一种输电线路异物附着识别方法、装置、计算机设备与流程

本申请涉及计算机，更具体地，涉及一种输电线路异物附着识别方法、装置、计算机设备及存储介质。

背景技术：

1、输电线路在工作状态下容易被异物附着，例如垃圾袋、鸟粪等，这些异物不仅会缩短输电线的放电距离，还可能导致腐蚀输电线，增加输电线路的负荷重量。在严重的情况下，附着的异物还会导致输电线路发生故障甚至损毁，造成局部或区域性的停电事故。

2、为了及时发现安全隐患，传统的输电线路异物附着识别方法通常是在输电线塔杆上安装摄像头，或者通过无人机、巡检机器人采集输电线路的环境信息，并通过图像处理算法，例如霍夫直线检测、阈值法边缘分割、sobel算子边缘检测等，实现输电线路附着异物的缺陷检测，完成输电线路“巡、检”一体化，以确保输电线路的安全稳定运行。

3、但是，上述图像处理算法往往基于图像的灰度、形状、颜色和纹理等特征，不能全面地解决背景复杂和目标重叠问题。

技术实现思路

1、针对现有技术的至少一个缺陷或改进需求，本发明提供了一种输电线路异物附着识别方法、装置、计算机设备及存储介质，将提高输电线路上附着异物识别的准确性。

2、为实现上述目的，按照本发明的第一个方面，提供了一种输电线路异物附着识别方法，该方法包括：

3、通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集；

4、基于双向分割模型，将repvgg作为空间分支的主干网络、将stdc模块作为语义分支的主干网络，搭建待训练语义分割模型；

5、基于训练数据集，对待训练语义分割模型进行训练，得到目标语义分割模型；

6、通过目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别。

7、进一步地，通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集，包括通过交互式语义分割大模型，对若干输电线路图像中的所有区域进行分割，得到若干初始输电线路分割图像；按照对象类别，将每个初始输电线路分割图像中误分割的区域进行重新标注，得到训练数据集；对象类别包括杆塔、输电线和异物，杆塔、输电线和异物的类别标签数值分别为0、1和2。

8、进一步地，基于双向分割模型，将repvgg作为空间分支的主干网络、将stdc模块作为语义分支的主干网络，搭建待训练语义分割模型，包括将repvgg作为待训练语义分割模型的空间分支的主干网络，repvgg的网络结构包括repblock、bn层和relu激活函数；在训练阶段，repblock采用多分支的卷积结构，包括一个3x3的卷积、一个1x1的卷积以及一个残差连接；在推理阶段，repvgg被重参数化为一个3x3的卷积；将stdc模块作为待训练语义分割模型的语义分支的主干网络，通过stdc模块获取不同感受野的特征图，并将不同感受野的特征图进行级联融合；搭建待训练语义分割模型的融合模块，融合模块用于融合待训练语义分割模型的空间分支和语义分支提取到的特征；确定待训练语义分割模型的损失函数。

9、进一步地，待训练语义分割模型的损失函数为：

10、

11、其中，wk为对象类别的权重，k为类别数量，pkn为第k类的像素n在标注有类别标签数值的输电线路图像中的灰度值，fkn为第k类的像素n在标注有类别标签数值的输电线路图像中的预测值，n为难例挖掘选择的像素数量。

12、进一步地，基于训练数据集，对待训练语义分割模型进行训练，得到目标语义分割模型，包括通过随机梯度下降优化器，对待训练语义分割模型进行优化；对训练数据集中的数据执行翻转、缩放、裁剪中的至少一种操作，得到增强后的数据；基于增强后的数据，对优化后的待训练语义分割模型进行训练，得到目标语义分割模型。

13、进一步地，通过目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别，包括将输电线路监控图像输入至目标语义分割模型，得到分割结果，分割结果包括杆塔类别的分割结果、输电线类别的分割结果和异物类别的分割结果；遍历异物类别的分割结果，确定最大外界矩形；若最大外界矩形与输电线类别的分割结果存在交叉或重叠，则判定异物附着在输电线路上，否则判定异物未附着在输电线路上。

14、进一步地，最大外界矩形与输电线类别的分割结果是否存在交叉或重叠的判断步骤，包括根据公式iou＝(a∩b)/(a∪b)，计算最大外界矩形与输电线类别的分割结果的交并比(iou)，交并比用于判别最大外界矩形与输电线类别的分割结果是否存在交叉或重叠；其中，a为最大外界矩形所表示的异物矩形区域，b为输电线类别的分割结果所表示的输电线路区域，a∩b为异物矩形区域和输电线路区域的交集，a∪b为异物矩形区域和输电线路区域的并集。

15、按照本发明的第二个方面，还提供了一种输电线路异物附着识别装置，其包括：

16、训练数据集获取模块，其被配置为通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集；

17、模型搭建模块，其被配置为基于双向分割模型，将repvgg作为空间分支的主干网络、将stdc模块作为语义分支的主干网络，搭建待训练语义分割模型；

18、模型训练模块，其被配置为基于训练数据集，对待训练语义分割模型进行训练，得到目标语义分割模型；

19、异物识别模块，其被配置为通过目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别。

20、按照本发明的第三个方面，还提供了一种计算机设备，其包括至少一个处理单元、以及至少一个存储单元，其中，存储单元存储有计算机程序，当计算机程序被处理单元执行时，使得处理单元执行上述任一项方法的步骤。

21、按照本发明的第四个方面，还提供了一种存储介质，其存储有由计算机设备执行的计算机程序，当计算机程序在计算机设备上运行时，使得计算机设备执行上述任一项方法的步骤。

22、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

23、(1)本发明提供的一种输电线路异物附着识别方法，通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集；基于双向分割模型搭建待训练语义分割模型，其中，空间分支的主干网络采用repvgg，语义分支的主干网络采用stdc模块，从而提高了待训练语义分割模型的性能和效果；然后，基于训练数据集，对待训练语义分割模型进行训练，即可得到目标语义分割模型，目标语义分割模型的分割性能好；最后，使用目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别，就实现了对输电线路上附着异物的准确识别，从而达到了提高输电线路上附着异物识别的准确性的目的。

24、(2)本发明提供的一种输电线路异物附着识别方法，可以应用于电力输电线路的巡检与维护领域，能够自动化地识别和定位输电线上的异物附着，提高巡检人员的工作效率、减少人工巡检的成本。

技术特征：

1.一种输电线路异物附着识别方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集，包括：

3.如权利要求1所述的方法，其特征在于，所述基于双向分割模型，将repvgg作为空间分支的主干网络、将stdc模块作为语义分支的主干网络，搭建待训练语义分割模型，包括：

4.如权利要求3所述的方法，其特征在于，所述待训练语义分割模型的损失函数为：

5.如权利要求1所述的方法，其特征在于，所述基于所述训练数据集，对所述待训练语义分割模型进行训练，得到目标语义分割模型，包括：

6.如权利要求1所述的方法，其特征在于，所述通过所述目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别，包括：

7.如权利要求6所述的方法，其特征在于，所述最大外界矩形与所述输电线类别的分割结果是否存在交叉或重叠的判断步骤，包括：

8.一种输电线路异物附着识别装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行权利要求1-7中任一项所述方法的步骤。

10.一种存储介质，其特征在于，其存储有由计算机设备执行的计算机程序，当所述计算机程序在所述计算机设备上运行时，使得所述计算机设备执行权利要求1-7中任一项所述方法的步骤。

技术总结
本申请公开了一种输电线路异物附着识别方法、装置、计算机设备及存储介质。该方法包括通过交互式语义分割大模型，对若干输电线路图像进行语义分割，获取训练数据集；基于双向分割模型，将RepVGG作为空间分支的主干网络、将STDC模块作为语义分支的主干网络，搭建待训练语义分割模型；基于训练数据集，对待训练语义分割模型进行训练，得到目标语义分割模型；通过目标语义分割模型，对输电线路监控图像中输电线路上附着的异物进行识别。采用本方法将提高输电线路上附着异物识别的准确性。

技术研发人员：黄凯,张菲,马艳辉,金德发
受保护的技术使用者：武汉三江中电科技有限责任公司
技术研发日：
技术公布日：2024/5/6