基于大数据及自学习的线路隐患在线监测装置及识别方法与流程

技术特征：
1.基于大数据及自学习的线路隐患在线监测装置，其特征在于：包括控制器，以及元件识别模型构建模块，用于构建从输电线路采集图像中识别电器元件的元件识别模型；第一模型训练模块，用于对构建的元件识别模型进行有效训练；缺陷识别模型构建模块，用于构建从电器元件图像中识别缺陷元件的缺陷识别模型；第二模型训练模块，用于对构建的缺陷识别模型进行有效训练；缺陷识别模型优化训练平台，用于对训练好的缺陷识别模型进行优化训练；缺陷识别结果标注模块，用于根据优化训练后缺陷识别模型的识别结果，在输电线路采集图像中标注出相应缺陷元件，并将标注后的输电线路采集图像发送至图像存储模块；弱关联分析模块，用于对故障隐患与缺陷元件之间进行关联性分析；风险预测评估模块，用于根据优化训练后缺陷识别模型识别的缺陷元件以及关联性分析结果，对输电线路中的隐患风险进行预测评估；图像存储模块，用于存储缺陷识别结果标注模块发送的标注后的输电线路采集图像；所述控制器通过对图像存储模块中的输电线路采集图像进行比对，来对图像存储模块进行图像优化存储管理，以减小图像存储模块的存储压力。2.根据权利要求1所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：所述第一模型训练模块采集输电线路中所包含各类电器元件的训练图像，并将训练图像输入构建的元件识别模型进行模型训练；所述第二模型训练模块采集输电线路中所包含各类电器元件的完好图像以及手动标注隐患部位的缺损图像，并将完好图像、缺损图像输入构建的缺陷识别模型进行模型训练。3.根据权利要求2所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：所述缺陷识别模型优化训练平台中包含训练好的用于从测试图像中识别缺陷元件的缺陷检测模型，所述缺陷检测模型对测试图像进行缺陷元件识别，并将测试图像发送至训练好的缺陷识别模型，根据缺陷元件识别对比结果对缺陷识别模型中的参数进行优化设置。4.根据权利要求3所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：所述缺陷识别结果标注模块计算优化训练后缺陷识别模型识别缺陷元件的中心位置，并以该中心位置为基准采用最小矩形标注区域覆盖识别出缺陷元件，同时在最小矩形标注区域上标注缺陷类型。5.根据权利要求1所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：还包括第一图像处理模块，用于接收图像获取模块发送的输电线路采集图像，对输电线路采集图像进行预处理，并将预处理后的图像发送至第一模型训练模块中训练好的元件识别模型；子图片拼接模块，用于将第一训练模块中训练好的元件识别模型识别出的电器元件子图片，拼接成电器元件图像；第二图像处理模块，用于对电器元件图像进行图像处理，并将处理后的电器元件图像发送至第二模型训练模块中优化训练后的缺陷识别模型。6.根据权利要求5所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：所述第一图像处理模块接收图像获取模块发送的输电线路采集图像，并对输电线路采集图
像进行图像滤波、图像分割，生成电器元件子图片；所述子图片拼接模块按照图像分割逻辑，将元件识别模型识别出的属于同一电器元件的电器元件子图片拼接成电器元件图像。7.根据权利要求5所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：还包括图像比对模块，用于从图像存储模块中提取连续相邻帧标注后的输电线路采集图像，并按照比对规则进行图像比对；比对规则设定模块，用于输入连续相邻帧标注后的输电线路采集图像的比对规则；图像管理模块，用于根据图像比对结果对图像存储模块进行图像优化存储管理。8.根据权利要求7所述的基于大数据及自学习的线路隐患在线监测装置，其特征在于：所述输电线路采集图像的比对规则默认为：优先比较连续相邻帧标注后的输电线路采集图像中最小矩形标注区域中的缺陷类型是否相同，再比较连续相邻帧标注后的输电线路采集图像中最小矩形标注区域的数量是否相同，最后比较连续相邻帧标注后的输电线路采集图像中最小矩形标注区域的位置是否全部重叠；所述图像比对模块判断连续相邻帧标注后的输电线路采集图像中关于默认比对规则内容均相同时，所述图像管理模块对连续相邻帧标注后的输电线路采集图像只保留一帧。9.基于权利要求7所述的基于大数据及自学习的线路隐患在线识别方法，其特征在于：包括以下步骤：s1、接收输电线路采集图像，并对输电线路采集图像进行预处理；s2、构建从输电线路采集图像中识别电器元件的元件识别模型，并对构建的元件识别模型进行有效训练；s3、将预处理后的图像发送至训练好的元件识别模型，元件识别模型从预处理后的图像中识别电器元件图像；s4、构建从电器元件图像中识别缺陷元件的缺陷识别模型，并对构建的缺陷识别模型进行优化训练；s5、将电器元件图像发送至优化训练后的缺陷识别模型，缺陷识别模型从电器元件图像中识别缺陷元件；s6、基于对故障隐患与缺陷元件之间的关联性分析结果，结合优化训练后缺陷识别模型识别的缺陷元件，对输电线路中的隐患风险进行预测评估。10.根据权利要求9所述的基于大数据及自学习的线路隐患在线识别方法，其特征在于：s6中基于对故障隐患与缺陷元件之间的关联性分析结果，结合优化训练后缺陷识别模型识别的缺陷元件，对输电线路中的隐患风险进行预测评估之后，包括：s7、根据优化训练后缺陷识别模型的识别结果，在输电线路采集图像中标注出相应缺陷元件，并将标注后的输电线路采集图像发送至图像存储模块；s8、从图像存储模块中提取连续相邻帧标注后的输电线路采集图像，并按照比对规则进行图像比对；s9、根据图像比对结果对图像存储模块进行图像优化存储管理。

技术总结
本发明涉及输电线路安全隐患监测识别，具体涉及基于大数据及自学习的线路隐患在线监测装置及识别方法，利用元件识别模型能够从输电线路采集图像中准确识别电器元件，利用缺陷识别模型能够从电器元件图像中准确识别缺陷元件，并且能够根据识别缺陷元件，以及故障隐患与缺陷元件之间进行关联性分析结果，对输电线路中的隐患风险进行预测评估，通过大数据及自学习有效实现在全时段内对大范围输电线路所存在的安全隐患进行准确监测识别；本发明提供的技术方案能够有效克服现有技术所存在的无法在全时段内对大范围输电线路所存在的安全隐患进行准确监测识别的缺陷。全隐患进行准确监测识别的缺陷。全隐患进行准确监测识别的缺陷。


技术研发人员：朱吕甫 朱兆亚 朱兆喆
受保护的技术使用者：安徽炬视科技有限公司
技术研发日：2021.07.14
技术公布日：2021/10/23