一种可视化超声波驱鸟方法、装置及存储介质与流程

本发明涉及驱鸟，尤其涉及一种可视化超声波驱鸟方法、装置及存储介质。

背景技术：

1、随着生态意识和环保意识的增强，鸟类的生息繁衍条件得以不断改善，选择在架空输电线路筑巢和栖息的现象也不断增多，频繁筑巢以及排粪等活动，增大了输电线路鸟害故障发生的概率，对电力系统的安全运行造成严重的威胁。分析统计资料可知，110kv及以上输电线路由于鸟类活动引起的线路故障仅次于外力破坏和雷害，占线路故障跳闸总数的前三。因此，为确保电力系统网络的安全高效运行，并且实现向用户不间断供电，有效防范和减少因鸟类活动引起的线路故障具有至关重要的意义，其相关工作已引起输电线路工作人员的高度关注及重视。

2、鸟害故障主要包括:鸟啄食破坏绝缘子，鸟排泄粪便引起闪络，鸟类筑巢材料和鸟类身体以及捕食食物引起的短路等。尤其鸟类泄粪引起的闪络故障是线路防鸟害工作的着力点。鸟害故障的发生主要有3个特征，即季节性，以每年3～6月份的鸟类繁殖期为频发期；时间性，主要为清晨六点前后为多发期；气候性，筑巢期天气变化的不确定性为突发期，以雷雨天气及潮湿天气较为严重。目前防鸟害故障的主要技术措施可以分为驱赶型、分隔型和引导型3类，但后两类措施往往不能从根本上解决鸟害问题，目前常用的手段是通过视频探测飞鸟，并在探测到飞鸟时触发驱鸟手段驱离。在探测飞鸟过程中，为了能够通过视频检测到飞鸟，一般摄像头的视野较大，即一般为广角，而鸟类体积较小，在视频帧中，鸟类区域所占像素比例很小，对整个视频帧进行鸟类识别时，鸟类识别模型容易识别不到，探测效果差。

技术实现思路

1、为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供一种可视化超声波驱鸟方法、装置及存储介质。

2、第一方面，本发明提供一种可视化超声波驱鸟方法，包括：预采集界标附近的飞鸟途经视频；对所述飞鸟途经视频中的飞鸟进行人工标注，以确定飞鸟途经视频帧中全部飞鸟；通过飞鸟检测模型检测所述飞鸟途经视频的飞鸟，并将模型检测结果与所述人工标注结果比较，确定识别成功率是否超出设定阈值，是则，按照当前的滑窗分割每个视频帧并将分割的图片输入所述飞鸟检测模型，否则，缩小滑窗尺寸，以提高飞鸟在图片中的信噪比，用缩小的滑窗分割每个视频帧并将分割的图片输入所述飞鸟检测模型检测，直至确定识别成功率超出设定阈值；

3、采集输电通道环境视频，用满足识别成功率的滑窗分割输电通道环境视频帧并输入飞鸟检测模型检测，检测到飞鸟时，生成超声波驱赶飞鸟。

4、更进一步地，所述滑窗分割视频帧的过程包括：

5、设定所述滑窗的高度h1、宽度w1，水平滑移距离x和垂直滑移距离y，其中，视频帧的宽度w2是水平滑移距离x的整数倍，视频帧的高度h2是垂直滑移距离y的整数倍；

6、从视频帧的左上角开始，控制所述滑窗按照水平滑移距离x逐步滑动切割视频帧，与滑窗当前垂直坐标对应的视频帧区域被滑窗遍历完后，控制所述滑窗移至最左侧且按照垂直滑移距离y向下滑动一步，更新滑窗的垂直坐标，再次控制所述滑窗按照水平滑移距离x逐步滑动切割视频帧，直至视频帧全部被滑窗扫过。

7、更进一步地，所述飞鸟检测模型采用一个预训练用于识别鸟类的yolo模型和vggnet模型的结合，或一个预训练用于识别鸟类的yolo模型和densenet模型的结合；而对于所述滑窗切割得到的图片，按照所述飞鸟检测模型的输入图片尺寸要求进行放大，放大过程中采用双边线性插值进行插值。

8、更进一步地，所述飞鸟检测模型采用多个对应滑窗大小的预训练用于识别鸟类的yolo模型和vggnet模型的结合，或多个对应滑窗大小的预训练用于识别鸟类的yolo模型和densenet模型的结合；根据所采用的滑窗大小，自适应的匹配相应的yolo模型和vggnet模型或yolo模型和densenet模型进行鸟类识别。

9、更进一步地，获取无飞鸟和异物的全背景输电通道环境视频帧，背景中包含输电线路设备，利用全背景输电通道环境视频帧创建相应的参考矩阵，所述参考矩阵的形状与输电通道环境视频帧尺寸一致，分别通过两个参考矩阵记录全背景区域灰度像素值的上限和下限；

10、当对输电通道环境视频视频帧的像素点采样时，依据像素点的像素值是否匹配相应参考矩阵上下限，来判断当前像素点是否为背景点，遍历出输电通道环境视频帧中全部的背景点，检测除被识别为飞鸟部分的背景点的范围是否发生变化，发生变化时，在连续输电通道环境视频帧上利用mean-shift算法追踪发生变化区域，确定发生变化区域与输电线路设备之间的位置关系，若发生变化区域最终离开输电线路设备时，不做处理，若发生变化区域保持在到输电线路设备设定范围中时，发出相应报警。

11、更进一步地，所述界标处于两采集输电通道环境视频的摄像头有效成像范围的交汇处。

12、更进一步地，针对不同季节鸟类习性，确定不同季节中对输电线路影响明显的鸟类范围，根据对应不同季节的鸟类范围针对性的训练适配不同季节驱鸟需求的飞鸟检测模型。

13、第二方面，本发明通过一种超声波驱鸟装置，用于所述的可视化超声波驱鸟方法，包括：箱体，所述箱体的顶部设置有太阳能发电板，所述太阳能发电板经充电电路电连接蓄电池，所述蓄电池电连接生成5v和3.3v直流供电的直流降压稳压芯片；所述箱体内部设置控制单元，所述控制单元通过io连接驱动超声波换能器的功放电路，所述功放电路电连接设置于所述箱体周围的超声波换能器；所述箱体上设置有采集输电通道环境视频用的摄像头，所述摄像头通过ssh连接cpu服务器，传输输电通道环境视频；所述cpu服务器连接识别用的gpu服务器；所述控制单元电连接无线通信单元，所述cpu服务器无线连接所述控制单元。

14、更进一步地，所述控制单元电连接用于检测白天黑夜的光敏传感器。

15、第三方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序被处理器执行时，实现所述的可视化超声波驱鸟方法。

16、本发明实施例提供的上述技术方案与现有技术相比具有如下优点：

17、本技术在检测前，根据飞鸟检测模型对飞鸟途经视频中的飞鸟成功率调整滑窗的大小。滑窗切割视频帧后得到的图像尺寸变小，鸟类所占区域的比重提高，更容易被飞鸟检测模型识别到，从而提高识别飞鸟的成功率。同时，本技术在识别成功率超出设定阈值时，不再继续缩小滑窗，避免每个视频帧分割出来的图像过多，增大计算量，影响识别效率，保证鸟类识别的实时性。

18、本技术先通过yolo模型初步识别鸟类，对于置信度低的对象，再通过vggnet模型或densenet模型识别，利用高效实时性强的yolo模型初步筛选后，再对不确定的对象通过实时性差但识别能力强的vggnet模型或densenet模型进一步确认。降低vggnet模型或densenet模型的工作量，兼顾整个飞鸟检测模型的整体识别成功率和识别效率。

19、本技术通过检测除被识别为飞鸟部分外的背景点的范围是否发生变化，来检测输电通道设备附近异物，并追踪异物和输电通道设备之间的位置关系，确定是否报警，能够有效探测异物。