一种高压配电线路接地故障识别方法与流程

本发明属于计算机视觉，特别涉及一种高压配电线路接地故障识别方法。

背景技术：

1、在目标检测领域，增强图像表示对目标检测至关重要，通过优化图像特征，提升检测精度、增强目标区分度、抑制噪声和干扰，同时提高模型泛化能力，减少对大规模数据的需求，从而为目标检测任务提供了更可靠和有效的支持。

2、高压配电线路接地故障识别，可以及时发现和处理接地故障可以避免电网发生事故，确保供电系统的安全性和可靠性，防止对用户及设备造成损害；可以及时识别接地故障可以减少故障处理时间和维护成本，避免因故障延误而带来的停电和维修费用；可以准确识别接地故障可以及时采取措施修复，减少能量损耗，提高电网的运行效率。

3、人工识别高压配电线路接地故障，对大型电网来说，进行人工识别需要大量人力物力，耗费时间和精力，且容易因疏忽或主观判断错误而漏检或误判接地故障，影响电网的安全运行，随着电网规模的扩大，人工识别将变得更加困难，不适用于大规模电网的监测和管理。利用计算机视觉技术可以快速准确地对电力线路进行监测和诊断，实现实时监测和自动化处理，而且不受人为因素的影响，可以减少人为干扰和误判，同时可以应用于大规模电网的监测和管理，为电网运行的智能化和自动化提供可靠技术支持。

技术实现思路

1、本发明提供一种高压配电线路接地故障识别方法，应用在高压配电线路接地故障识别场景，旨在原始图像基础上进行特征增强，优化目标检测输入端，从而提高接地故障识别效果。

2、本发明旨在输入图像基础上进行特征增强，提供一种高压配电线路接地故障识别方法，包括以下步骤：

3、s1、高压配电线路接地故障训练数据采集，使用人工拍摄和摄像头视频采集，获得高压配电线路接地故障图片，删除无效和重复图片；

4、s2、获得高压配电线路接地故障数据集，将高压配电线路接地故障图片进行标注，获得高压配电线路接地故障数据集；

5、s3、构建多卷积模块，输入特征经过多个卷积操作，得到输出特征；

6、s4、构建注意力模块，将输入特征通过注意力进行特征优化；

7、s5、构建特征聚合模块，用于将输入的两种特征进行有效聚合；

8、s6、构建特征增强模块，由多卷积模块、特征聚合模块、注意力模块、卷积层、逐元素相加操作和上采样操作组成，输入图像到该模块，输出增强图像；

9、s7、构建高压配电线路接地故障识别模型，模型依次由输入、特征增强模块、骨干网络、检测头和输出组成；

10、s8、训练高压配电线路接地故障识别模型，将高压配电线路接地故障数据集分为训练集、验证集和测试集，使用训练集和验证集进行训练，得到高压配电线路接地故障识别模型；

11、s9、使用高压配电线路接地故障识别模型进行故障识别，通过人工巡检拍摄和摄像头实时采集获得待检测图像，将待检测图像输入到高压配电线路接地故障识别模型，获得识别结果。

12、优选地，在s1步骤中，对于获得的高压配电线路接地故障图片，包含的高压配电线路接地故障类型有以下五种，伴随着光和热产生的电气放电现象，高压配电线路上异物存在，高压配电线路绝缘破损和磨损，高压配电线路构造断裂和弯曲，高压配电线路表面大面积污垢；无效图片指损坏的和模糊的高压配电线路接地故障图片，重复图片指存在多个相同的高压配电线路接地故障图片。

13、优选地，在s3步骤中，对于多卷积模块，输入特征维度为，h、w和c分别代表高、宽和通道，输入特征首先经过单卷积层，保持h和w不变，c由3转换为32，然后经过具有三条对称跳跃级联的六个卷积层，其中每个卷积层都伴随着relu激活函数，然后输出特征，特征维度为。

14、优选地，在s4步骤中，对于注意力模块，首先将特征集沿通道维度24分为n部分，每个注意力模块输入，，，，将均分为和，是第n个注意力模块中特征集的查询特征，是第n个注意力模块中特征集的键特征，单个注意力模块输出为，，，其中是的标准化形式，输入进softmax得到，是第n个注意力模块中和的逐元素乘积，，代表逐元素相乘，对于softmax函数，，l是类别的数量，exp是指数函数。

15、优选地，在s5步骤中，对于特征聚合模块，输入和，，将输入经过两个卷积层变换，得到特征，，将输入经过一个卷积层变换，得到特征，，和连接起来形成分层特征集，这里连接代表逐元素相加，将沿通道维度24分为n部分，并输入到n个注意力模块中，其中每个块输入，，在单个注意力模块计算完成后，将n个注意力模块输出的n个进行连接，这里连接代表在通道维度进行拼接，得到特征聚合模块的输出，。

16、优选地，在s6步骤中，对于特征增强模块，给定图像，输入图像到该模块中的分支1、分支2和分支3，分支1为 i，分支2通过卷积层调整尺度，得到特征，分支3通过卷积层调整尺度，得到特征，对三个分支、和应用多卷积模块，获得多尺度特征表示，分别表示为、和，，，，将和输入到特征聚合模块，得到输出，，将和分别进行上采样，两个维度都变换为，然后将这两个上采样特征进行逐元素相加，再进行卷积，并和输入图像进行逐元素相加，最后得到输出图像，其维度为。

17、与现有技术相比，本发明具有以下技术效果：

18、本发明提供的技术方案提出了特征增强模块，用来对输入图像进行特征增强，包含多卷积模块和特征聚合模块，多卷积模块可以分层组合多尺度特征，允许网络从更高分辨率和更低分辨率的特征中增强全局和局部信息，特征聚合模块可以有效融合多尺度的特征表示，同时特征聚合模块包含的注意力模块可以优化特征表示，通过结合多卷积模块、特征聚合模块和注意力模块，丰富有利于高压配电线路接地故障识别任务的分层特征，使输出图像产生强大的语义表示，从而提高高压配电线路接地故障识别效果。

技术特征：

1.一种高压配电线路接地故障识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种高压配电线路接地故障识别方法，其特征在于，在s1步骤中，对于获得的高压配电线路接地故障图片，包含的高压配电线路接地故障类型有以下五种，伴随着光和热产生的电气放电现象，高压配电线路上异物存在，高压配电线路绝缘破损和磨损，高压配电线路构造断裂和弯曲，高压配电线路表面大面积污垢；无效图片指损坏的和模糊的高压配电线路接地故障图片，重复图片指存在多个相同的高压配电线路接地故障图片。

3.根据权利要求1所述的一种高压配电线路接地故障识别方法，其特征在于，在s3步骤中，对于多卷积模块，输入特征维度为，h、w和c分别代表高、宽和通道，输入特征首先经过单卷积层，保持h和w不变，c由3转换为32，然后经过具有三条对称跳跃级联的六个卷积层，其中每个卷积层都伴随着relu激活函数，然后输出特征，特征维度为。

4.根据权利要求1所述的一种高压配电线路接地故障识别方法，其特征在于，在s4步骤中，对于注意力模块，首先将特征集沿通道维度24分为n部分，每个注意力模块输入，，，，将均分为和，是第n个注意力模块中特征集的查询特征，是第n个注意力模块中特征集的键特征，单个注意力模块输出为，，，其中是的标准化形式，输入进softmax得到，是第n个注意力模块中和的逐元素乘积，，代表逐元素相乘，对于softmax函数，，l是类别的数量，exp是指数函数。

5.根据权利要求1所述的一种高压配电线路接地故障识别方法，其特征在于，在s5步骤中，对于特征聚合模块，输入和，，将输入经过两个卷积层变换，得到特征，，将输入经过一个卷积层变换，得到特征，，和连接起来形成分层特征集，这里连接代表逐元素相加，将沿通道维度24分为n部分，并输入到n个注意力模块中，其中每个块输入，，在单个注意力模块计算完成后，将n个注意力模块输出的n个进行连接，这里连接代表在通道维度进行拼接，得到特征聚合模块的输出，。

6.根据权利要求1所述的一种高压配电线路接地故障识别方法，其特征在于，在s6步骤中，对于特征增强模块，给定图像，输入图像到该模块中的分支1、分支2和分支3，分支1为i，分支2通过卷积层调整尺度，得到特征，分支3通过卷积层调整尺度，得到特征，对三个分支、和应用多卷积模块，获得多尺度特征表示，分别表示为、和，，，，将和输入到特征聚合模块，得到输出，，将和分别进行上采样，两个维度都变换为，然后将这两个上采样特征进行逐元素相加，再进行卷积，并和输入图像进行逐元素相加，最后得到输出图像，其维度为。

技术总结
本发明提出了一种高压配电线路接地故障识别方法，涉及计算机视觉领域。本发明提出了高压配电线路接地故障识别流程，依次为高压配电线路接地故障训练数据采集、获得高压配电线路接地故障数据集、构建多卷积模块、构建注意力模块、构建特征聚合模块、构建特征增强模块、构建高压配电线路接地故障识别模型、训练高压配电线路接地故障识别模型和使用高压配电线路接地故障识别模型进行故障识别。本发明提出了特征增强模块，用来对输入图像进行特征增强，包含多卷积模块和特征聚合模块，同时特征聚合模块包含注意力模块，通过使用多种模块，丰富分层特征，从而提高高压配电线路接地故障识别效果。

技术研发人员：李永彬,高永强,柴立华,刘文华,张伟,房婷婷,王磊,孟娜娜,张弛,张志东,孙永健,胡晓艳,宋翔昱,姜龙云,郑昱,孙晓彤,仉逸鹏,李睿林,李显华,余福振,吴振华
受保护的技术使用者：国网山东省电力公司东营供电公司
技术研发日：
技术公布日：2024/5/10