一种基于卫星遥感数据的输电塔观测方法及相关装置与流程

本技术属于一种观测方法，具体涉及一种基于卫星遥感数据的输电塔观测方法及相关装置。

背景技术：

1、卫星遥感技术在输电系统中主要用于巡检监测、风险评估和数据驱动业务升级等，可以使用卫星遥感对处于野外环境的输电系统中的电缆、输电塔等设施进行巡检监测，卫星遥感能够提供广阔范围内的实时图像，帮助电力系统实现对输电线路的远程监控和定期检查。通过分析从卫星获取的图像数据，可以及时发现输电塔和输电线的异常情况，如铁塔倾斜、输电线断线等。

2、但是，现有的卫星遥感巡检监测存在图像解译的局限性，卫星遥感获取的图像需要通过判读和解译来获取信息，这些信息往往是对地物的大致估计或间接信息，可能会与实际情况存在出入，这种不精确性可能会影响到输电系统的精确监控和故障诊断。一般情况下是通过对图像进行处理，将图像中的信号与噪声分离，提取数据中具有参考价值的部分，然后再进行分析。但是，由于卫星遥感时会受到气象因素干扰，这种方法易受到气象因素干扰而导致数据分离困难，对提取数据和分析数据都造成了较大的阻碍，亟需改进。

技术实现思路

1、本技术针对现有的卫星遥感巡检监测方法，易受气象因素干扰而导致数据分离困难，提取数据和分析数据困难的技术问题，提供一种基于卫星遥感数据的输电塔观测方法及相关装置。

2、为了实现上述目的，本技术采用以下技术方案予以实现：

3、第一方面，本技术提出一种基于卫星遥感数据的输电塔观测方法，包括：

4、实时获取目标位置的卫星观测数据；

5、将实时获取的卫星观测数据输入至基准图像生成模型，得到对应的重建图像模型，作为观测结果；

6、其中，所述基准图像生成模型的获取方法，包括：

7、获取目标位置的卫星观测数据，建立初始基础图像模型；

8、根据相同天气环境下目标位置的gis数据和卫星观测数据，结合无人机设备在目标位置的验证结果和初始基础图像模型，建立深度学习图像模型；所述深度学习图像模型的输出为基础图像模型；

9、在不同gis数据条件下，通过深度学习图像模型，生成不同gis数据下的基础图像模型；

10、融合不同gis数据下的基础图像模型，以深度学习图像模型为基础，生成基准图像生成模型；所述基准图像生成模型的输出为排除gis数据影响的重建图像模型。

11、进一步地，所述获取目标位置的卫星观测数据，建立初始基础图像模型，包括：

12、获取目标位置多种类的初始卫星观测数据；

13、对多种类的初始卫星观测数据进行预处理；所述预处理包括校准处理和校正处理；

14、利用卷积神经网络从预处理后多种类的初始卫星观测数据中提取图像特征；

15、融合多种类的初始卫星观测数据的图像特征，得到初始融合后的数据集；

16、根据初始融合后的数据集建立初始基础图像模型。

17、进一步地，所述校准处理，包括：

18、以输电塔位置作为位置基准点，校准多种类的初始卫星观测数据的相对位置，删除不重复的图像部分；

19、所述校正处理，包括：

20、对多种类的初始卫星观测数据进行去噪、几何校正和辐射校正。

21、进一步地，所述建立深度学习图像模型，包括：

22、(1)监测相同天气环境下的gis数据和多种类卫星观测数据；

23、(2)对多种类的卫星观测数据进行预处理；所述预处理包括校准处理和校正处理；

24、(3)利用卷积神经网络从预处理后多种类的卫星观测数据中提取图像特征；

25、(4)融合多种类的卫星观测数据的图像特征，得到融合后的数据集；

26、(5)比较融合后的数据集和初始基础图像模型，确定差异数据；

27、(6)通过无人机设备在现场对差异数据进行验证，根据验证结果调整初始基础图像模型；

28、(7)通过多次执行步骤(1)至步骤(6)，根据多次调整后的初始基础图像模型，建立深度学习图像模型。

29、进一步地，所述生成基准图像生成模型之后，还包括：

30、获取目标位置的卫星观测数据，提取对应的图像特征，输入至基准图像生成模型，得到新的图像模型；

31、并用无人机设备在目标位置采集现场图像，与新的图像模型进行对比，验证并修正基准图像生成模型。

32、进一步地，卫星观测数据，包括雷达遥感图像和分辨率满足预设要求的图像；所述图像特征包括纹理、形状和边缘。

33、进一步地，通过深度学习图像模型，生成不同gis数据下的基础图像模型，包括：

34、以gis数据作为标记，对深度学习图像模型中的训练数据分类，根据不同类型下的训练数据生成不同gis数据下的基础图像模型。

35、第二方面，本技术提出一种基于卫星遥感数据的输电塔观测系统，包括：

36、获取模块，用于实时获取目标位置的卫星观测数据；

37、重建模块，用于将实时获取的卫星观测数据输入至基准图像生成模型，得到对应的重建图像模型，作为观测结果；

38、其中，所述基准图像生成模型的获取方法，包括：

39、获取目标位置的卫星观测数据，建立初始基础图像模型；

40、根据相同天气环境下目标位置的gis数据和卫星观测数据，结合无人机设备在目标位置的验证结果和初始基础图像模型，建立深度学习图像模型；所述深度学习图像模型的输出为基础图像模型；

41、在不同gis数据条件下，通过深度学习图像模型，生成不同gis数据下的基础图像模型；

42、融合不同gis数据下的基础图像模型，以深度学习图像模型为基础，生成基准图像生成模型；所述基准图像生成模型的输出为排除gis数据影响的重建图像模型。

43、第三方面，本技术提出一种电子设备，包括：

44、存储器，用于存储计算机程序；

45、处理器，用于执行所述计算机程序时实现上述基于卫星遥感数据的输电塔观测方法的步骤。

46、第四方面，本技术提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述基于卫星遥感数据的输电塔观测方法的步骤。

47、与现有技术相比，本技术具有以下有益效果：

48、本技术提出一种基于卫星遥感数据的输电塔观测方法，借助基准图像生成模型对通过卫星观测到的数据进行重建。通过提前获取目标地点的卫星观测数据，并且对图像进行处理建立的基础图像模型作为深度学习图像模型的基础，再通过不断训练深度学习图像模型，建立基准图像生成模型，利用基准图像生成模型中的深度学习特性，可以对输入的新观测数据进行处理，重建图像模型，利用计算的方式来验证实际观测数据，计算差异，本技术提出的观测方法可以提供不同气象环境下的对比基准模型，避免了对观测图像直接分析的操作，从而可以缓解图像解析局限性导致的问题。

49、本技术还提出了一种基于卫星遥感数据的输电塔观测系统，计算机存储介质和电子设备，具备上述基于卫星遥感数据的输电塔观测方法的全部优势。