[发明专利]基于深度学习的配网线路高温区域检测方法与系统

说明书

本发明涉及一种基于深度学习的配网线路高温区域检测方法与系统，属于电网配电线路检测维护技术领域；所述方法，包括步骤S1采集配电线路的可见光图像和红外图像，步骤S2实时调用预设模型对可见光图像进行塔头检测定位获得塔头位置，步骤S3将所述塔头位置信息映射到红外图像中，步骤S4获取映射区域红外图像中像素点温度值即塔头线路的温度，步骤S5输出塔头线路的温度信息；所述系统包括图像拍摄设备、服务器，图像拍摄设备包括可见光图像采集模块、红外图像采集模块；将红外成像测温技术与目标检测技术相结合，实现了配网线路高温区域的智能检测，可以快速实时地指出配电线路中温度异常区域。

技术领域

本发明涉及一种基于深度学习的配网线路高温区域检测方法与系统，属于电网配电线路检测维护技术领域。

背景技术

配电线路作为电网的基础，其安全问题至关重要，但是在外部环境及内部因素等综合因素的影响下，配电线路往往会出现隐患，给电网的运行带来极大的危害。因此，为保持供电连续性，减少线路损失，提高输电效率，保证电能质量良好，定期对配电线路进行巡视成为电网日常生产管理不可或缺的工作，通过这种方式可以掌握线路的运行状况，及时发现缺陷和沿线威胁线路安全运行的隐患，从而提高供电可靠性，减少线路事故的发生。这一过程需要人工完成，我国配电网设备种类繁多，数目庞大且分布广，使得设备的巡视、维护、管理变得复杂，人工检测和维护对人员的专业素质要求高，同时人工检测和维护劳动强度大、效率低。

配电线路出现故障的先兆的往往是塔头部位温度发生变化，利用现代红外检测技术可对配电线路实现不接触、实时性、快速、准确、远距离检测。

因此，本发明结合现有技术，并在其基础上进行改进提供了一种高效、可靠的基于深度学习的配网线路高温区域检测方法与系统，为配电线路隐患检测提供了技术支撑。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种基于深度学习的配网线路高温区域检测方法与系统，实现配网线路高温区域的智能检测。

本发明所述基于深度学习的配网线路高温区域检测方法，包括如下步骤：

步骤S1，采集配电线路的可见光图像和红外图像；

步骤S2，实时调用预设模型对可见光图像进行塔头检测定位，获得塔头位置；

步骤S3，将所述塔头位置信息映射到红外图像中；

步骤S4，获取映射区域红外图像中像素点温度值，即塔头线路的温度；

步骤S5，输出塔头线路的温度信息。

在步骤S1中，配电线路的可见光图像和红外图像在相同时间点、相同场景、相同位置采集。在步骤S2中，实时读取可见光图像和红外图像的视频流进行分析，对视频中的塔头进行检测定位。在步骤S4中，根据红外图像的像素值和温度的对应关系，获取映射区域红外图像中像素点温度值。步骤S5输出塔头线路的温度信息，便于后续分析处理。

优选地，步骤S2中预设模型的构建包括如下步骤：

步骤S201，收集可见光图像塔头样本图片集并标注塔头位置，获得已标注塔头数据集；

步骤S202，利用物体检测算法Cascade R-CNN搭建塔头检测模型；

步骤S203，利用所述已标注塔头数据集对模型进行训练、测试，根据测试结果优化模型性能，获得预设模型。

在步骤S203中，根据测试结果优化模型性能至最优，以获得预设模型。

优选地，步骤S3中红外图像与塔头位置的可见光图像相同时间点、相同场景、相同位置。

在步骤S3中，映射是指可见光图像与在相同时间点、相同场景、相同位置采集的红外图像相互对应，然后将可见光图像中识别到的塔头位置映射到红外图像上。