[发明专利]一种基于深度学习的高压电线结冰区域检测方法

说明书

本发明公开了一种基于深度学习的高压电线结冰区域检测方法。本发明首先对摄像机拍摄到的高压电线原始图片进行预处理，选择待检测区域的图片，然后通过深度学习的分类方法对图片进行类别判定，如果判定摄像机拍摄图片正常，则通过深度学习的检测方法对图片中高压电线结冰区域的边界进行关键点检测，如果判定图片异常则在屏幕上打印异常警告信息。本发明经实验结果表明，该方法可以对图片中高压电线的结冰区域实现较为精确的检测，便于工作人员后续对结冰厚度进行评估，可有效预防电力设施故障的发生，具有较高的实际应用价值。

技术领域

本发明涉及高压电线结冰区域的检测方法，具体涉及一种基于深度学习的高压电线结冰区域检测方法。

背景技术

高压电线作为一种电力传输设施，在社会生产与生活中扮演了不可或缺的角色，对国民经济的发展起到了至关重要的作用。高压电线广泛存在于各种自然环境中，在监管上存在一定的漏洞和难度。再加上冬天寒冷的天气往往会造成电线表面结冰，影响电线的传输性能，甚至完全损坏电线。因此，对高压电线进行图像监控并对结冰区域自动检测，可以方便工作人员对结冰区域的厚度进行评估，极大程度上保证电力设施的稳定运转。然而截至目前，并没有一种智能的方式可以实现对高压电线外部状况的监测，工作人员往往会选择在发生电力故障之后再进行排查，带了大量人力、物力和时间上的消耗。

传统的区域检测方法，更多依赖于阈值分割，这种方法很大程度上受像素值制约，并且容易受自然环境等不可抗拒的外界因素影响。再加上安装在高压电线上的相机采用俯视拍摄的角度，地面上的物体会对结冰区域的检测带来极大的干扰。因此传统方法在实际应用中效果不佳。

发明内容

为了解决背景技术中的问题，本发明提出了一种基于深度学习的高压电线结冰区域检测方法。该方法中对目标图片的分类和边界关键点检测都是通过深度神经网络计算得出，其可以自动对图片中所选范围内的结冰区域进行有效定位。本文的检测流程可以分为两个步骤，首先通过分类网络对预处理后的图片进行正常类或异常类的判定，若判定图片正常，则继续使用检测网络对结冰区域进行检测，否则及时在屏幕上打印警告信息。

本发明所采用技术方案包括以下步骤：

步骤1)利用高压电线杆上的摄像头采集高压电线图片作为样本图片，然后对样本图片进行预处理，根据所有样本图片构建分类数据集和电线边界关键点数据集；

步骤2)建立深度分类网络并进行训练和测试；

步骤3)建立深度检测网络并进行训练和测试；

步骤4)将待测图片预处理后输入步骤2)的深度分类网络进行类别判定，若分类网络判断待测图片异常，输出警告信息，若深度分类网络判断待测图片正常，将待测图片输入步骤3)的深度检测网络获取电线结冰区域边界关键点的坐标值，从而获得边界位置信息，以便工作人员对结冰厚度进行评估。

所述步骤1)和步骤4)中的预处理为：截取图片底部五分之一高度的图片，并缩放至240×37的设定尺寸；

所述步骤1)具体为：

将预处理后的样本图片分为正常类图片和异常类图片；正常类图片为在摄像机正常运转情况下拍摄到的高压电线图片，其中包括结冰后的高压电线图片，赋予正常类图片标签1；异常类图片为摄像头内部故障或摄像头镜头结冰情况下拍摄到的高压电线图片，赋予异常类图片标签0；所有分类后的样本图片及其标签构成分类数据集；

将正常类图片中电线结冰区域的左上、右上、右下、左下四个边界关键点的坐标值进行标注，所有标注后的正常类图片构成电线边界关键点数据集。

所述步骤2)具体为：