[发明专利]输电线路覆冰识别模型训练方法、识别方法及存储介质

说明书

本申请公开了一种输电线路覆冰识别模型训练方法、识别方法及存储介质，训练方法包括：获取训练数据，其中，训练数据包括正样本和负样本，正样本为包含覆冰目标的输电线路覆冰图像，负样本为不包含覆冰目标的输电线路覆冰图像；基于预设的分类类别对训练数据进行标注；构建Faster RCNN识别模型网络架构；利用训练数据训练Faster RCNN识别模型网络架构，得到用于识别输电线路的覆冰状态的Faster RCNN识别模型。本申请基于Faster RCNN深度卷积神经网络训练得到输电线路覆冰识别模型，能快速、准确识别出输电线路图像中的覆冰故障，有效提高模型的识别准确率和鲁棒性，并提高模型的泛化能力。

技术领域

本申请涉及电力设备检测技术领域，尤其涉及一种输电线路覆冰识别模型训练方法、识别方法及存储介质。

背景技术

随着我国经济和电力技术的迅速发展，架空输电线路已经遍布全国各个省市地区，电能也成为人们日常生活以及工业发展须臾不可离的能源。在输电线路中，绝缘子起着机械连接和电气绝缘的作用，是电力系统的重要组成部分。由于电力系统的部分输电线路常年运行于野外，历经冰、霜、雪、雨的侵蚀，线路上的导线和绝缘子很容易发生覆冰现象，覆冰不仅影响输电线路输送电压的稳定性，导致输电效率大大降低，而且当覆冰积聚过厚时还会发生绝缘子闪络或击穿导致线路跳闸，甚至发生输电导线舞动后的断裂和输电杆塔的倒塌，这严重威胁着电力系统的安全稳定运行。因此，对输电线路绝缘子覆冰情况的及时有效监测已成为了维护输电线路安全运行的一项重要手段，也是确保电网稳定运行的重要保证，开展输电线路绝缘子覆冰图像自动识别方法的研究至关重要。

由于我国幅员辽阔，输电线路也有一部分必须经过高海拔以及野外地区，所以输电线路常年在受到低气温、强风雪的气候影响下，对于电力系统的稳定运行提出了更高的要求。目前国内外电网公司对于输电线路绝缘子覆冰识别主要通过到现场进行人工巡检和直升机巡检；还有一种方法就是通过固定在输电塔杆上的拍摄设备采集输电线路图像，利用传统图像处理技术，先对采集的图像进行预处理，包括对采集图像进行灰度化和图像增强，然后利用边缘提取算法提取出目标物体的边缘，最后通过计算比较未覆冰原始图像与覆冰后的图像像素值的变化来判断是否覆冰，以及进一步判断输电线路绝缘子的覆冰厚度。但是这类方法往往只适用于特定机位、特定角度拍摄的图像，并且对于输电线路现场复杂的背景环境泛化能力较差，对于现场获得的输电线路图片识别效果较差。现在也有一些电力公司使用无人机拍摄图像，但是，识别的方法依然通过人工识别或者传统的图像处理技术进行分辨，工作量依然比较大，不适合电力系统在巡检时所采集的海量图像信息。现有技术中，由于需要人工去辨别输电线路覆冰状态，受到主观因素的影响较大，结果可能不尽相同；而且，由于输电线路覆冰多发生在野外，人工巡检不仅危险，所投入的人力成本较高。基于图像处理技术识别覆冰状态泛化能力较弱、精度低，不适用于处理输电线路现场复杂背景的图片。

发明内容

鉴于现有技术中存在的上述技术问题，本申请实施例提供一种输电线路覆冰识别模型训练方法、识别方法及存储介质，能够解决现有技术中从输电线路图像中识别出输电导线和绝缘子覆冰等故障速度较慢以及精度较低的问题；同时，还能够解决现有技术中输电线路覆冰识别模型泛化能力较弱、图片处理能力不足的问题。

为了解决上述技术问题，本申请实施例采用了如下技术方案：

本申请实施例提供一种输电线路覆冰识别模型的训练方法，包括：

获取训练数据，其中，所述训练数据包括正样本和负样本，所述正样本为包含覆冰目标的输电线路覆冰图像，所述负样本为不包含覆冰目标的输电线路覆冰图像；

基于预设的分类类别对所述训练数据进行标注；

构建Faster RCNN识别模型网络架构；

利用所述训练数据训练所述Faster RCNN识别模型网络架构，得到用于识别输电线路的覆冰状态的Faster RCNN识别模型。

在一些实施例中，获取训练数据之后，所述方法还包括：