[发明专利]一种双注意力机制配电站水浸识别方法及系统

说明书

本发明公开一种双注意力机制配电站水浸识别方法及系统，其中识别方法通过采集浸水场景图片集，构建基于Yolov4‑tiny的具有双注意力机制的检测网络，利用浸水场景图片集对检测网络进行训练，得到具有高检测精度和水浸识别能力的检测网络，最后将所述检测网络部署至边缘代理；同时，通过边缘代理获取周边环境图像并上传至云平台，更新浸水场景图片集，优化检测网络，从而使边缘代理能自适应复杂的场景。本发明旨在解决现有的配电站边缘端水浸环境下无法满足实时响应，以及检测精度较差且无法自适应复杂场景的技术问题。

技术领域

本发明涉及配电站识别技术领域，尤其涉及一种双注意力机制配电站水浸识别方法及系统。

背景技术

长期以来，配电房或开闭所维护管理工作一直是电力系统运行可靠性的薄弱环节之一。目前，配电站异常情况的监控主要采用云计算或者边缘计算的方式，但是，云计算在处理过程中存在网络传输问题，边缘计算存在计算能力不足，本地存储冗余的问题，两者均无法自适应环境不断提升性能。虽然云计算在处理大数据方面可以利用超强的计算能力将从设备层采集上传到云平台的数据进行处理和分析，但设备数量激增导致设备产生的数据量也在激增，然而网络贷款的增长速度远比不上数据的增长速度，使得网络宽带成为瓶颈，且越来越复杂的网络环境让网络延迟问题更加明显。

我国大部分地区阴雨绵绵，部分地区甚至洪涝灾害严重，加之有些高低压配电房建在地势较低的区域，导致很多配电房都有不同程度的浸水情况，在水浸环境下配电站异常情况检测难度较大。同时，配电站多位于偏远环境，网络状况不稳定，视频图像等非结构化数据只有就近在物或数据源侧进行结构化数据处理，才能有效降低网络带宽、后端计算以及存储的压力，提升整体分析效率，满足业务实施响应的要求。

发明内容

本发明的主要目的是提供一种双注意力机制配电站水浸识别方法及系统，旨在解决现有的配电站边缘端水浸环境下无法满足实时响应，以及检测精度较差且无法自适应复杂场景的技术问题。

为实现上述目的，本发明提供一种双注意力机制配电站水浸识别方法及系统，其中，所述方法包括以下步骤：

S1、采集浸水场景图片集X，选取部分图片集X_q进行标记得到标签数据集Y_q，余下图片集为未标记图片集X_p＝{X-X_q}；

S2、构建基于Yolov4-tiny的具有双注意力机制的第一网络Q，利用部分图片集X_q和标签数据集Y_q形成的训练数据集D_q＝{X_q,Y_q}对所述第一网络Q进行训练，得到第二网络Q′；

S3、根据第二网络Q′对未标记图片集X_p＝{X-X_q}进行标记得到标签数据集Y_p，并更新训练数据集D_q，更新后的训练数据集D_q＝{X＝X_q+X_p,Y＝Y_q+Y_p}；利用更新后的所述训练数据集对第二网络Q′进行训练，得到检测网络Q″；

S4、将所述检测网络Q″上传至云平台，经量化、加密后下发至边缘代理；

S5、边缘代理通过摄像头获取周边环境图像，并对冗余帧进行过滤处理，得到关键帧；

S6、将所述关键帧输入量化后的检测网络，得到目标置信度c，若置信度异常，就地保存、决策并上报；否则执行步骤S7；

S7、边缘代理根据置信度大小选取部分图像进行标记并上传至云平台，云平台将上传的所述图像更新至浸水场景图片集X。

优选地，所述构建基于Yolov4-tiny的双注意力机制第一网络Q的步骤包括：