[发明专利]一种覆冰导线识别方法、装置、设备及存储介质

说明书

本申请公开了一种覆冰导线识别方法、装置、设备及存储介质，方法包括：通过预设Mask R‑CNN中的FPN网络提取预置覆冰导线图像的多维融合特征图，预置覆冰导线图像包括预设标签；基于预设Mask R‑CNN中RPN的修正anchor对多维融合特征图进行前景区域提取，得到导线ROI图，修正anchor基于导线几何形态优化得到；依据导线ROI图分别进行图像分类、导线框回归和Mask生成操作，得到覆冰导线识别结果，覆冰导线识别结果包括导线覆冰类型、导线区域框和导线区域Mask。本申请能够解决现有导线分析方案缺乏有效的数据分析手段，导致得到的结果准确性和可靠性较差的技术问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种覆冰导线识别方法、装置、设备及存储介质。

背景技术

覆冰严重威胁输电线路安全，南方地区地形、气象复杂，多条远距离特/超高压经过覆冰区域，易受覆冰影响，故而对防冰抗冰提出更高要求。

现有的导线研究中，特别是导线的分割处理，大部分是基于力学模型进行分析。这种覆冰厚度计算模型与实际存在较大偏差，微气象和图像等传感器在低温雨雪等恶劣天气下数据可用率不高且缺乏有效的数据处理手段，也缺乏直接针对输电线路覆冰的识别体系。

发明内容

本申请提供了一种覆冰导线识别方法、装置、设备及存储介质，用于解决现有导线分析方案缺乏有效的数据分析手段，导致得到的结果准确性和可靠性较差的技术问题。

有鉴于此，本申请第一方面提供了一种覆冰导线识别方法，包括：

通过预设Mask R-CNN中的FPN网络提取预置覆冰导线图像的多维融合特征图，所述预置覆冰导线图像包括预设标签；

基于所述预设Mask R-CNN中RPN的修正anchor对所述多维融合特征图进行前景区域提取，得到导线ROI图，所述修正anchor基于导线几何形态优化得到；

依据所述导线ROI图分别进行图像分类、导线框回归和Mask生成操作，得到覆冰导线识别结果，所述覆冰导线识别结果包括导线覆冰类型、导线区域框和导线区域Mask。

优选地，所述通过预设Mask R-CNN中的FPN网络提取预置覆冰导线图像的多维融合特征图，所述预置覆冰导线图像包括预设标签，之前还包括：

基于预置质量评估规则将初始覆冰导线图像中的不合格图像剔除，得到筛选覆冰导线图像；

通过labelme工具对所述筛选覆冰导线图像进行标注操作，得到标注覆冰导线图像，所述标注覆冰导线图像包括导线标注；

将所述标注覆冰导线图像进行进行COCO数据集格式转换操作，得到预置覆冰导线图像。

优选地，所述基于所述预设Mask R-CNN中RPN的修正anchor对所述多维融合特征图进行前景区域提取，得到导线ROI图，所述修正anchor基于导线几何形态优化得到，包括：

基于所述预设Mask R-CNN中的RPN网络根据所述多维融合特征图生成多个初始anchor，并将所述初始anchor基于面积比例划分为前景正标签和背景负标签；

对所述前景正标签的anchor进行目标框回归处理，得到候选anchor；

基于导线几何形态调整所述候选anchor的尺寸大小，得到修正anchor；

在所述修正anchor中选取前景分数最高的目标anchor区域后，通过ROI池化的方式对所述目标anchor区域进行统一裁剪，得到导线ROI图。

优选地，所述依据所述导线ROI图分别进行图像分类、导线框回归和Mask生成操作，得到覆冰导线识别结果，包括：