技术特征：
1.一种适用于输电导线检测装置的快速检测方法，其特征在于，包括以下步骤：(1.1)通过监测装置采集输电线路导线图片；(1.2)设计全卷积神经网络对步骤(1.1)采集到的图片进行语义分割，从背景中提取出导线，并输出分割的导线图片；(1.3)对导线分割的结果进行断点连接(1.4)采用长度阈值法去除图中长度较短的背景噪声(1.5)采用八方向搜索法进行导线分离。2.根据权利要求1所述的基于全卷积神经网络的输电导线快速检测方法，其特征在于：所述步骤(1.2)包括以下子步骤：(2.1)通过15个卷积层，5次下采样，得到原图1/8、1/16、1/32大小的特征图；(2.2)对原图1/32大小的特征图上采样放大2倍，然后和原图1/16大小的特征图累加；(2.3)将上述累加得到的特征图上采样放大2倍，然后和原图1/8大小的特征图累加；(2.4)将步骤(2.3)得到的累加图上采样放大8倍，然后将得到的特征图还原到输入图像大小；(2.5)将步骤(2.4)得到的图片中的每个像素进行分类预测，输出语义分割的结果。3.根据权利要求2所述的基于全卷积神经网络的输电导线快速检测方法，其特征在于：所述步骤(1.3)提出一种基于改进的最小点对法的断点连接算法，并包括以下子步骤：(3.1)骨架化。采用一种迭代细化算法对导线进行骨架化，获得单像素的导线骨架图，结果如说明书附图3所示；(3.2)断点搜索。通过步骤(3.1)获得单像素的骨架图，对骨架图中的每一个像素点，判断是否为断点。判断准则：如果该像素点为前景像素，且该像素的八邻域有且只有一个前景像素，则认为该像素点为断点；(3.3)断点匹配。如说明书附图4所示，对于骨架图中的每一个断点b，搜索与之匹配断点c，判断是否满足以下匹配准则：(3.3.1)最小距离准则。b为当前断点，其所在线段的另一个端点为a(也是断点)，同理c和d是断点，也是另一条线段上的两个端点。假设为两断点之间的距离阈值为d1，断点b和c之间的欧式距离为d
bc
。如果d
bc
＜d1，则满足最小距离准则，继续判断是否满足共向准则；(3.3.2)共向准则。θ是两条线段所在直线之间的角度阈值，分别计算线段ab及cd与x轴的夹角θ
ab
和θ
cd
，如果|θ
ab-θ
cd
|＜θ，则满足共向准则，继续判断是否满足共线准则；(3.3.3)共线准则。d2为点到直线距离阈值，分别计算断点c和d到直线ab的欧式距离d
c
和d
d
，如果同时满足d
c
＜d2和d
d
＜d2，则认为满足共线准则，断点b和c匹配，进行断点连接；(3.3.4)断点连接。由于输电线路图像中导线基本呈现直线状态，且导线断裂部分不影响导线总体状态，因此可以采用直线连接步骤(3.3)匹配到的两个断点。4.根据权利要求3所述的基于卷积神经网络的输电导线快速检测方法，其特征在于：所述步骤(1.4)包括以下子步骤：(4.1)线段长度length初始化为0；(4.2)确定线段的起始像素，其八邻域内有且只有一个前景像素(灰度值为255)；(4.3)在当前像素的八邻域内搜索下一个前景像素，若搜索到，线段长度length加1，并更新到下一个前景像素，同时将当前像素标记为128，防止重复搜索；
(4.4)重复步骤(4.3)直至当前像素的八邻域内没有前景像素，到达线段终点；(4.5)判断该线段的长度是否小于阈值，若小于，则认为该线段为背景噪声，在检测结果中去除，否则保留。5.根据权利要求4所述的基于卷积神经网络的输电导线快速检测方法，其特征在于所述步骤(1.5)包括以下子步骤：(5.1)导线编号n初始化为0；(5.2)搜索优化后骨架图中所有断点(此处指导线的端点)，加入端点集s中；(5.3)取出s中的第一个端点记为a1，采用八方向搜索法搜索其所在导线的另一个端点记为a2，导线编号n加1，并在原图中标注导线号码；(5.4)将端点a1和a2从s中去除，更新端点集s；(5.5)重复步骤(5.3)和步骤(5.4)，直至端点集s为空。
技术总结
本发明公开了一种适用于输电导线检测装置的快速检测方法，针对目前的导线检测算法精确度不高、泛化能力差等问题提出一种基于语义分割技术的导线检测算法，利用全卷积网络对导线特征进行提取。该算法对细节和位置信息敏感，能够实现导线的自动检测，且分割精度较高；针对检测结果中出现的导线断裂的问题，提出一种改进的最小点对法，实现断裂导线的连接，同时采用长度阈值法去除背景噪声。实验证明，该方法能够自动实现导线的准确检测，具有较强的实用意义。实用意义。
技术研发人员：杨传凯 张桓闻 薛倩楠 孔志战 杨昌建 孔敏儒 郝东新 吴兵 何鑫 琚泽立 黄海 陈贵锋
受保护的技术使用者：国网陕西省电力公司电力科学研究院
技术研发日：2020.11.11
技术公布日：2021/11/30