[发明专利]一种基于全卷积神经网络的输电线路导线断股识别方法

权利要求书

1.一种基于全卷积神经网络的输电线路导线断股识别方法，其特征在于，包括以下步骤：

S1、通过无人机采集输电线路导线图片；

S2、设计全卷积神经网络对S1采集到的图片进行语义分割，从背景中提取出导线，并输出分割的导线图片；

S3、根据导线连通域的特点，去除导线图片中形状不符合预设条件的连通域；

S4、采用两遍扫描法提取出每根导线连通域；

S5、对每根导线连通域进行线性拟合，根据拟合的直线求点到对应直线的距离，计算平均距离和方差，然后将方差的1.5倍作为判断导线断股的阈值；

S6、根据S5求出的阈值判断导线是否断股，如果存在断股导线，则标出对应导线。

2.根据权利要求1所述的基于全卷积神经网络的输电线路导线断股识别方法，其特征在于，所述步骤S2包括以下子步骤：

S21、通过15个卷积层，5次下采样，得到原图和大小的特征图；

S22、对原图大小的特征图上采样放大2倍，然后和原图大小的特征图累加；

S23、将S22累加得到的特征图上采样放大2倍，然后和原图大小的特征图累加；

S24、将S23累加得到的特征图上采样放大8倍，然后将得到的特征图还原到输入图像大小；

S25、将S24得到的图片中的每个像素进行分类预测，输出语义分割的结果。

3.根据权利要求2所述的基于全卷积神经网络的输电线路导线断股识别方法，其特征在于，所述步骤S3包括以下子步骤：

S31、对S2得到的导线图片进行腐蚀处理和膨胀处理；

S32、计算所有连通域的外接矩形，外接矩形使矩形内的连通域的面积最小，用α表示水平轴逆时针旋转时与碰到的外接矩形第一个边的夹角，h和w分别为外接矩形的高度和宽度；

S33、定义η为h与w的比值，根据η来去除不符合条件的连通域：如果η＞0.5或者η＜20，则认为该连通域不符合条件，去除该连通域。

4.根据权利要求3所述的基于全卷积神经网络的输电线路导线断股识别方法，其特征在于，所述步骤S4包括以下子步骤：

S41、第一次扫描，初始化B(x,y)＝1，然后访问当前像素B(x,y)：

如果B(x,y)的4个领域点的像素值都为0，则赋予B(x,y)一个新的标签：label＝label+1，B(x,y)＝label；

如果B(x,y)的4个领域点中有像素值大于0的像素点，将其邻域点中的像素最小值赋予B(x,y)：B(x,y)＝min{Neighbors}；并记录邻域点中各个标签之间的相等关系，将标签相同的领域点划分到同一个连通区域；

S42、第二次扫描：访问当前像素B(x,y)，如果B(x,y)＞1，找到与B(x,y)标签相邻的像素点，并将其中最小的像素点的标签赋予给B(x,y)；

S43、完成扫描后，图像中具有相同label值的像素就组成了同一个连通区域。