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。
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。