[发明专利]一种基于卷积神经网络的输电线路杆塔外力破坏检测方法

说明书

本发明涉及一种基于卷积神经网络的输电线路杆塔外力破坏检测方法，属于卫星遥感图像处理在输电线路运维及应用技术领域。该检测方法首先对原始遥感图像进行预处理，并从中划分出训练集、验证集、测试集；卷积神经网络通过训练样本进行学习，利用Adam算法优化。训练得到最优模型后，将完整的图像数据输入到模型中，最终得到遥感图像中每基杆塔的检测结果，判断有无外力破坏。通过该检测方法可减少外力破坏造成的线路故障，通过卫星遥感检测，及时发现可能造成的输电线路杆塔受损，及早管控，降低输电线路因外力破坏引起的跳闸停运。

技术领域

本发明属于卫星遥感图像处理在输电线路运维及应用技术领域，具体涉及一种基于卷积神经网络的输电线路杆塔外力破坏检测方法，用于观测杆塔是否遭受外力破坏。

背景技术

随着卫星遥感技术的发展与成熟，遥感图像中的图片信息在地质勘探、环境监测等领域发挥着重要作用。遥感图像的分类技术一直以来都是其中一个备受关注的应用方向，其目的是对遥感图像中每个像素点对应的地表物体类别实现准确判定。然而在实际应用中，由于分辨率的限制，要获得较高的分类精度是十分具有挑战性的。

近年来深度神经网络尤其是卷积神经网络在自然图像领域成绩显著，基于卷积神经网络的高光谱图像分类方法也不断被提出。已有大量研究成果表明，卷积神经网络的特征提取与学习能力优于传统的特征提取方法，提取特征方式更科学，更准确。

输电线路杆塔分布地域广阔、沿线环境恶劣，外力破坏分布点多面广、类型多样，现有检测技术覆盖面积及时效性较差。与此同时，在各领域技术向着自动化、智能化发展之时，杆塔外力破坏检测还依赖于人工排查，费时费力，因此如何克服现有技术的不足是本领域亟需解决的问题。

发明内容

本发明的目的是针对现有的技术限制而导致的输电线路杆塔维护成本较高、及时性不足等情况，提出了一种基于卷积神经网络的输电线路杆塔遥感图像的外力破坏检测方法。通过卫星遥感图进行杆塔的受损分析，可以在节省人工排查成本的同时，降低因为未及时发现并处理杆塔受损所带来的损失。

为实现上述目的，本发明采用的技术方案如下：

一种基于卷积神经网络的输电线路杆塔外力破坏检测方法，包括以下步骤：

步骤（1），获得遥感图像原始数据；

步骤（2），对遥感图像进行预处理，分离出各个杆塔图像并进行划分，获得具有标签的训练集、验证集、测试集，所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；

步骤（3），构建卷积神经网络模型，初始化各参数，将训练集输入到网络中学习；

步骤（4），训练集输入到模型后，经过前向传播得到输出值，该输出值即杆塔被破坏的概率；计算代价函数来衡量输出值与真实值间的误差，然后通过反向传播误差进行反馈，更新卷积核的参数继续训练；第一轮训练结束后，将验证集作为输入，运行模型并观察结果，重复多次直到观察到代价函数收敛，得到当前参数最优的神经网络模型；

步骤（5），将测试集中的杆塔遥感图输入到训练好的最优模型中，得到杆塔是否外力破坏的分类结果，并评估模型的准确度；

步骤（6），当模型准确度达标后，所得的模型即可用于新的杆塔外力破坏检验。

进一步，优选的是，所述步骤（2）的具体过程为：

步骤（2.1），对卫星遥感图的处理：截取杆塔位置，并保证杆塔位置在各个图片正中心；

步骤（2.2），训练集的划分：取一条线路60％的杆塔作为训练集，20％的杆塔作为验证集，20％的杆塔作为测试集。（但不限于此，还可以按照30%、30%、40%的比例进行划分）

训练集划分的时候，采用随机的方式。