[发明专利]一种输电通道外破隐患识别方法、装置及存储介质

说明书

本发明公开了一种输电通道外破隐患识别方法、装置及存储介质，其方法包括：通过视频监控装置采集输电通道图像；将输电通道图像输入预部署的目标检测模型中进行输电通道外破隐患识别；其中，目标检测模型的部署过程包括：获取输电通道图像并添加标注信息构建训练样本集；将训练样本集划分为训练集和测试集；将训练集输入目标检测模型中进行训练；将测试集输入训练后的目标检测模型进行通道剪枝；将训练集再次输入通道剪枝后的目标检测模型进行训练；对再次训练后的目标检测模型进行模型量化；将模型量化后的目标检测模型部署至输电通道的视频监控装置中；本发明能够有效实现对于输电外破隐患的本地化智能识别和及时告警，提高输电运维效率。

技术领域

本发明涉及一种轻量化输电通道外破隐患识别方法、装置及存储介质，属于电力运维技术领域。

背景技术

输电线路是电力系统运行与电能传输的重要方式，然后由于输电通道附近违章施工等外破隐患导致输电通道安全事故频繁发生，安全事故一旦发生，将会造成大规模的线路停电，从而造成巨大的经济损失和不良社会影响，因此，如何进行输电通道周围外破隐患的有效防控是亟需解决的关键工程问题。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种轻量化输电通道外破隐患识别方法、装置及存储介质，能够实现输电通道周围存在的外破隐患目标本地化识别与告警，从而有效的保障输电线路的安全稳定运行。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种输电通道外破隐患识别方法，包括：

通过视频监控装置采集输电通道图像；

将输电通道图像输入预部署的目标检测模型中进行输电通道外破隐患识别；

其中，所述目标检测模型的部署过程包括：

构建输电通道外破隐患的目标检测模型；

获取输电通道图像并添加标注信息构建训练样本集；

将训练样本集划分为训练集和测试集；

将训练集输入目标检测模型中进行训练；

将测试集输入训练后的目标检测模型进行通道剪枝；

将训练集再次输入通道剪枝后的目标检测模型进行训练；

对再次训练后的目标检测模型进行模型量化；

将模型量化后的目标检测模型部署至输电通道的视频监控装置中。

可选的，所述标注信息包括位置坐标和目标类型，所述目标类型包括塔吊、挖掘机、吊车和鸟巢。

可选的，所述目标检测模型利用TensorFlow框架并基于mobileNetV3神经网络构建。

可选的，所述将训练集输入目标检测模型中进行训练包括：

利用mobileNetV3神经网络对训练集中的训练样本进行特征提取获取高维视觉特征；

通过FPN网络将高维视觉特征横向连接进行特征融合并在相应尺度特征图上产生候选框；

通过FCN子网络对候选框进行选择分类与回归获取候选框的预测信息；

通过非极大值抑制方式对候选框的预测信息进行筛选处理；

通过标注信息和每轮筛选处理后的预测信息计算模型损失，并根据模型损失优化模型参数，直至模型参数收敛。

可选的，所述将测试集输入训练后的目标检测模型进行通道剪枝包括：

将训练后的目标检测模型作为基准模型，按照随机剪枝比率进行通道剪枝生成模型样本；