基于计算机视觉的导线检测方法、装置和计算机设备与流程

本申请涉及电路安全，特别是涉及一种基于计算机视觉的导线检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、在输电线路系统中，导线的状态关乎着整个输电线路是否能正常运作。因此检测输电线路中导线的状态以保障输电线路的安全运行显得十分必要。目前对输电线路中导线的状态检测通常是通过人工进行排查，然而，在带电环境中通过人工排查导线的状态，容易导致检查疏漏，降低导线检测的准确性。

2、因此，目前对输电线路中导线的检测方法存在检测准确度低的缺陷。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高检测准确度的基于计算机视觉的导线检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本申请提供了一种基于计算机视觉的导线检测方法，应用于巡检机器人，所述方法包括：

3、获取针对输电线路中待检测导线的待检测导线图像；

4、将所述待检测导线图像输入经训练的导线识别模型，获取所述导线识别模型基于待检测导线在所述待检测导线图像中的位置和形状确定检测区域，并基于所述检测区域识别所述待检测导线的状态后输出的检测结果；

5、根据所述检测结果，确定所述输电线路中的异常导线。

6、在其中一个实施例中，所述获取针对输电线路中待检测导线的待检测导线图像，包括：

7、获取彩色图像采集设备针对所述待检测导线采集的彩色图像，获取红外图像采集设备针对所述待检测导线采集的深度图像；

8、根据所述彩色图像和所述深度图像，生成所述待检测导线对应的待检测导线图像。

9、在其中一个实施例中，所述根据所述彩色图像和所述深度图像，生成所述待检测导线对应的待检测导线图像，包括：

10、根据所述彩色图像和所述深度图像生成所述待检测导线对应的数字图像；

11、对所述数字图像进行降噪和图像增强处理，得到所述待检测导线图像。

12、在其中一个实施例中，所述对所述数字图像进行降噪和图像增强处理，得到所述待检测导线图像，包括：

13、根据预设大小的滤波器窗口，对所述数字图像进行矢量中值滤波处理，得到滤波后的数字图像；

14、获取所述滤波后的数字图像在hsv颜色空间中各颜色通道的子图像，对各颜色通道的子图像分别进行自适应中值滤波处理，得到各颜色通道处理后的数字图像；

15、融合各颜色通道处理后的数字图像，得到融合后的数字图像，将所述融合后的数字图像转换为rgb颜色空间，得到降噪后的数字图像；

16、根据同态滤波对所述降噪后的图像进行光线补偿，并提高光线补偿后的图像的对比度，得到所述待检测导线图像。

17、在其中一个实施例中，所述导线识别模型中包括区域预测子模型、形状预测子模型和特征调整子模型；

18、所述将所述待检测导线图像输入经训练的导线识别模型，包括：

19、将所述待检测导线图像输入经训练的导线识别模型，由所述导线识别模型基于所述待检测导线图像确定多个层级的特征图像；

20、针对每个层级，由所述区域预测子模型获取该层级的特征图像中所述待检测导线对应的预测检测区域，由所述形状预测子模型根据所述待检测导线调整所述预测检测区域的形状，由所述特征调整子模型根据调整形状后的预测检测区域，识别异常导线对应的异常特征信息；

21、根据各层级对应的异常特征信息，确定所述待检测导线图像中的异常导线信息，并输出包含所述异常导线信息的检测结果。

22、在其中一个实施例中，所述由所述区域预测子模型获取该层级的特征图像中所述待检测导线对应的预测检测区域，包括：

23、由所述区域预测子模型获取该层级的特征图像中包含所述待检测导线的多个概率子图；

24、根据预设激活函数确定各概率子图中包含所述待检测导线的概率值，将所述概率值大于预设概率阈值的概率子图，作为预测检测区域。

25、在其中一个实施例中，所述由所述形状预测子模型根据所述待检测导线调整所述预测检测区域的形状，包括：

26、获取与所述预测检测区域的距离最小的邻近检测区域的标签；

27、由所述形状预测子模型基于预设卷积层以及所述预测检测区域的原始高度和原始宽度，输出所述预测检测区域对应的高度映射参数和宽度映射参数；

28、根据预设步长、预设伸缩因子和所述高度映射参数，确定所述预测检测区域的目标高度，根据所述预设步长、所述预设伸缩因子和所述宽度映射参数，确定所述预测检测区域的目标宽度；所述目标高度和目标宽度对应的输出空间范围小于所述原始高度和原始宽度对应的输出空间范围；

29、根据所述目标高度和目标宽度，确定所述预测检测区域的形状。

30、在其中一个实施例中，所述由所述特征调整子模型根据调整形状后的预测检测区域，识别异常导线对应的异常特征信息，包括：

31、由所述特征调整子模型根据调整形状后的预测检测区域获取对应的调整偏移量；

32、根据所述调整偏移量对所述预测检测区域中的图像特征进行变形卷积，识别变形卷积后的图像特征中异常导线对应的异常图像特征信息。

33、第二方面，本申请提供了一种基于计算机视觉的导线检测装置，应用于巡检机器人，所述装置包括：

34、获取模块，用于获取针对输电线路中待检测导线的待检测导线图像；

35、输入模块，用于将所述待检测导线图像输入经训练的导线识别模型，获取所述导线识别模型基于待检测导线在所述待检测导线图像中的位置和形状确定检测区域，并基于所述检测区域识别所述待检测导线的状态后输出的检测结果；

36、检测模块，用于根据所述检测结果，确定所述输电线路中的异常导线。

37、第三方面，本申请提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。

38、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

39、第五方面，本申请提供了一种计算机程序产品，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方法的步骤。

40、上述基于计算机视觉的导线检测方法、装置、计算机设备、存储介质和计算机程序产品，通过将输电线路中待检测导线的待检测导线图像输入经训练的导线识别模型，获取导线识别模型基于待检测导线在待检测导线图像中的位置和形状确定检测区域，并基于检测区域识别待检测导线的状态后输出的检测结果，根据检测结果确定输电线路中的异常导线。相较于传统的通过人工核查的方式检测异常导线，本方案通过利用设置有导线识别模型的巡检机器人，采集并基于导线在图像中的位置和形状识别输电线路中的异常导线，提高了异常导线识别的准确度。

技术特征：

1.一种基于计算机视觉的导线检测方法，其特征在于，应用于巡检机器人，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取针对输电线路中待检测导线的待检测导线图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述彩色图像和所述深度图像，生成所述待检测导线对应的待检测导线图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述对所述数字图像进行降噪和图像增强处理，得到所述待检测导线图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述导线识别模型中包括区域预测子模型、形状预测子模型和特征调整子模型；

6.根据权利要求5所述的方法，其特征在于，所述由所述区域预测子模型获取该层级的特征图像中所述待检测导线对应的预测检测区域，包括：

7.根据权利要求5所述的方法，其特征在于，所述由所述形状预测子模型根据所述待检测导线调整所述预测检测区域的形状，包括：

8.根据权利要求5所述的方法，其特征在于，所述由所述特征调整子模型根据调整形状后的预测检测区域，识别异常导线对应的异常特征信息，包括：

9.一种基于计算机视觉的导线检测装置，其特征在于，应用于巡检机器人，所述装置包括：

10.一种计算机设备，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8中任一项所述的方法的步骤。

技术总结
本申请涉及一种基于计算机视觉的导线检测方法、装置和计算机设备。通过将输电线路中待检测导线的待检测导线图像输入经训练的导线识别模型，获取导线识别模型基于待检测导线在待检测导线图像中的位置和形状确定检测区域，并基于检测区域识别待检测导线的状态后输出的检测结果，根据检测结果确定输电线路中的异常导线。相较于传统的通过人工核查的方式检测异常导线，本方案通过利用设置有导线识别模型的巡检机器人，采集并基于导线在图像中的位置和形状识别输电线路中的异常导线，提高了异常导线识别的准确度。

技术研发人员：王毅,曲烽瑞,王喜军,孙奇珍,李智斌,张子翀,葛佳菲
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：
技术公布日：2024/1/15