明目的，本发明提出了一种电力铁塔上鸟巢的识别方法，其包括训练步骤和识别步骤，其中，训练步骤包括：

S100：采集电力铁塔二维案例图像；

S200：构建卷积神经网络并对其进行训练，以使卷积神经网络对所述电力铁塔二维案例图像进行数据简化处理，以使卷积神经网络输出经过数据简化的含有电力铁塔图像特征的二维数据；

S300：构建采用多个限制玻尔兹曼机堆叠形成的深度信念网络，将所述二维数据降维到含有电力铁塔图像特征的一维数据输入所述深度信念网络，采用所述一维数据对深度信念网络进行训练，以使深度信念网络输出电力铁塔上是否具有鸟巢的识别结果；

识别步骤包括：

D100：将待识别的电力铁塔二维图像输入经过训练的卷积神经网络，该卷积神经网络输出经过数据简化的二维数据；

D200：将二维数据降维至一维数据输入经过训练的深度信念网络；

D300：所述深度信念网络输出电力铁塔上是否具有鸟巢的识别结果。