(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111575209.7 (22)申请日 2021.12.17 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司电力科 学研 究院 (72)发明人 刘淑琴　王磊　黄勇　饶章权　 田翔　周恩泽　魏瑞增　何浣　 朱凌　汪皓　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 郭浩辉　颜希文 (51)Int.Cl. G06V 20/52(2022.01)G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06F 16/2457(2019.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H04N 7/18(2006.01) G08B 21/00(2006.01) G08B 25/00(2006.01) (54)发明名称 一种基于深度学习的输电线路告警方法和 装置 (57)摘要 本发明提供了一种基于深度学习的输电线 路告警方法和装置， 所述方法包括： 获取输电走 廊图像， 确定待测输电走廊的地面区域； 利用训 练好的模型获取外破目标的类型和位置， 分别将 各外破目标映射到输电走廊图像， 过滤掉不在地 面区域的外破目标； 比对数据库中历史外破目标 和未被过滤掉的外破目标， 比对 结果不符合第一 预设条件则将告警信息发送到中央管理平台。 本 发明相对于现有技术， 通过目标检测算法确定输 电走廊的地面区域， 通过目标检测模 型监控和识 别外破目标的类型和位置， 通过三维映射对外破 目标是否在输电走廊进行判断， 有效实现了对输 电线路通道的智 能监控、 检测和告警， 大幅降低 了误报率， 提高了输电线路的安全性， 省 略了人 工复查步骤。 权利要求书2页 说明书6页 附图1页 CN 114419537 A 2022.04.29 CN 114419537 A 1.一种基于深度学习的输电线路告警方法， 其特 征在于， 包括： 获取经过预处理的输电走廊图像， 并通过目标检测算法获取输电线走向、 杆塔的塔基 位置和地 面信息， 确定待测输电走廊的地 面区域； 利用训练好的外破目标检测模型获取所有第 一外破目标的类型和位置， 分别将各第 一 外破目标映射到经过预 处理的输电走廊图像， 并过滤掉不在所述待测输电走廊的地面区域 的第一外破目标； 检索数据库中的历史外破目标， 比对所述历史外破目标和未被过滤掉的第一外破目 标， 若比对结果符合第一预设条件， 则忽略检测结果； 若比对结果不符合所述第一预设条 件， 则将告警信息发送到中央管理平台。 2.如权利要求1所述的一种基于深度 学习的输电线路告警方法， 其特征在于， 所述通过 目标检测 算法获取输电线走向、 杆塔的塔基位置和地面信息， 确定待测输电走廊的地面区 域， 具体为： 通过目标检测算法识别所述输电走廊图像中杆塔的位置， 通过阈值分割识别所述输电 走廊图像中的输电线， 对所述输电线 进行拟合， 获得 所述输电线的走向； 根据所述杆塔的位置， 通过透视变换和角点检测， 获取所述塔基位置， 结合所述输电走 廊图像的地 面信息和所述输电线的走向， 确定所述待测输电走廊的地 面区域。 3.如权利要求1所述的一种基于深度 学习的输电线路告警方法， 其特征在于， 所述外破 目标检测模型的训练方法具体为： 将若干预设的输电走廊图像数据集作为离线训练集， 通过Faster  RCNN算法构建外破 目标检测模型， 通过所述离线训练集对所述外破目标检测模型进行训练， 直至所述外破目 标检测模型收敛。 4.如权利要求1所述的一种基于深度 学习的输电线路告警方法， 其特征在于， 所述过滤 掉不在所述待测输电走廊的地 面区域的第一外破目标， 具体为： 根据所述待测输电走廊的地面区域和所述第一外破目标的位置， 通过向量叉乘方法， 计算所述第一外破目标和所述待测输电走廊的相对位置 关系， 剔除在所述待测输电走廊的 地面区域外的第一外破目标。 5.如权利要求1所述的一种基于深度 学习的输电线路告警方法， 其特征在于， 所述比对 所述历史外破目标和未被过 滤掉的第一外破目标， 具体为： 分别计算未被过滤掉的各第 一外破目标与 上一时刻的第 一外破目标的交并比， 若所述 交并比大于预设值， 则确定所述比对结果符合所述第一预设条件； 若所述交并比小于或等 于所述预设值， 则确定所述比对结果 不符合所述第一预设条件。 6.如权利要求1至5任意一项所述的一种基于深度 学习的输电线路告警方法， 其特征在 于， 在所述获取 经过预处理的输电走廊图像之前， 还 包括： 获取输电走廊监控照片， 并对所述输电走廊监控照片进行预处理， 具体地： 获取所述输 电走廊监控照片， 并定时获取所述输电走廊监控照片对应的存储路径、 对应的生成设备信 息和对应的生成时间， 并根据所述存储路径、 所述生成设备信息和所述生成时间解析成字 典对象。 7.一种基于深度 学习的输电线路告警装置， 其特征在于， 包括检测模块、 过滤模块和告 警模块； 其中，权　利　要　求　书 1/2 页 2 CN 114419537 A 2所述检测模块用于获取经过预处理 的输电走廊图像， 并通过目标检测算法获取输电线 走向、 杆塔的塔 基位置和地 面信息， 确定待测输电走廊的地 面区域； 所述过滤模块用于利用训练好的外破目标检测模型获取所有第一外破目标的类型和 位置， 分别将各第一外破目标映射到经过预处理的输电走廊图像， 并过滤掉不在所述待测 输电走廊的地 面区域的第一外破目标； 所述告警模块用于检索数据库中的历史外破目标， 比对所述历史外破目标和未被过滤 掉的第一外破目标， 若比对结果符合第一预设条件， 则忽略检测结果； 若比对结果不符合所 述第一预设条件， 则将告警信息发送到中央管理平台。 8.如权利要求7所述的一种基于深度 学习的输电线路告警装置， 其特征在于， 所述检测 模块通过目标检测算法获取输电线走向、 杆塔的塔基位置和地面信息， 确定待测输电走廊 的地面区域： 所述检测模块通过目标检测算法识别所述输电走廊图像中杆塔的位置， 通过阈值分割 识别所述输电走廊图像中的输电线， 对所述输电线 进行拟合， 获得 所述输电线的走向； 根据所述杆塔的位置， 通过透视变换和角点检测， 获取所述塔基位置， 结合所述输电走 廊图像的地 面信息和所述输电线的走向， 确定所述待测输电走廊的地 面区域。 9.如权利要求7所述的一种基于深度 学习的输电线路告警装置， 其特征在于， 所述外破 目标检测模型的训练方法具体为： 将若干预设的输电走廊图像数据集作为离线训练集， 通过Faster  RCNN算法构建外破 目标检测模型， 通过所述离线训练集对所述外破目标检测模型进行训练， 直至所述外破目 标检测模型收敛。 10.如权利要求7至9任意一项所述的一种基于深度学习的输电线路告警装置， 其特征 在于， 所述过 滤模块过 滤掉不在所述待测输电走廊的地 面区域的第一外破目标， 具体为： 所述过滤模块根据所述待测输电走廊的地面 区域和所述第 一外破目标的位置， 通过向 量叉乘方法， 计算所述第一外破目标和所述待测输电走廊的相对位置关系， 剔除在所述待 测输电走廊的地 面区域外的第一外破目标。权　利　要　求　书 2/2 页 3 CN 114419537 A 3