[发明专利]一种输电线路隐患识别方法及系统

权利要求书

1.一种输电线路隐患识别方法，其特征在于，所述方法包括：

步骤S1：获取N张隐患样本图像；

步骤S2：对N张隐患样本图像进行扩充处理，构建隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像；M大于N；

步骤S3：利用M张隐患样本图像训练深度学习的边缘隐患识别模型，获得训练后的边缘隐患识别模型；

步骤S4：利用所述训练后的边缘隐患识别模型对待识别的隐患图像进行识别，获得隐患结果。

2.根据权利要求1所述的输电线路隐患识别方法，其特征在于，所述对N张隐患样本图像进行扩充处理，构建隐患训练数据集，具体包括：

步骤S21：将每个所述隐患样本图像进行旋转；

步骤S22：以旋转后的每张隐患样本图像的几何中心点为原点，向预设方向移动一定的距离；

步骤S23：将移动后的每张隐患样本图像进行镜像处理，获得隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像。

3.根据权利要求2所述的输电线路隐患识别方法，其特征在于，所述将每个所述隐患样本图像进行旋转，具体包括：

将每个所述隐患样本图像分别旋转第一角度、第二角度和第三角度。

4.根据权利要求3所述的输电线路隐患识别方法，其特征在于，所述第一角度、所述第二角度和所述第三角度分别为90度、180度和270度。

5.根据权利要求2所述的输电线路隐患识别方法，其特征在于，所述移动一定的距离包括：

向左和向右按照图像宽度的设定比例移动；向下和向上按照图像高度的设定比例移动；向左上、左下、右上和右下先按照图像宽度的设定比例移动，再向图像高度的设定比例移动。

6.一种输电线路隐患识别系统，其特征在于，所述系统包括：

获取模块，用于获取N张隐患样本图像；

扩充模块，用于对N张隐患样本图像进行扩充处理，构建隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像；M大于N；

训练模块，用于利用M张隐患样本图像训练深度学习的边缘隐患识别模型，获得训练后的边缘隐患识别模型；

识别模块，用于利用所述训练后的边缘隐患识别模型对待识别的隐患图像进行识别，获得隐患结果。

7.根据权利要求6所述的输电线路隐患识别系统，其特征在于，所述扩充模块，具体包括：

旋转单元，用于将每个所述隐患样本图像进行旋转；

距离移动单元，用于以旋转后的每张隐患样本图像的几何中心点为原点，向预设方向移动一定的距离；

镜像处理单元，用于将移动后的每张隐患样本图像进行镜像处理，获得隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像。

8.根据权利要求7所述的输电线路隐患识别系统，其特征在于，所述旋转单元，具体包括：

将每个所述隐患样本图像分别旋转第一角度、第二角度和第三角度。

9.根据权利要求8所述的输电线路隐患识别系统，其特征在于，所述第一角度、所述第二角度和所述第三角度分别为90度、180度和270度。

10.根据权利要求7所述的输电线路隐患识别系统，其特征在于，所述移动一定的距离包括：

向左和向右按照图像宽度的设定比例移动；向下和向上按照图像高度的设定比例移动；向左上、左下、右上和右下先按照图像宽度的设定比例移动，再向图像高度的设定比例移动。