1.本技术涉及图像处理技术领域，尤其涉及一种输电线路保护区隐患识别方法、设备及介质。
背景技术：2.输电场景下一般都为高压线，一旦施工机械等安全隐患进入该区域，与输电线发生了摩擦碰撞，则会造成不可预估的灾难。因此，为了确保输电线路的稳定运行，需要提前对输电线路的隐患进行识别告警。
3.现有技术中，通常需要人为对输电线路对应的防护区进行标定，并在防护区内安装感知探测装置，通过该感知探测装置对进入防护区的施工机械等隐患设备进行识别告警。因此，现有技术中需要现场安装较多的硬件设备，以致对输电线路保护区隐患识别的成本较高。
技术实现要素：4.本技术实施例提供了一种输电线路保护区隐患识别方法、设备及介质，用于解决如下技术问题：现有技术对输电线路保护区隐患识别的成本较高。
5.本技术实施例采用下述技术方案：
6.本技术实施例提供一种输电线路保护区隐患识别方法。包括，通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将输电线路图像输入杆塔检测网络模型，以对输电线路图像中的杆塔进行标注框标注；对输电线路图像进行边缘检测，以确定出输电线路图像中的多条导线轨迹；基于多条导线轨迹的坐标，在多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于导线端点坐标、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出输电线路对应的保护区；对输电线路图像进行隐患区域识别，在隐患区域处于保护区的面积大于预设面积值的情况下，发出隐患告警。
7.本技术实施例通过将输电线路图像输入杆塔检测模型，能够对输电线路对应的杆塔进行自动识别，从而根据识别出的杆塔的标注框以及拍摄的输电线路的图像，自动对输电线路对应的防护区进行识别。进而规避了人为对输电线路防护区标注的繁琐过程。其次，本技术实施例通过对防护区附近的隐患进行识别，并将识别到的隐患区域的面积与防护区的面积进行比对，从而自动识别出隐患区域是否对输电线路造成影响，从而提高隐患报警的准确率，减少了误报率。同时，本技术实施例无需在输电线路附近安装隐患探测设备，从而不仅降低了设备成本，同时也降低了对设备维护的成本。
8.在本技术的一种实现方式中，基于导线端点、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出输电线路对应的保护区，具体包括：基于所述输电线路图像中导线轨迹对应的像素点坐标，确定出最外层的两条导线轨迹分别对应的第一端点坐标与第二端点坐标；其中，第一端点为靠近杆塔的导线端点，第
二端点为远离杆塔的导线端点；基于两侧最外层的两条轨迹分别对应的第一端点坐标，以及杆塔标注框的下边缘确定出第一投影；基于两侧最外层的两条轨迹分别对应的第二端点坐标，以及输电线路图像的下边缘，确定出第二投影；基于第一投影与第二投影，确定出输电线路对应的保护区。
9.在本技术的一种实现方式中，基于第一投影与第二投影，确定出输电线路对应的保护区，具体包括：基于第一投影的下边缘，确定出两侧最外层的两条轨迹分别对应的第三端点坐标；基于第二投影的下边缘，确定出两侧最外层的两条轨迹分别对应的第四端点坐标；将任意相邻的第一端点、第二端点、第三端点以及第四端点进行连线，以确定出输电线路对应的参考保护区；将参考保护区向左右两侧分别进行面积延伸，以得到输电线路对应的保护区；其中，延伸面积与输电线路对应的参考保护区的面积相关。
10.在本技术的一种实现方式中，对输电线路图像进行边缘检测，以确定出输电线路图像中的多条导线轨迹，具体包括：对输电线路图像进行灰度化处理；对灰度化处理后的输电线路图像进行直方图均衡化处理；对进行直方图均衡化处理后的输电线路图像进行边缘检测处理，以得到第一参考导线区域；基于膨胀算法与腐蚀算法，对第一参考边缘区域进行筛选，以得到输电线路图像对应的第二参考边缘区域；根据霍夫变换算法，确定出第二参考边缘区域的像素点分别对应的正弦曲线，通过相交于同一点的正弦曲线的数量，确定出输电线路对应的像素点集合，以基于输电线路对应的像素点集合确定出输电线路图像中的多条导线轨迹。
11.在本技术的一种实现方式中，对进行直方图均衡化处理后的输电线路图像进行边缘检测处理，以得到第一参考导线区域，具体包括：根据中值滤波算法，对直方图均衡化处理后的输电线路图像进行去噪处理；对去噪处理后的输电线路图像进行像素值梯度计算，并基于非极大值抑制算法对像素点进行筛除，以得到输电线路图像的第三参考边缘区域；基于双阈值算法对第三参考边缘进行筛选，以将灰度变化值小于预置低阈值的像素点进行筛除，得到第一参考导线区域。
12.在本技术的一种实现方式中，基于多条导线轨迹的坐标，在多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标，具体包括：确定出多条导线轨迹分别对应的像素点坐标集合；将多个像素点坐标集合进行横坐标比对，以确定出最左侧的导线轨迹对应的第一参考像素点坐标集合，以及确定出最右侧的导线轨迹对应的第二参考像素点坐标集合；将第一参考像素点坐标集合中的像素点进行纵坐标比对，以确定出最左侧的导线轨迹对应的导线端点坐标，以及将第二参考像素点坐标集合中的像素点进行纵坐标比对，以确定出最右侧的导线轨迹对应的导线端点坐标。
13.在本技术的一种实现方式中，将输电线路图像输入预置杆塔检测网络模型，以对输电线路图像中的杆塔进行标注框标注之前，方法还包括：构建神经网络模型；其中，神经网络模型由特征抽取主干网络、特征图像金字塔网络以及输电线路杆塔分类定位网络组成；将标记出杆塔的输电线路杆塔数据集输入神经网络模型，通过特征抽取主干网络，对标记出杆塔的输电线路杆塔数据集进行特征图像抽取；通过特征图像金字塔网络，基于上采样的方式对特征图像进行自上而下的特征放大处理，以得到标记出杆塔的输电线路杆塔数据集对应的杆塔特征图像金字塔；通过杆塔分类定位网络，对杆塔图像金字塔进行杆塔区域与背景区域的区分，以及对杆塔特征图金字塔中的杆塔区域进行标注框定位；通过杆塔
分类定位网络对标注的杆塔区域进行前景得分计算，以及对标注的杆塔区域进行偏移量计算；在前景得分与偏移量均符合预置模型精度条件的情况下，杆塔检测网络模型训练完成。
14.在本技术的一种实现方式中，对输电线路图像进行隐患区域识别，在隐患区域处于保护区的面积大于预设面积值的情况下，发出隐患告警，具体包括：通过预置隐患识别网络模型，对输电线路图像进行隐患识别，并将识别出的隐患区域进行隐患标注框标注；基于隐患标注框的像素点坐标，确定出隐患区域的面积；基于隐患标注框的像素点坐标与保护区的像素点坐标，确定出隐患区域与保护区的重叠区域的面积；将重叠区域的面积与隐患区域的面积进行比值计算，在得到的比值大于预置比值阈值的情况下，发出隐患警告。
15.本技术实施例提供一种输电线路保护区隐患识别设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将输电线路图像输入杆塔检测网络模型，以对输电线路图像中的杆塔进行标注框标注；对输电线路图像进行边缘检测，以确定出输电线路图像中的多条导线轨迹；基于多条导线轨迹的坐标，在多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于导线端点坐标、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出输电线路对应的保护区；对输电线路图像进行隐患区域识别，在隐患区域处于保护区的面积大于预设面积值的情况下，发出隐患告警。
16.本技术实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将输电线路图像输入杆塔检测网络模型，以对输电线路图像中的杆塔进行标注框标注；对输电线路图像进行边缘检测，以确定出输电线路图像中的多条导线轨迹；基于多条导线轨迹的坐标，在多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于导线端点坐标、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出输电线路对应的保护区；对输电线路图像进行隐患区域识别，在隐患区域处于保护区的面积大于预设面积值的情况下，发出隐患告警。
17.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例通过将输电线路图像输入杆塔检测模型，能够对输电线路对应的杆塔进行自动识别，从而根据识别出的杆塔的标注框以及拍摄的输电线路的图像，自动对输电线路对应的防护区进行识别。进而规避了人为对输电线路防护区标注的繁琐过程。其次，本技术实施例通过对防护区附近的隐患进行识别，并将识别到的隐患区域的面积与防护区的面积进行比对，从而自动识别出隐患区域是否对输电线路造成影响，从而提高隐患报警的准确率，减少了误报率。同时，本技术实施例无需在输电线路附近安装隐患探测设备，从而不仅降低了设备成本，同时也降低了对设备维护的成本。
附图说明
18.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
19.图1为本技术实施例提供的一种输电线路保护区隐患识别方法流程图；
20.图2为本技术实施例提供的一种输电线路图像示意图；
21.图3为本技术实施例提供的一种输电线路保护区隐患识别设备的结构示意图。
具体实施方式
22.本技术实施例提供一种输电线路保护区隐患识别方法、设备及介质。
23.为了使本技术领域的人员更好地理解本技术中的技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
24.输电场景下一般都为高压线，一旦施工机械等安全隐患进入该区域，与输电线发生了摩擦碰撞，则会造成不可预估的灾难。因此，为了确保输电线路的稳定运行，需要提前对输电线路的隐患进行识别告警。
25.现有技术中，通常需要人为对输电线路方对应的防护区进行标定，并在防护区内安装感知探测装置，通过该感知探测装置对进入防护区的施工机械等隐患设备进行识别告警。因此，现有技术中需要现场安装较多的硬件设备，以致对输电线路保护区隐患识别的成本较高。
26.为了解决上述问题，本技术实施例提供一种输电线路保护区隐患识别方法、设备及介质。通过将输电线路图像输入杆塔检测模型，能够对输电线路对应的杆塔进行自动识别，从而根据识别出的杆塔的标注框以及拍摄的输电线路的图像，自动对输电线路对应的防护区进行识别。进而规避了人为对输电线路防护区标注的繁琐过程。其次，本技术实施例通过对防护区附近的隐患进行识别，并将识别到的隐患区域的面积与防护区的面积进行比对，从而自动识别出隐患区域是否对输电线路造成影响，从而提高隐患报警的准确率，减少了误报率。同时，本技术实施例无需在输电线路附近安装隐患探测设备，从而不仅降低了设备成本，同时也降低了对设备维护的成本。
27.下面通过附图对本技术实施例提出的技术方案进行详细的说明。
28.图1为本技术实施例提供的一种输电线路保护区隐患识别方法流程图。如图1所示，输电线路保护区隐患识别方法包括如下步骤：
29.s101、通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像。
30.在本技术的一个实施例中，本技术实施例中的监拍装置架设在杆塔上，镜头面向对面的杆塔。输电线路监拍装置可以实时或定时对输电线路进行拍摄，得到输电线路图像，并将拍摄得到的输电线路图像上传至服务器。
31.进一步地，该监拍装置拍摄的输电线路场景下会存在通道防护区。通道防护区的定义为导线边线向外侧延伸所形成的两平行线内的区域。输电场景下一般都为高压线，一旦施工机械等安全隐患进入该区域，与输电线发生了摩擦碰撞，则会造成不可预估的灾难。
32.图2为本技术实施例提供的一种输电线路图像示意图。如图2所示，安装于杆塔的监拍装置会沿着输电线的方向进行拍摄，图像中会有多条输电线路。
33.s102、将输电线路图像输入杆塔检测网络模型，以对输电线路图像中的杆塔进行标注框标注。
34.在本技术的一个实施例中，构建神经网络模型，其中，神经网络模型由特征抽取主干网络、特征图像金字塔网络以及输电线路杆塔分类定位网络组成。将标记出杆塔的输电线路杆塔数据集输入神经网络模型，通过特征抽取主干网络，对标记出杆塔的输电线路杆塔数据集进行特征图像抽取。通过特征图像金字塔网络，基于上采样的方式对特征图像进行自上而下的特征放大处理，以得到标记出杆塔的输电线路杆塔数据集对应的杆塔特征图像金字塔。通过杆塔分类定位网络，对杆塔图像金字塔进行杆塔区域与背景区域的区分，以及对杆塔特征图金字塔中的杆塔区域进行标注框定位。通过杆塔分类定位网络对标注的杆塔区域进行前景得分计算，以及对标注的杆塔区域进行偏移量计算。在前景得分与偏移量均符合预置模型精度条件的情况下，杆塔检测网络模型训练完成。
35.具体地，本技术实施例所涉及到的输电线路下杆塔检测模型，是一个卷积神经网络的深度学习模型，而模型的训练需要一定数量的标记数据。因此本技术实施例预先构建一个带有输电线路下杆塔标记的数据集。针对每一个杆塔，标记杆塔的最小外接矩形，以供深度学习模型的训练。
36.进一步地，本技术实施例所涉及的卷积神经网络模型共有两个分支，分类分支和框回归分支。模型的输入为彩色图像，分类分支用来区分图像的前景和背景，框回归分支精确地定位出杆塔所在位置。由于在此任务中杆塔均比较明显，检测任务比较简单，本文为了节约推理时间，选用了轻量化的检测模型。在模型的训练阶段，利用预先构建的带有输电线路下杆塔标记的数据集，训练杆塔检测模型。
37.具体地，该模型由三个部分构成，即：基于残差模块的特征抽取主干网络、通过路径聚合来增强特征信息的特征图像金字塔网络，以及输电线路杆塔分类定位网络。
38.具体地，特征抽取主干网络，主要由残差模块组成。在残差模块中由残差分支和恒等分支构成。残差分支主要由卷积层、批归一化层和激活层构成。卷积层通过卷积运算完成特征图抽取，批归一化层对卷积输出结果做归一化操作已达到稳定模型训练的效果，激活层在特征图上激活部分特征而抑制一些不重要的特征。其次，残差模块中还有一个恒等分支，该分支直接将残差模块原始输入传递至模块输出，将残差分支输出与恒等分支结果相加得出残差模块输出，这样的设计可极大缓解模型过深导致的梯度消失问题。特征抽取主干网络通过池化层缩小特征图大小、聚集特征，可起到降低计算量扩大感受野的效果。
39.具体地，特征图像金字塔网络，基于上采样的方式对特征图像进行自上而下的特征放大处理。自上向下的过程通过上采样的方式将顶层的小特征图放大到上一个阶段的特征图一样的大小。这样的好处是既利用了顶层较强的语义特征，又利用了底层的高分辨率信息。上采样的方法可以用最近邻插值实现。为了将高层语义特征和底层的精确定位能力结合，侧向连接将上一层经过上采样和当前层分辨率一致的特征，通过相加的方法进行融合，这就类似于残差网络的侧向连接结构。考虑到在自上而下的过程中特征信息丢失就会比较严重。因此，本技术实施例中所用的特征金字塔网络在传统的特征金字塔网络的基础上，又加了一层自底向上的过程以及侧向连接。这样使得网络的性能得到了很大的提升。
40.在该神经网络中，通过杆塔分类定位网络对杆塔与背景的区分分类，以及杆塔检测框的定位。网络的输出为得到的杆塔检测框的分数，以及针对人为预设的锚框的偏移量。在前景得分与偏移量均符合预置模型精度条件的情况下，杆塔检测网络模型训练完成。
41.s103、对输电线路图像进行边缘检测，以确定出输电线路图像中的多条导线轨迹。
42.在本技术的一个实施例中，对输电线路图像进行灰度化处理。对灰度化处理后的输电线路图像进行直方图均衡化处理。对进行直方图均衡化处理后的输电线路图像进行边缘检测处理，以得到第一参考导线区域。基于膨胀算法与腐蚀算法，对第一参考边缘区域进行筛选，以得到输电线路图像对应的第二参考边缘区域。根据霍夫变换算法，确定出第二参考边缘区域的像素点分别对应的正弦曲线，通过相交于同一点的正弦曲线的数量，确定出输电线路对应的像素点集合，以基于输电线路对应的像素点集合确定出输电线路图像中的多条导线轨迹。
43.具体地，根据中值滤波算法，对直方图均衡化处理后的输电线路图像进行去噪处理。对去噪处理后的输电线路图像进行像素值梯度计算，并基于非极大值抑制算法对像素点进行筛除，以得到输电线路图像的第三参考边缘区域。基于双阈值算法对第三参考边缘进行筛选，以将灰度变化值小于预置低阈值的像素点进行筛除，得到第一参考导线区域。
44.进一步地，在对输电线路图像进行边缘检测时，为了提高检测速度，本技术实施例摒弃了速度较慢的基于卷积神经网络的导线轨迹检测算法，选择了速度较快的基于传统方法的导线检测算法。首先对监拍装置拍摄的输电线路图像进行灰度化处理，接着使用8
×
8的网格对灰度图进行直方图的均衡化操作。直方图均衡化的工作原理是：先计算图像像素强度的直方图，均匀展开并分布最频繁的像素值(即直方图中计数最大的像素值)，然后给出累积分布函数的线性趋势，从而提高图像的对比度。
45.进一步地，对均衡化后的输电线路图像进行边缘检测，具体步骤如下：(1)去噪，噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。本技术实施例可以根据中值滤波算法，对直方图均衡化处理后的输电线路图像进行去噪处理。(2)计算梯度的幅度和方向。(3)非极大值抑制，对像素点进行筛除，即适当地让边缘“变瘦”，以得到所述输电线路图像的第三参考边缘区域。(4)确定边缘，使用双阈值算法确定最终的边缘信息，对第三参考边缘进行筛选，以将灰度变化值小于预置低阈值的像素点进行筛除，得到第一参考导线区域。进而对图像完成完整的边缘检测算法。接着，对得到的二值图像进行膨胀操作，再进行腐蚀操作。最后便可通过统计概率霍夫线性变换函数，检测出导线的端点。
46.s104、基于多条导线轨迹的坐标，在多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标。
47.在本技术的一个实施例中，确定出多条导线轨迹分别对应的像素点坐标集合。将多个像素点坐标集合进行横坐标比对，以确定出最左侧的导线轨迹对应的第一参考像素点坐标集合，以及确定出最右侧的导线轨迹对应的第二参考像素点坐标集合。将第一参考像素点坐标集合中的像素点进行纵坐标比对，以确定出最左侧的导线轨迹对应的导线端点坐标，以及将第二参考像素点坐标集合中的像素点进行纵坐标比对，以确定出最右侧的导线轨迹对应的导线端点坐标。
48.具体地，对拍摄的输电线路图像进行边缘检测后，可以得到导线轨迹，基于得到的导线轨迹，可以得到导线轨迹对应的像素点坐标集合。杆塔之间架设的输电线路为平行架
设，且输电线路保护区对应的范围与输电线路左右两侧最外侧的输电线路有关。因此，可以对像素点坐标集合进行坐标比对，通过对横坐标进行比对，可以确定出左右两侧分别对应的最外侧的输电线对应的坐标集合。
49.具体地，将导线轨迹对应的像素点坐标集合按照纵坐标的不同对其进行分组，得到每一行分别对应的多个像素点坐标。将每一行对应的多个像素点坐标的横坐标进行比对，确定出每一行分别对应的最左侧的坐标点信息，以及确定出每一行分别对应的最右侧的坐标点信息。基于每一行分别对应的最左侧的像素点，构建第一参考像素点坐标集合。基于每一行分别对应的最右侧的像素点，构建第二参考像素点坐标集合。其中，第一参考像素点坐标集合为最左侧导线对应的像素点集合，第二参考像素点坐标集合为最右侧导线对应的像素点集合。
50.进一步地，将第一参考像素点坐标集合中的坐标点进行纵坐标比对，确定出最左侧导线对应的两个端点坐标。将第二参考像素点坐标集合中的坐标点进行纵坐标比对，确定出最右侧导线对应的两个端点坐标。例如，以输电线路图像左侧边缘所在直线为y轴，以下边缘所在直线为x轴，以左侧边缘与下边缘之间的交点为原点，建立坐标系。此时，第一参考像素点坐标集合中的纵坐标值最大的坐标点与纵坐标坐标值最小的坐标点，为最左侧导线对应的两个端点。第二参考像素点坐标集合中的纵坐标值最大的坐标点与纵坐标坐标值最小的坐标点，为最右侧导线对应的两个端点。
51.s105、基于导线端点坐标、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出所述输电线路对应的保护区。
52.在本技术的一个实施例中，基于输电线路图像中导线轨迹对应的像素点坐标，确定出最外层的两条导线轨迹分别对应的第一端点坐标与第二端点坐标，其中，第一端点为靠近杆塔的导线端点，第二端点为远离杆塔的导线端点。基于两侧最外层的两条轨迹分别对应的第一端点，以及杆塔标注框的下边缘确定出第一投影。基于两侧最外层的两条轨迹分别对应的第二端点坐标，以及输电线路图像的下边缘，确定出第二投影。基于第一投影与第二投影，确定出输电线路对应的保护区。
53.具体地，由输电线路监拍装置对输电线路进行拍摄，得到输电线路图像，将该输电线路输入到杆塔检测网络中，网络模型输出保留得分最高的杆塔，即为该输电线路场景下的杆塔点位。杆塔的下边框即为地面的位置。接着对原图进行导线检测求得图中的导线轨迹。在通过坐标信息获得左右两边最外层导线轨迹，并确定出左右最外侧的两条导线轨迹分别对应的端点。其中，导线端点有两个，一个是靠近杆塔的第一端点，以及远离杆塔的第二端点。利用导线两端的点向下投影，靠近杆塔的点，投影到地面水平线上，得到第一投影。远离杆塔的点投影到图片的下边界上，得到第二投影。
54.在本技术的一个实施例中，基于第一投影的下边缘，确定出两侧最外层的两条轨迹分别对应的第三端点坐标。基于第二投影的下边缘，确定出两侧最外层的两条轨迹分别对应的第四端点坐标。将任意相邻的第一端点、第二端点、第三端点以及第四端点进行连线，以确定出输电线路对应的参考保护区。将参考保护区向左右两侧分别进行面积延伸，以得到输电线路对应的保护区，其中，延伸面积与输电线路对应的参考保护区的面积相关。
55.具体地，基于第一投影与杆塔标注框下边缘的交点，得到第三端点坐标。基于第二投影与输电线路图像下边缘的交点，得到第四端点坐标。将位置相邻的第一端点、第二端
点、第三端点以及第四端点进行连接，可以得到长方体形状的参考保护区。其次，将该参考保护区左右两侧分别进行延伸，例如，可以向外扩参考保护区面积的20％，这样构成的区域即为输电线路对应的防护区。
56.s106、对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。
57.在本技术的一个实施例中，通过预置隐患识别网络模型，对输电线路图像进行隐患识别，并将识别出的隐患区域进行隐患标注框标注。基于隐患标注框的像素点坐标，确定出隐患区域的面积。基于隐患标注框的像素点坐标与保护区的像素点坐标，确定出隐患区域与保护区的重叠区域的面积。将重叠区域的面积与隐患区域的面积进行比值计算，在得到的比值大于预置比值阈值的情况下，发出隐患警告。
58.具体地，本技术实施例预先采集标注有隐患区域的输电线路图像样本，通过该样本对预置神经网络模型进行训练，以得到该预置隐患识别网络模型。将输电线路监拍装置拍摄的当前输电线路图像，输入到该预置隐患识别网络模型，通过该预置隐患识别网络模型对图像中的隐患区域进行标注。通过标注出的隐患区域，得到隐患区域的面积大小。
59.进一步地，确定出隐患区域的像素点坐标集合，以及确定出保护区的像素点坐标集合，将两个坐标集合进行比对，可以得到重叠的像素点。基于该重叠的像素点确定出隐患区域位于保护区的面积大小，即，隐患设备进入保护区的面积大小。若该重叠部分的面积大于隐患区域面积的50％，则发出警告。
60.需要说明的是，本技术实施例中优选在重叠部分的面积大于隐患区域面积的50％的情况下，则发出警告。在实际应用中，可以根据实际情况对重叠面积的大小进行调节，本技术实施例对此不作限制。
61.图3为本技术实施例提供的一种输电线路保护区隐患识别设备的结构示意图。如图3所示，输电线路保护区隐患识别设备，包括：
62.至少一个处理器；以及，
63.与所述至少一个处理器通信连接的存储器；其中，
64.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
65.通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；
66.将所述输电线路图像输入杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注；
67.对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹；
68.基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；
69.基于所述导线端点坐标、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出所述导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区；
70.对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。
71.本技术实施例还提供一种存储介质，其特征在于，所述存储介质为非易失性计算
机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
72.通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；
73.将所述输电线路图像输入杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注；
74.对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹；
75.基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；
76.基于所述导线端点坐标、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出所述导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区；
77.对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。
78.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
79.上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
80.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术的实施例可以有各种更改和变化。凡在本技术实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。
技术特征：1.一种输电线路保护区隐患识别方法，其特征在于，所述方法包括：通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将所述输电线路图像输入杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注；对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹；基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于所述导线端点坐标、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区；对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。2.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，基于所述导线端点、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出所述导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区，具体包括：基于所述输电线路图像中导线轨迹对应的像素点坐标，确定出所述最外层的两条导线轨迹分别对应的第一端点坐标与第二端点坐标；其中，第一端点为靠近所述杆塔的导线端点，第二端点为远离所述杆塔的导线端点；基于所述两侧最外层的两条轨迹分别对应的第一端点坐标，以及杆塔标注框的下边缘确定出第一投影；基于所述两侧最外层的两条轨迹分别对应的第二端点坐标，以及所述输电线路图像的下边缘，确定出第二投影；基于所述第一投影与所述第二投影，确定出所述输电线路对应的保护区。3.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，所述基于所述第一投影与所述第二投影，确定出所述输电线路对应的保护区，具体包括：基于所述第一投影的下边缘，确定出所述两侧最外层的两条轨迹分别对应的第三端点坐标；基于所述第二投影的下边缘，确定出所述两侧最外层的两条轨迹分别对应的第四端点坐标；将任意相邻的所述第一端点、所述第二端点、所述第三端点以及所述第四端点进行连线，以确定出所述输电线路对应的参考保护区；将所述参考保护区向左右两侧分别进行面积延伸，以得到所述输电线路对应的保护区；其中，延伸面积与所述输电线路对应的参考保护区的面积相关。4.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，所述对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹，具体包括：对所述输电线路图像进行灰度化处理；对灰度化处理后的输电线路图像进行直方图均衡化处理；对进行直方图均衡化处理后的输电线路图像进行边缘检测处理，以得到第一参考导线区域；基于膨胀算法与腐蚀算法，对所述第一参考边缘区域进行筛选，以得到所述输电线路
图像对应的第二参考边缘区域；根据霍夫变换算法，确定出所述第二参考边缘区域的像素点分别对应的正弦曲线，通过相交于同一点的所述正弦曲线的数量，确定出输电线路对应的像素点集合，以基于所述输电线路对应的像素点集合确定出所述输电线路图像中的多条导线轨迹。5.根据权利要求4所述的一种输电线路保护区隐患识别方法，其特征在于，所述对进行直方图均衡化处理后的输电线路图像进行边缘检测处理，以得到第一参考导线区域，具体包括：根据中值滤波算法，对直方图均衡化处理后的输电线路图像进行去噪处理；对所述去噪处理后的输电线路图像进行像素值梯度计算，并基于非极大值抑制算法对像素点进行筛除，以得到所述输电线路图像的第三参考边缘区域；基于双阈值算法对所述第三参考边缘进行筛选，以将灰度变化值小于预置低阈值的像素点进行筛除，得到所述第一参考导线区域。6.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标，具体包括：确定出所述多条导线轨迹分别对应的像素点坐标集合；将多个所述像素点坐标集合进行横坐标比对，以确定出最左侧的导线轨迹对应的第一参考像素点坐标集合，以及确定出最右侧的导线轨迹对应的第二参考像素点坐标集合；将所述第一参考像素点坐标集合中的像素点进行纵坐标比对，以确定出所述最左侧的导线轨迹对应的导线端点坐标，以及将所述第二参考像素点坐标集合中的像素点进行纵坐标比对，以确定出所述最右侧的导线轨迹对应的导线端点坐标。7.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，所述将所述输电线路图像输入预置杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注之前，所述方法还包括：构建神经网络模型；其中，所述神经网络模型由特征抽取主干网络、特征图像金字塔网络以及输电线路杆塔分类定位网络组成；将标记出杆塔的输电线路杆塔数据集输入所述神经网络模型，通过所述特征抽取主干网络，对所述标记出杆塔的输电线路杆塔数据集进行特征图像抽取；通过所述特征图像金字塔网络，基于上采样的方式对特征图像进行自上而下的特征放大处理，以得到所述标记出杆塔的输电线路杆塔数据集对应的杆塔特征图像金字塔；通过所述杆塔分类定位网络，对所述杆塔图像金字塔进行杆塔区域与背景区域的区分，以及对所述杆塔特征图金字塔中的杆塔区域进行标注框定位；通过所述杆塔分类定位网络对标注的杆塔区域进行前景得分计算，以及对标注的杆塔区域进行偏移量计算；在所述前景得分与所述偏移量均符合预置模型精度条件的情况下，杆塔检测网络模型训练完成。8.根据权利要求1所述的一种输电线路保护区隐患识别方法，其特征在于，所述对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警，具体包括：
通过预置隐患识别网络模型，对所述输电线路图像进行隐患识别，并将识别出的隐患区域进行隐患标注框标注；基于所述隐患标注框的像素点坐标，确定出所述隐患区域的面积；基于所述隐患标注框的像素点坐标与所述保护区的像素点坐标，确定出所述隐患区域与所述保护区的重叠区域的面积；将所述重叠区域的面积与所述隐患区域的面积进行比值计算，在得到的比值大于预置比值阈值的情况下，发出隐患警告。9.一种输电线路保护区隐患识别设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将所述输电线路图像输入杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注；对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹；基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于所述导线端点坐标、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区；对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。10.一种存储介质，其特征在于，所述存储介质为非易失性计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将所述输电线路图像输入杆塔检测网络模型，以对所述输电线路图像中的杆塔进行标注框标注；对所述输电线路图像进行边缘检测，以确定出所述输电线路图像中的多条导线轨迹；基于所述多条导线轨迹的坐标，在所述多条导线轨迹中，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于所述导线端点坐标、杆塔标注框的下边缘以及所述输电线路图像的下边缘，确定出导线端点对应的投影，并基于所述投影确定出所述输电线路对应的保护区；对所述输电线路图像进行隐患区域识别，在所述隐患区域处于所述保护区的面积大于预设面积值的情况下，发出隐患告警。
技术总结本申请实施例公开了一种输电线路保护区隐患识别方法、设备及介质。通过设置于输电线杆塔上的监拍装置对输电线路进行拍摄，得到输电线路图像；将输电线路图像输入杆塔检测网络模型，以得到杆塔对应的标注框；对输电线路图像进行边缘检测，确定出输电线路图像中的多条导线轨迹；基于多条导线轨迹的坐标，确定出两侧最外层的两条导线轨迹分别对应的导线端点坐标；基于导线端点坐标、杆塔标注框的下边缘以及输电线路图像的下边缘，确定出导线端点对应的投影，并基于投影确定出输电线路对应的保护区；对输电线路图像进行隐患区域识别，在隐患区域处于保护区的面积大于预设面积值的情况下，发出隐患告警。发出隐患告警。发出隐患告警。
技术研发人员：吕昌峰 蔡富东 刘焕云 帅民伟
受保护的技术使用者：山东信通电子股份有限公司
技术研发日：2022.07.22
技术公布日：2022/11/1
