[发明专利]一种基于深度学习的输电线路通道环境变化检测方法及系统

权利要求书

1.一种基于深度学习的输电线路通道环境变化检测方法，包括：

获取多期同分辨率同区域的输电线路通道环境遥感影像，依照时间顺序排序；

将所述遥感影像进行预处理，包括校正、配准和拉伸；

将预处理后的遥感影像转化为灰度图，计算灰度图中像素点的灰度值；

根据所述灰度值标注所述灰度图中通道环境变化更新的部分；

叠加两个遥感图像，切割标注图作为环境变化训练样本；

构建环境变化检测学习模型；

将待检测的遥感图像进行预处理，包括校正、配准和拉伸；

将预处理后的待检测遥感图像输入所述环境变化检测学习模型，输出检测结果图。

2.根据权利要求1所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于：对同区域下连续两张遥感图像进行分析识别，识别图像中的变化环境物体，进行隐患判断，并推送告警信息。

3.根据权利要求2所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于，所述隐患判断的步骤包括：

判断同区域下连续两张遥感图像相同隐患类型的环境物体数量是否相同；

比较前后两张遥感图像的物体在图像中相对像素位置的重叠程度；若重叠程度大于设定阈值，则说明输电线路通道存在环境变化，向基站推送告警信息。

4.根据权利要求3所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于：所述告警信息的推送原则是，若设定周期内，同一相对像素位置的环境物体变化情况已经提出告警，则不再推送告警信息；若为新的像素位置的环境物体变化，则直接推送告警信息。

5.根据权利要求1所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于：所述通道环境变化因素包括：塔吊，导线，杆塔，树障，山火等。

6.根据权利要求1所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于：所述检测结果图与人工标定结果对比，进行结果评定，优化环境变化检测学习模型。

7.根据权利要求1所述的一种基于深度学习的输电线路通道环境变化检测方法，其特征在于：所述遥感影像的拉伸是指将前后两期遥感影像按照波段进行展开，统计每个波段下遥感影像每个像素点的亮度值，删除离散的亮度值实现遥感图像拉伸。

8.一种可读储存介质，其上储存有控制程序，其特征在于：该控制程序被处理器执行时实现如权利要求1至7任意一项所述的基于深度学习的输电线路通道环境变化检测方法。

9.一种计算机控制系统，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的控制程序，其特征在于：所述处理器执行所述控制程序时实现如权利要求1至7任意一项所述的基于深度学习的输电线路通道环境变化检测方法。