本发明涉及电力行业输电安全，尤其涉及一种输电线路通道隐患识别与优化方法。
背景技术：
1、输电线路作为电能传输的主要通道，其稳定性对于供电的稳定性至关重要，对输电线路故障的监测和有效预警可以显著提高线路的运行质量，进而保障电网的稳定运行。
2、（1）大多数系统架构设计都是由终端设备采集数据，然后传输到云端处理，一则数据的响应时间长，二则网络传输的压力大，三则所有数据都去云端处理，云服务器负载过重，运营和维护成本大。通道隐患图像检测识别是当前输电线路在线监测技术的发展趋势。
3、（2）不同于平台具有大规模的样本数据、丰富的系统资源以及良好的扩展性，能够实现强大的智能分析识别功能，终端设备的智能分析识别效果是有限的，并且实施部署时设备数量大，安置范围广，版本更新升级十分不便。例如一开始监测装置上部署的深度学习模型老旧，运行时需要的系统资源多，或者训练时样本收集有缺陷，识别效果不佳，后期经过优化之后，能够用更少的资源实现更优的识别效果，却受限于现实因素无法及时应用到项目中。
技术实现思路
1、本发明的目的在于提供一种输电线路通道隐患识别与优化方法，旨在将物联网输电线路监测系统中的智能分析功能更好的下沉到移动终端，为用户提供更高效的线路故障检测与预警功能以及更便捷的优化方法。
2、本发明采用的技术方案是：
3、一种输电线路通道隐患识别与优化方法，其包括以下步骤：
4、s1：收集样本数据：获取输电线路的图片，并制作输电线路通道隐患数据集；
5、s2：模型训练与部署：构建深度学习卷积神经网络模型，并利用样本数据训练深度学习卷积神经网络模型用于输电线路通道隐患目标检测，训练好的深度学习卷积神经网络模型转为ncnn模型部署到监测装置上；
6、s3：智能分析识别：监测装置将输电线路实地抓拍的场景图片输入深度学习卷积神经网络模型中分析，获取分析结果并上报至指定用户平台，用户平台根据分析结果进行告警处理；
7、s4: 模型优化与更新：当监测装置智能识别误检率超过设定阈值时，判定深度学习卷积神经网络模型需要优化，用户平台获取更新后的深度学习卷积神经网络模型对监测装置上的深度学习卷积神经网络模型进行升级更新；
8、进一步地步骤s1中收集的样本数据有两种来源：一网上爬取的图片，二监测装置实地抓拍的图片。
9、进一步地步骤s1中使用labelimg工具标注图片，获得输电线路通道隐患数据集。
10、进一步地步骤s2中目标检测的深度学习卷积神经网络模型采用yolov5s网络模型，将数据集划分为训练集、验证集和测试集进行yolov5s网络模型训练与检测，将训练得到的yololv5模型转为ncnn模型部署到监测装置上。
11、进一步地s3具体还包括以下步骤；
12、s3-1，用户平台收到分析结果后判断是否进行二次分析；如果是，则对上传图片进行二次分析得到二次分析结果并执行s3-2；否则，用户平台基于上传的分析结果告警发现的输电线路通道隐患；
13、s3-2，比较二次分析结果与上传的分析结果是否一致；如果是，则用户平台告警发现的输电线路通道隐患；否则，用户平台告警发现分析结果检测异常并将图片入数据库。
14、进一步地s3-2中检测异常包括误检、漏检。
15、进一步地，步骤s4中用户平台在图像数据库中针对性的选择图片作为补充数据集重新训练深度学习卷积神经网络模型得到更新后的深度学习卷积神经网络模型，以用于升级更新。
16、本发明采用以上技术方案，针对输电线路通道智能监拍监测装置上的智能识别功能，从模型训练与部署到优化和更新建立了一整套完整的流程，具有低延时、高性能、小成本、易维护的特性，适宜广泛应用在国家电网输电线路在线监测系统中。
1.一种输电线路通道隐患识别与优化方法，其特征在于：其包括以下步骤：
2.根据权利要求1所述的一种输电线路通道隐患识别与优化方法，其特征在于：步骤s1中收集的样本数据有两种来源：一网上爬取的图片，二监测装置实地抓拍的图片。
3.根据权利要求1所述的一种输电线路通道隐患识别与优化方法，其特征在于：步骤s1中使用labelimg工具标注图片，获得输电线路通道隐患数据集。
4.根据权利要求1所述的一种输电线路通道隐患识别与优化方法，其特征在于：步骤s2中目标检测的深度学习卷积神经网络模型采用yolov5s网络模型，将数据集划分为训练集、验证集和测试集进行yolov5s网络模型训练与检测，将训练得到的yololv5模型转为ncnn模型部署到监测装置上。
5.根据权利要求1所述的一种输电线路通道隐患识别与优化方法，其特征在于：s3具体还包括以下步骤；
6.根据权利要求5所述的一种输电线路通道隐患识别与优化方法，其特征在于：s3-2中检测异常包括误检、漏检。
7.根据权利要求1所述的一种输电线路通道隐患识别与优化方法，其特征在于：步骤s4中用户平台在图像数据库中针对性的选择图片作为补充数据集重新训练深度学习卷积神经网络模型得到更新后的深度学习卷积神经网络模型，以用于升级更新。
