[发明专利]一种融合5G的输电线路山火智能预警方法及系统

说明书

本发明涉及一种融合5G的输电线路山火智能预警方法及系统，包括：构建卷积神经网络；采集若干山火图像及若干非山火图像，并根据图像内是否存在山火对所述山火图像、非山火图像进行标签标记；对训练集中的图像进行特征提取，并基于提取的图像特征对卷积神经网络进行训练；对测试集中的图像进行特征提取，并基于提取的图像特征对训练好的卷积神经网络进行测试，计算卷积神经网络测试的准确率；采用5G通信的方式采集实时的输电线路图像，提取其图像特征并将其输入至卷积神经网络中，卷积神经网络输出判断结果；根据所述卷积神经网络输出的结果判断是否发出山火预警。该方法能够对输电线路上是否存在山火进行自动识别预警，实现持续的监控。

技术领域

本发明属于输电线路技术领域，具体涉及一种融合5G的输电线路山火智能预警方法及系统。

背景技术

随着国家的逐步发展，经济欠发达地区尤其是山区的电力需求也逐步得到了满足。受限于经济欠发达地区的地理环境，为了实现对经济欠发达地区的供电，其输电线路一般需要穿过高山峻岭地带，这些地区独特的地形地貌、气候条件极易引发山火，轻则引起输电线路跳闸，重则造成烧毁铁塔，引起长时间的不可恢复的重大电力事故，更甚者会威胁到人民的生命和财产安全。

在防范输电线路山火方面，现在一般采用人工巡线或无人机远程遥控巡线的方式，但是两种方式均无法实现对输电线路持续长时间的山火监控，且也依赖于人眼观察的方式，无法实现自动识别预警。因此如何克服现有技术的不足是目前输电线路技术领域亟需解决的问题。

发明内容

本发明的目的是为了解决现有技术的不足，提供一种融合5G的输电线路山火智能预警方法及系统，该方法能够对输电线路上是否存在山火进行自动识别预警，实现持续的监控。

为实现上述目的，本发明采用的技术方案如下：

一种融合5G的输电线路山火智能预警方法，包括：

一、构建一卷积神经网络；

二、分别采集若干山火图像及若干非山火图像作为训练集和测试集，并根据图像内是否存在山火对所述山火图像、非山火图像进行标签标记；

三、对所述训练集中的图像进行特征提取，并基于提取的图像特征对所述卷积神经网络进行训练；

四、对所述测试集中的图像进行特征提取，并基于提取的图像特征对所述训练好的卷积神经网络进行测试，计算卷积神经网络测试的准确率；若所述准确率大于设定的阈值，则执行步骤五，否则执行步骤三；五、采用5G通信的方式采集实时的输电线路图像，提取其图像特征并将其输入至卷积神经网络中，卷积神经网络输出判断结果；根据所述卷积神经网络输出的结果判断是否发出山火预警。

本发明中训练集和测试集的样本数量比例没有特殊限制，一般选7:3即可。

步骤二中，特征提取可选择颜色特征或梯度方向直方图特征。提取的特征过程是公知的。

测试集的图像包括山火图像及若干非山火图像，山火和非山火就是图像的标签，将测试集的图像的特征传输至神经网络中，神经网络输出标签的类别置信度，就是表明标签分别属于山火或非山火的可能性，然后根据输出的标签置信度更高的一方与真实的标签相比，确定是否存在判断错误，从而统计准确率

进一步，优选的是，所述对卷积神经网络进行训练的过程包括前向传播的过程，所述前向传播的过程包括：

将所述卷积神经网络输出的图像的类别置信度与图像标记的标签类别的差值作为Softmax_Loss损失函数；

通过所述卷积神经网络对图像的特征向量进行强化特征提取，获取图像的强化特征向量；

获取每一个类别对应的强化特征向量中心；

计算所述图像的强化特征向量与对应的类别的强化特征向量中心的欧式距离，并将所述欧式距离的平方作为Center_Loss损失函数；

计算最终的损失函数，所述最终的损失函数公式为：

最终的损失函数＝Softmax_Loss+λCenter_Loss，