[发明专利]一种输电线路检测方法和服务器

说明书

本申请公开了一种输电线路检测方法和服务器，检测方法包括：获取输电线路上，当前时刻的输电线路图像以及前一时刻的输电线路图像；将当前时刻的输电线路图像和前一时刻输电线路图像输入到预先训练好的孪生网络中，并将当前时刻的输电线路图像输入到预先训练好的端到端神经网络中；端到端神经网络根据孪生网络的输出结果和当前时刻的输电线路图像，得到至少一个目标图像和目标图像对应的输电线路的隐患类型；端到端神经网络根据输电线路的隐患类型，将各目标图像发送给相应的预先训练好的校验神经网络；校验神经网络判断目标图像是否能够表征目标图像对应的输电线路的隐患类型。本申请提供的技术方案能够提高输电线路检测的准确度。

技术领域

本申请涉及输电线路检测技术领域，尤其涉及一种输电线路检测方法和服务器。

背景技术

随着电力行业的发展，输电线被广泛的铺设在各个地区。输电线路的电压高达数百伏甚至上千伏，因此通常在预设安全区域内设置检测设备，以检测是否存在人或物，从而避免输电线路对附近的人或物造成损伤。

一种判别安全区域内是否存在人或物的方法为基于端到端的深度学习的检测方法。然而，此种检测方法在检测过程中，对于某些目标虽然能够在降低置信度阈值后识别，但是降低阈值的代价就是误报率升高，从而降低了输电线路检测的准确度。

发明内容

为了解决上述问题，本申请提出了一种输电线路检测方法和服务器能够提高输电线路检测的准确度。

第一方面，本申请实施例提供了一种输电线路检测方法，包括：

接收来自输电线采集设备的当前时刻的输电线路图像以及前一时刻的输电线路图像；

将所述当前时刻的输电线路图像和前一时刻输电线路图像输入到预先训练好的孪生网络中；

所述端到端神经网络接收所述当前时刻的输电线路图像，以及根据所述孪生网络的输出结果和所述当前时刻的输电线路图像，得到至少一个目标图像和所述目标图像对应的输电线路的隐患类型；其中，目标图像包含输电线路的隐患信息；

所述端到端神经网络根据所述输电线路的隐患类型，将各所述目标图像发送给相应的预先训练好的校验神经网络；

所述校验神经网络判断所述目标图像是否能够表征所述目标图像对应的输电线路的隐患类型。

在一个示例中，通过所述孪生网络，确定所述当前时刻的输电线路图像与所述前一时刻输电线路图像不同的图像特征；

所述孪生网络将得到的所述图像特征发送给所述端到端神经网络的感兴趣区域池化层。

在一个示例中，所述端到端神经网络的感兴趣区域池化层获取从所述当前时刻的输电线路图像中提取到的图像特征；

所述端到端神经网络的感兴趣区域池化层根据预设的隐患类型，对所述孪生网络得到的图像特征和所述端到端神经网络提取到的图像进行分类，得到至少一个所述目标图像和各所述目标图像对应的隐患类型。

在一个示例中，获取第一训练样本和第二训练样本，其中，所述第一训练样本为与隐患图像数据相似度超过预设阈值的非隐患图像数据，所述第二训练样本为隐患图像数据；

以所述第一训练样本和所述第二训练样本为输入，训练所述校验神经网络。

在一个示例中，对所述校验神经网络的判断结果进行检测，确定误判数据，所述误判数据用于指示所述校验神经网络将与所述非隐患图像数据当作所述隐患数据；

获取所述误判数据对应的图像数据；

将所述误判数据对应的图像数据加入所述第一训练样本，以更新所述第一训练样本；

利用所述更新的第一训练样本对所述校验神经网络进行增量训练。