[发明专利]一种基于深度学习的输电导线风害预警方法及终端

权利要求书

1.一种基于深度学习的输电导线风害预警方法，其特征在于，包括以下步骤：

若当前风力级别超过第一阈值，启动摄像头采集图像；

通过深度学习模型对所述采集图像和预存安全距离图像进行实例分割比对，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值；

若所述偏移幅度不小于第二阈值或者任一距离比值不大于第三阈值，则发出预警提醒。

2.根据权利要求1所述的基于深度学习的输电导线风害预警方法，其特征在于，所述通过深度学习模型对所述采集图像和预存安全距离图像进行实例分割比对，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值，具体为：通过深度学习模型对所述采集图像进行特征提取，得到特征图，基于所述特征图生成所述输电导线的候选区域，对所述候选区域的坐标进行回归，并将所述输电导线mask与所述输电导线边框分离，将所述mask回归在一个独立分支中进行，以确定第一输电导线mask，并基于所述预存安全距离图像确定第二输电导线mask，基于所述第一输电导线mask和所述第二输电导线mask，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值。

3.根据权利要求1所述的基于深度学习的输电导线风害预警方法，其特征在于，若所述偏移幅度不小于第二阈值或者任一距离比值不大于第三阈值，还包括步骤：存储对应的实时图像。

4.根据权利要求3所述的基于深度学习的输电导线风害预警方法，其特征在于，所述偏移幅度不小于第二阈值或者任一距离比值不大于第三阈值，则发出预警提醒，具体为：若所述偏移幅度不小于第二阈值或者距离比值不大于第三阈值，则向服务器发送预警通知消息和所述实时图像。

5.根据权利要求1-4任一项所述的基于深度学习的输电导线风害预警方法，其特征在于，若当前风力级别超过第一阈值，还包括步骤：加载深度学习模型。

6.根据权利要求1-4任一项所述的基于深度学习的输电导线风害预警方法，其特征在于，所述若当前风力级别超过第一阈值，启动摄像头采集图像前，还包括步骤：获取当前风力级别。

7.一种基于深度学习的输电导线风害预警装置，其特征在于，包括：

采集模块，用于若当前风力级别超过第一阈值，启动摄像头采集图像；

风害判别模块，用于通过深度学习模型对所述采集图像和预存安全距离图像进行实例分割比对，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值；

预警模块，用于若所述偏移幅度不小于第二阈值或者任一距离比值不大于第三阈值，则发出预警提醒。

8.根据权利要求7所述的基于深度学习的输电导线风害预警装置，其特征在于，所述风害判别模块中，用于通过深度学习模型对所述采集图像和预存安全距离图像进行实例分割比对，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值，具体为：通过深度学习模型对所述采集图像进行特征提取，得到特征图，基于所述特征图生成所述输电导线的候选区域，对所述候选区域的坐标进行回归，并将所述输电导线mask与所述输电导线边框分离，将所述mask回归在一个独立分支中进行，以确定第一输电导线mask，并基于所述预存安全距离图像确定第二输电导线mask，基于所述第一输电导线mask和所述第二输电导线mask，确定输电导线的偏移幅度以及A、B、C三相序导线两两之间的距离与安全距离的比值。

9.一种终端，其特征在于，包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述终端执行如权利要求1-6任一项所述的基于深度学习的输电导线风害预警方法。

10.一种计算机存储介质，其特征在于，其上存储计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行如权利要求1-6任一项所述的基于深度学习的输电导线风害预警方法。