[发明专利]一种输电线路导线异物识别方法及装置

权利要求书

1.一种输电线路导线异物识别方法，其特征在于：该方法包括以下步骤：

S1：通过输电线路监拍装置获取输电线路图像，采用导线区域识别算法对图像进行处理，获得导线区域坐标，并将导线区域坐标存储在设备信息表中；

S2：通过输电线路监拍装置获取带有导线异物的输电线路图像，并进行导线异物标注，构建导线异物数据集；

S3：分别构建基于Resnet101+FPN的CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型，并利用导线异物数据集对两种导线异物识别模型分别进行训练；

S4：根据设备信息表中存储的导线区域坐标，对输电线路监拍装置实时拍摄的输电线路图像进行裁剪，并将裁剪后的图像分别输入到CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型中，进行导线异物识别；

S5：取CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型的识别结果的并集作为最终的识别结果，并使用非极大值抑制算法进行重合框的过滤。

2.根据权利要求1所述的一种输电线路导线异物识别方法，其特征在于：步骤S1中所述的导线区域识别算法，其具体包括以下步骤：

S11：对输电线路图像进行高斯滤波处理，消除输电线路图像中的高斯噪声，得到滤波图像；

S12：利用自适应阈值算法对滤波图像进行二值化处理，去除图像中的背景信息，得到二值化图像；

S13：利用膨胀腐蚀算法删除二值化图像中的干扰噪点，得到前景图像；

S14：利用霍夫线变换方法对前景图像中的导线进行检测，获取导线的位置，并根据导线位置确定导线区域坐标。

3.根据权利要求1所述的一种输电线路导线异物识别方法，其特征在于：步骤S2中所述的“通过输电线路监拍装置获取带有导线异物的输电线路图像，并进行导线异物标注，构建导线异物数据集”，其具体包括以下步骤：

S21：使用Labeling软件，在输电线路图像中的导线区域中，对图像中的导线异物隐患目标进行矩形标注；

S22：根据设备信息表中的导线区域坐标，对标注后的输电线路图像进行裁剪并保存，将输电线路监控设备拍摄的图像和裁剪出来的图像混合，构成导线异物数据集，按照8：1：1的比例划分训练集、验证集和测试集。

4.根据权利要求3所述的一种输电线路导线异物识别方法，其特征在于：步骤S3中所述的“分别构建基于Resnet101+FPN的CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型，并利用导线异物数据集对两种导线异物识别模型分别进行训练；”，其具体包括以下步骤：

S31：依据概率随机对训练集中的图像进行图像翻转，将翻转后的图像加入到训练集中，对训练集的数据进行增强；

S32：CascadeRCNN导线异物识别模型在训练集中选用图像输入大小为（1216，1621）像素的图像进行模型训练，YOLOV5模型在数据增强后的训练集中选用图像输入大小为（1280，1280）像素的图像进行模型训练。

5.一种输电线路导线异物识别装置，其特征在于：包括导线区域坐标获取模块、导线异物识别模型构建模块和导线异物识别模块；

所述导线区域坐标获取模块，用于采用导线区域识别算法对输电线路监拍装置拍摄的输电线路图像进行处理，获得导线区域坐标，并将导线区域坐标存储在设备信息表中；

所述导线异物识别模型构建模块，用于对输电线路监拍装置拍摄的带有导线异物的输电线路图像进行导线异物标注，构建导线异物数据集，还用于分别构建基于Resnet101+FPN的CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型，并利用导线异物数据集对两种导线异物识别模型分别进行训练；

所述导线异物识别模块，用于根据设备信息表中存储的导线区域坐标，对输电线路监拍装置实时拍摄的输电线路图像进行裁剪，并将裁剪后的图像分别输入到CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型中，进行导线异物识别；取CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型的识别结果的并集作为最终的识别结果，并使用非极大值抑制算法进行重合框的过滤。