[发明专利]一种输电线路隐患的检测方法及系统

说明书

本发明提供了一种输电线路隐患的检测方法及系统，方法包括提取监拍图像的基础特征，寻找候选区域；在所述候选区域上，分别进行施工机械、烟火目标和导地线异物的检测；合并上述检测结果，得到检测结论。本发明基于输电线路通道隐患目标多样的事实，结合施工机械、烟火、导地线异物的三大类目标的特点，分别测试了Cascade R‑CNN、Faster R‑CNN、FCOS三类边框回归方法对每一类隐患目标的识别性能，并以此确定三大类隐患目标的基准检测算法，在此基础上对每种算法进行了针对性优化，相比于传统的采用单一通用算法的输电线路通道隐患目标检测算法，各类隐患目标的识别准确率均与所提高。在保证目标检测精度的基础上，提高了检测速度、降低了硬件功耗。

技术领域

本发明涉及输电线路综合防护技术领域，尤其是一种输电线路隐患的检测方法及系统。

背景技术

随着输电线路通道监拍装置的大规模安装，巡线人员可以足不出户实时获取输电线路通道实况，减少了外出巡视工作量，降低了输电线路运维费用。山东电网全省已安装输电线路通道可视化监拍装置5.5万套，每天产生约240万张图片，为了减轻人工阅图工作量，将人工智能图像识别技术应用于输电线路通道外破隐患自动识别，大大降低了需要人工阅图数量。

目前已有的输电线路通道外破隐患检测算法主要存在两种不足：采用单一、通用算法检测所有隐患类型，不能够充分检测不同隐患类型的特点，精确度有待提高；针对同一张图片，以串行模式使用不同算法进行处理，隐患综合检测准确率有一定提高，但是大幅降低了隐患识别效率。

发明内容

本发明提供了一种输电线路隐患的检测方法及系统，用于解决现有隐患类型识别不充分、识别效率低的问题。

为实现上述目的，本发明采用下述技术方案：

本发明第一方面提供了一种输电线路隐患的检测方法，所述方法包括以下步骤：

提取监拍图像的基础特征，寻找候选区域；

在所述候选区域上，分别进行施工机械、烟火目标和导地线异物的检测；

合并上述检测结果，得到检测结论。

进一步地，所述基础特征包括边缘特征、纹理特征和实体属性特征。

进一步地，采用Cascade R-CNN边框回归方法进行施工机械的检测。

进一步地，所述采用Cascade R-CNN边框回归方法进行施工机械的检测包括：

对锚点尺寸和交并比进行重新计算；

采用多尺度训练网络模型，测试网络输入从训练网络中选择测试集上表现最优的尺寸。

进一步地，采用Soft-NMS优化的Fast R-CNN边框回归方法进行烟火目标的检测。

进一步地，所述采用Soft-NMS优化的Fast R-CNN边框回归方法进行烟火目标的检测包括：

在目标周边产生多个检测框，采用SoftNMS方法合并检测框。

进一步地，采用图像填鸭增强的FCOS边框回归方法对导地线异物进行检测。

进一步地，采用ResNeXt-101ResNeXt作为所述基础特征的提取网络。

本发明第二方面提供了一种输电线路隐患的检测系统，所述系统包括：

图像预处理单元，提取监拍图像的基础特征，寻找候选区域；

检测处理单元，在所述候选区域上，分别进行施工机械、烟火目标和导地线异物的检测；

结果合并单元，合并上述检测结果，得到检测结论。