[发明专利]基于图像增强的输电线路通道隐患图像识别方法及装置

权利要求书

1.一种基于图像增强的输电线路通道隐患图像识别方法，其特征在于，包括：

(1)采集输电线路通道图像；

(2)对有雾的图像进行去雾图像增加处理；

(3)对图片进行尺寸缩放处理，使图片的尺寸满足深度学习模型输入图像尺寸要求；

(4)利用部署的深度学习模型对图像进行识别，检测是否存在通道隐患对象。

2.根据权利要求1所述的基于图像增强的输电线路通道隐患图像识别方法，其特征在于，采集输电线路通道图像，包括，相机进行拍摄参数自适应调整，驱动摄像头连续采集多张采集输电线路通道的图像，选择拍摄的最后一张图像。

3.根据权利要求1或2所述的基于图像增强的输电线路通道隐患图像识别方法，其特征在于，对有雾的图像进行去雾图像增加处理，包括：

(2.1)运用灰度直方图算法来检测图像中是否有雾，如果有雾，则进入步骤(2.2)，如果无雾则直接进入步骤(3)；

(2.2)将有雾图片的灰度图采用梯度导向滤波算法来过滤掺杂的雾霾噪声；

(2.3)基于灰度信息求解透射率和大气全局光照信息，复原得到除雾后的新图像。

进一步地，检测图像中是否有雾包括：

计算灰度等级为K的像素数：

H(r_k)＝n_k

其中，r_k表示灰度等级0-255区间内第k个强度等级；n_k表示灰度等级为K的像素数；

在灰色直方图中，定义一条高度为T的水平线，并计算低于T的垂直线的数量H：

T＝na₁

其中n代表像素中所以的点，a1为常数系数；比较H与T值：

如果L为0时，则判断图片无雾，如果为1时，则判断图片有雾。

4.根据权利要求1或2所述的基于图像增强的输电线路通道隐患图像识别方法，其特征在于，对图片进行尺寸缩放处理，包括：运用OPENCV库，按照深度学习模型输入图像尺寸要求对输电线路图像进行尺寸缩放处理，得到模型检测输入的标准尺寸图像。

5.根据权利要求1或2所述的基于图像增强的输电线路通道隐患图像识别方法，其特征在于，通道隐患对象包括各种施工机械以及山火；所述深度学习模型采用YOLOv4架构，输出三种不同尺度的特征图，剔除置信度小于阈值的预测框，对剩余预测框进行非极大值抑制，得到最终包括隐患目标类型和隐患目标在待检测图片中位置的识别结果；当识别结果中隐患目标存在时，将识别结果传输至后端监控平台。

6.根据权利要求5所述的基于图像增强的输电线路通道隐患图像识别方法，其特征在于，所述深度学习模型的获得包括：

采集施工机械和山火多种不同角度的图像样本，形成样本数据库，标注图像中隐患对象的位置和类型；由样本数据库中获取样本对深度学习模型进行训练，满足精度要求后，封装形成模型文件，移植适配到所述图像监拍装置。

7.一种基于图像增强的输电线路通道隐患图像识别装置，其特征在于，包括：

摄像头，采集输电线路通道图像；

图像增强模块，对有雾的图像进行去雾图像增加处理；

图像预处理模块，对图片进行尺寸缩放处理，使图片的尺寸满足深度学习模型输入图像尺寸要求；

识别模块，利用部署的深度学习模型对图像进行识别，检测是否存在通道隐患对象。

8.根据权利要求7所述的基于图像增强的输电线路通道隐患图像识别装置，其特征在于，还包括摄像控制器，进行拍摄参数自适应调整，驱动摄像头连续采集多张采集输电线路通道的图像，选择拍摄的最后一张图像输出至图像增强模块。