输电线路异物检测方法、网络训练方法、装置和设备与流程

本申请涉及电力传输，特别是涉及一种输电线路异物检测方法、网络训练方法、装置、计算机设备和存储介质。

背景技术：

1、输电线路是架设在地面上用于传输电能的设备。由于输电线路暴露在外，容易受到外来物体的干扰，这种来自于异物的干扰可能会导致电路中断甚至故障。因此，识别外来异物对于确保持续稳定的电源供应非常重要。

2、传统技术中，通过拍摄设备获取输电线路的图像或视频后，通过区域生成网络的大量计算生成多个候选框，再进一步根据多个候选框进行筛选确定异物位置。

3、然而，计算量的庞大导致对异物的检测速度较慢，无法实时确定输电线路上的异物位置和类别。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够快速确定异物位置和类别的输电线路异物检测方法、网络训练方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供一种输电线路异物检测方法。该方法包括：

3、获取目标输电线路的待识别图像集；待识别图像集包括不存在异物的第一图像集和存在待识别异物的第二图像集；

4、将待识别图像集输入至第一中间网络，通过第一图像集建立背景模型，根据背景模型确定第二图像集中待识别异物的预测区域；

5、将具有预测区域的待识别图像集输入至第二中间网络，得到待识别异物的类别。

6、在其中一个实施例中，第一中间网络包括显著图网络和背景建模网络；通过第一图像集建立背景模型，根据背景模型确定第二图像集中待识别异物的预测区域，包括：

7、通过显著图网络对第二图像集的背景和前景进行预处理；

8、根据第一图像集，通过背景建模网络建立背景模型，根据背景模型确定待识别异物在第二图像集的预测区域。

9、在其中一个实施例中，根据第一图像集，通过背景建模网络建立背景模型，根据背景模型确定待识别异物在第二图像集的预测区域，包括：

10、通过背景建模网络根据第一图像集的预设数量的图像建立背景模型；

11、根据背景模型，通过前景检测算法确定待识别异物在第二图像集的预测区域。

12、第二方面，本申请提供一种网络训练方法。该方法包括以下步骤：

13、获取用于训练的多个第一图像；对第一图像中的已知异物进行信息标注，得到具有已知异物信息的第二图像；已知异物信息包括已知异物的位置；

14、将第二图像输入至生成对抗网络中，通过生成对抗网络对第二图像进行扩增，得到输电线路异物数据集；

15、将输电线路异物数据集输入待训练的第一中间网络；通过输电线路异物数据集建立背景模型，根据背景模型确定已知异物在数据集的预测区域。

16、在其中一个实施例中，第一中间网络包括显著图网络和背景建模网络；通过输电线路异物数据集建立背景模型，根据背景模型确定已知异物在数据集的预测区域，包括：

17、通过显著图网络对输电线路异物数据集的背景和前景进行预处理；

18、根据预处理后的输电线路异物数据集，通过背景建模网络建立背景模型，根据背景模型和已知异物的位置确定已知异物在数据集的预测区域。

19、在其中一个实施例中，生成对抗网络对第二图像进行扩增的方法包括裁剪、翻转、旋转、缩放、平移、添加噪声其中的至少一种。

20、第三方面，本申请还提供一种输电线路异物检测装置。该装置包括：

21、图像获取模块，用于获取目标输电线路的待识别图像集；待识别图像集包括不存在异物的第一图像集和存在待识别异物的第二图像集；

22、预测区域确定模块，用于将待识别图像集输入至第一中间网络，通过第一图像集建立背景模型，根据背景模型确定待识别异物在第二图像集的预测区域；

23、异物类别确定模块，用于将具有预测区域的待识别图像集输入至第二中间网络，得到待识别异物的类别。

24、第四方面，本申请还提供了一种网络训练装置。该装置包括：

25、训练图像获取模块，用于获取用于训练的多个第一图像；对所述第一图像中的已知异物进行信息标注，得到具有所述已知异物信息的第二图像；所述已知异物信息包括所述已知异物的位置；

26、图像扩增模块，将所述第二图像输入至生成对抗网络中，通过所述生成对抗网络对所述第二图像进行扩增，得到输电线路异物数据集；

27、已知异物确定模块，将所述输电线路异物数据集输入待训练的第一中间网络；通过所述输电线路异物数据集建立背景模型，根据所述背景模型确定所述已知异物在所述数据集的预测区域。

28、第五方面，本申请还提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，该处理器执行该计算机程序时实现上述的输电线路异物检测方法的步骤；或者，实现上述的网络训练方法的步骤。

29、第六方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的输电线路异物检测方法的步骤；或者，实现上述的网络训练方法的步骤。

30、第七方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的输电线路异物检测方法的步骤；或者，实现上述的网络训练方法的步骤。

31、上述输电线路异物检测方法、网络训练方法、装置、计算机设备和存储介质，服务器获取到目标输电线路的待识别图像集，待识别图像集分为第一图像集和第二图像集，其中，第一图像集中的图像不具有待识别异物，第二图像集中的图像具有待识别异物。将待识别图像集输入至第一中间网络，由第一中间网络根据第一图像集建立目标输电线路的背景模型，此时建立的背景模型不含有异物。当目标输电线路上出现异物时，会导致背景模型中某个或某些像素点的变化。因此在确定背景模型后，第二图像集中与背景模型不同的像素点即视为待识别异物，从而确定待识别异物的预测区域，也即异物位置。再将具有预测区域的待识别图像输入至第二中间网络，确定待识别区域中异物的类别，从而最终确定待识别异物的位置和类别。相较于传统技术中生成多个预选框，需要对多个预选框进一步筛选的方案，本申请采用的方案能够根据背景模型，在第二图像集确定单一的预测区域，减小了计算量。

技术特征：

1.一种输电线路异物检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一中间网络包括显著图网络和背景建模网络；所述通过所述第一图像集建立背景模型，根据所述背景模型确定所述第二图像集中待识别异物的预测区域，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一图像集，通过所述背景建模网络建立背景模型，根据所述背景模型确定所述待识别异物在所述第二图像集的预测区域，包括：

4.一种网络训练方法，其特征在于，所述方法包括以下步骤：

5.根据权利要求4所述的方法，其特征在于，所述第一中间网络包括显著图网络和背景建模网络；所述通过所述输电线路异物数据集建立背景模型，根据所述背景模型确定所述已知异物在所述数据集的预测区域，包括：

6.根据权利要求5所述的方法，其特征在于，所述生成对抗网络对所述第二图像进行扩增的方法包括裁剪、翻转、旋转、缩放、平移、添加噪声其中的至少一种。

7.一种输电线路异物检测装置，其特征在于，所述装置包括：

8.一种网络训练装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种输电线路异物检测方法、网络训练方法、装置、计算机设备和存储介质。该方法包括：获取目标输电线路的待识别图像集；待识别图像集包括不存在异物的第一图像集和存在待识别异物的第二图像集；将待识别图像集输入至第一中间网络，通过第一图像集建立背景模型，根据背景模型确定第二图像集中待识别异物的预测区域；将具有预测区域的待识别图像集输入至第二中间网络，得到待识别异物的类别。本申请采用的方案能够根据背景模型，在第二图像集确定单一的预测区域，减小了计算量。

技术研发人员：李英,张云翔
受保护的技术使用者：深圳供电局有限公司
技术研发日：
技术公布日：2024/1/13