[发明专利]基于边缘计算的输电线异物监测方法

权利要求书

1.基于边缘计算的输电线异物监测方法，其特征在于，包括如下步骤：

S1.将设置在高压输电线缆和杆塔上的摄像设备预设SOC芯片；

S2.采用YOLOV5网络结构，通过大量数据集进行训练得到带有权重的目标检测网络模型并部署到SOC芯片中；

S3.摄像设备获取视频数据，通过设置在摄像设备SOC芯片获取视频数据并对当前视频帧序列提取关键帧图像；

S4.对步骤S3提取的关键帧图像进行图像预处理操作，首先对提取的关键帧图像采用中值滤波做平滑去噪处理，然后对去噪后图像进行拉普拉斯锐化处理，提高图像对比度，增强图像中目标边缘信息；

S5.将S4处理后的图像传入SOC芯片，作为卷积神经网络的输入，通过训练好的网络模型进行识别检测，并将识别结果传输至后台；

S6.根据检测结果在后台展示并在有异物时进行预警。

2.根据权利要求1所述基于边缘计算的变电站输电线异物监测方法，其特征在于，所述的步骤S3中提取关键帧图像包括对相邻两帧做差分计算，记录当前视频帧与前帧之间的差值s，考虑环境的自然变动，设置阈值T(threshold)，当差值d＜T时，跳过此帧；当d＞＝T时，将此帧作为关键帧图像进行后续处理。

3.根据权利要求2所述基于边缘计算的变电站输电线异物监测方法，其特征在于，所述的差分计算过程包括如下步骤：

S1.记视频序列中第n帧和第n-1帧图像为f_n和f_n-1；

S2.对图像做灰度处理，记对应像素点的灰度值为f_n(x，y)和f_n-1(x，y)；

S3.对其灰度值做归一化处理，

S4.将两幅图像对应像素灰度值相减求其绝对值，D_n(x，y)＝|f′_n(x，y)-f′_n-1(x，y)|；

S5.对所有像素点差值绝对值求和，d＝∑D_n(x，y)；

S6.通过差值绝对值之和d表现图像变动情况，并与阈值T对比，判断是否可做为关键帧。

4.根据权利要求1所述基于边缘计算的变电站输电线异物监测方法，其特征在于，所述的YOLOV5网络结构的输入端采用了Mosaic数据增强方式，将图像随机缩放、随机裁剪、随机排布，进行拼接；输出端采用了GIOU_Loss作为Bounding box的损失函数。