[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

说明书

本发明公开了一种基于图像增强的输电线路通道隐患图像识别方法及装置,采集输电线路通道图像；采用基于暗通道优先的除雾算法对图片进行图像增加处理，得到去雾后清晰的图像；按照深度学习模型输入图像尺寸要求对输电线路图片进行尺寸缩放处理；利用深度学习图像识别算法模型对输电线路图像进行检测识别，获得图像中的施工机械、山火等通道隐患目标尺寸大小及类别。本发明提供的基于图像增强的输电线路通道隐患图像识别算法及装置，采用YOLOv4算法满足在装置嵌入式平台上部署深度学习模型对模型文件大小、运算速度的要求，模型识别准确率高，识别速度快，此外，采用图像增强算法，提高在有雾天气条件下拍摄的输电线路通道隐患图像识别准确率。

技术领域

本发明涉及输电线路图像处理技术领域，尤其涉及一种基于图像增强的输电线路通道隐患图像识别方法及装置。

背景技术

新能源电能的消纳将带来输电线路建设快速发展。输电线路运维传统采用人工巡线的方式工作效率低，不能满足输电线路里程快速增长的要求。目前，依靠视频、图像监控装置对输电线路进行在线监控、实时感知，成为输电线路运维的主要手段。

然而，大多监控装置不具备隐患目标图像识别边缘计算能力，每天向输电线路监控后台传回大量视频、图像数据，依靠后台进行图像分析，判断输电线路是否存在通道隐患，存在隐患目标识别实时性差、网络传输带宽压力大的问题。此外，输电线路运行环境大多在山区，一年中有雾天气情况多，拍摄带雾的图片造成图像识别准确率低的问题。

发明内容

针对现有技术中存在的问题，本发明提供一种基于图像增强的输电线路通道隐患图像识别方法及装置，具备装置侧人工智能图像识别计算能力，能够在前端及时识别输电线路通道隐患图像，降低传输到后台侧进行图像识别带来的时延，减小网络传输带宽压力；采用图像增强方法模型对图像进行除雾处理，解决图像中有雾带来图像识别率低的问题。

为达到上述目的，本发明提供了一种基于图像增强的输电线路通道隐患图像识别方法，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。

进一步地，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。

进一步地，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