输电线路鸟类监测雷达模型更新方法、系统、设备及介质与流程

本技术涉及雷达目标识别，尤其涉及输电线路鸟类监测雷达模型更新方法、系统、设备及介质。

背景技术：

1、输电线路走廊内鸟类活动频繁，鸟巢搭建、鸟粪坠落及鸟类飞行碰撞等均可能引发线路绝缘闪络、跳闸等故障，威胁电网的安全稳定运行，因此需要对输电线路区域的鸟类种类及活动状态进行准确监测。雷达具有覆盖范围广、可全天候工作的优势，通过训练鸟类监测雷达模型对雷达回波信号进行鸟类识别，是输电线路鸟害监测的重要手段，而雷达模型的鸟类识别准确性依赖于训练数据的质量与规模。

2、现有技术中，鸟类监测雷达模型通常在部署前基于预先构建的固定训练数据集完成训练，训练数据集中的雷达回波数据依靠人工逐一判读并标注鸟类类别。由于雷达回波信号与鸟类类别之间的映射关系复杂，人工判读标注的专业要求高、工作量大、周期长，导致训练数据的规模难以扩大、类别覆盖不全，限制了雷达模型的鸟类识别准确性；并且，模型部署后在现场运行过程中持续产生的大量雷达回波数据未被用于模型训练，雷达模型难以适应现场鸟类种类构成及活动规律随季节、区域发生的变化，导致雷达模型的鸟类识别准确性随运行时间的推移而下降。因此，如何以较低的人工标注成本持续获得标注准确的雷达回波训练数据，以提高输电线路鸟类监测雷达模型的鸟类识别准确性，成为当前需要解决的技术问题。

技术实现思路

1、本技术提供了输电线路鸟类监测雷达模型更新方法、系统、设备及介质，能够解决现有技术中如何以较低的人工标注成本持续获得标注准确的雷达回波训练数据，以提高输电线路鸟类监测雷达模型的鸟类识别准确性的问题。

2、本技术一些实施例中提供了一种输电线路鸟类监测雷达模型更新方法，包括：

3、获取输电线路区域的若干片段对，计算各所述片段对的时空一致性分数；所述片段对包括一雷达回波片段及一近场识别片段；

4、将所述雷达回波片段、所述近场识别片段分别输入预训练的雷达识别模型及近场识别模型，分别得到雷达侧的第一鸟类别、近场侧的第二鸟类别及近场置信度；

5、根据所述时空一致性分数、所述近场置信度、所述第一鸟类别及所述第二鸟类别，划分所述雷达回波片段为自动标注片段与待复核片段；

6、根据所述时空一致性分数确定所述待复核片段的复核顺序，将所述自动标注片段赋予第二鸟类别标签、所述待复核片段按所述复核顺序复核赋予标签后，写入扩充数据集，并以所述扩充数据集增量更新所述雷达识别模型。

7、相比现有技术，上述实施例具有以下有益效果：通过获取输电线路区域的若干片段对并计算各片段对的时空一致性分数，将雷达回波片段与近场识别片段分别输入预训练的雷达识别模型及近场识别模型得到第一鸟类别、第二鸟类别及近场置信度，使得雷达回波片段的鸟类标签可来源于经过时空一致性校验的近场侧识别结果；进一步根据时空一致性分数、近场置信度、第一鸟类别及第二鸟类别将雷达回波片段划分为自动标注片段与待复核片段，并根据同一时空一致性分数确定待复核片段的复核顺序，使得写入扩充数据集的入库判定与复核赋予标签的先后排序基于相同的目标对应关系；自动标注片段赋予第二鸟类别标签、待复核片段按复核顺序复核赋予标签后写入扩充数据集，并以扩充数据集增量更新雷达识别模型。由此，现场运行中持续产生的雷达回波片段被自动转化为带标签的训练数据，无需人工对历史雷达回波逐一判读标注，解决了训练数据构建人工成本高、周期长导致数据规模受限的问题；同时入库判定与复核排序共用同一关联依据，避免了二者采用不同目标对应关系时错误标签被写入训练数据的问题，保证了扩充数据集的标注准确性；雷达识别模型随现场数据的持续写入而增量更新，解决了固定训练数据集训练的模型难以适应现场鸟类种类构成及活动规律变化的问题，提高了输电线路鸟类监测雷达模型的鸟类识别准确性。

8、进一步地，所述根据所述时空一致性分数、所述近场置信度、所述第一鸟类别及所述第二鸟类别，划分所述雷达回波片段为自动标注片段与待复核片段，包括：

9、将所述时空一致性分数达到预设关联阈值的所述片段对确定为第一关联片段对；

10、当任一所述雷达回波片段或任一所述近场识别片段属于多个所述第一关联片段对时，保留所述时空一致性分数互为最高的所述第一关联片段对，使每一所述雷达回波片段与每一所述近场识别片段分别至多属于一个第二关联片段对，得到若干第二关联片段对；

11、针对所述第二关联片段对中的所述雷达回波片段，当所述第一鸟类别与所述第二鸟类别一致，且所述近场置信度及所述时空一致性分数均达到各自对应的预设阈值时，划分为所述自动标注片段；

12、针对所述第二关联片段对中的所述雷达回波片段，当所述第一鸟类别与所述第二鸟类别一致，且所述近场置信度或所述时空一致性分数未达到对应的所述预设阈值时，划分为所述待复核片段。

13、相比现有技术，上述实施例具有以下有益效果：通过将时空一致性分数达到预设关联阈值的片段对确定为第一关联片段对，并在任一雷达回波片段或任一近场识别片段属于多个第一关联片段对时保留时空一致性分数互为最高的片段对，使得每一雷达回波片段与每一近场识别片段分别至多属于一个第二关联片段对，同一雷达回波片段不会从多个近场识别片段获得相互矛盾的鸟类标签；进一步仅当第一鸟类别与第二鸟类别一致且近场置信度与时空一致性分数均达到各自预设阈值时，才将雷达回波片段划分为自动标注片段，使得写入扩充数据集的自动标签同时通过目标对应关系、近场识别可靠性与两侧识别结论一致性三重校验，其余片段转入待复核流程而非直接入库。从而进一步降低了错误自动标签写入扩充数据集的概率，提高了参与增量更新的训练数据的标注质量。

14、进一步地，所述根据所述时空一致性分数确定所述待复核片段的复核顺序，包括：

15、根据所述第二关联片段对的所述时空一致性分数以及所述第一鸟类别与所述第二鸟类别是否一致，确定所述待复核片段的跨模态冲突程度值；

16、根据所述雷达识别模型对所述待复核片段输出的各类别后验概率的分散程度，确定所述待复核片段的预测不确定性值；

17、根据所述扩充数据集中所述第二鸟类别对应的雷达回波片段的数量，确定所述第二鸟类别的鸟类别稀缺程度值；

18、根据所述待复核片段的雷达特征相对于参考雷达特征分布的偏离程度，确定所述待复核片段的雷达特征漂移程度值；其中，所述参考雷达特征分布为更新前的所述雷达识别模型训练所用的历史雷达回波片段的历史雷达特征分布；

19、根据所述预测不确定性值、所述跨模态冲突程度值、所述鸟类别稀缺程度值以及所述雷达特征漂移程度值，确定每一所述待复核片段的复核优先级，并根据所述复核优先级确定各所述待复核片段的所述复核顺序。

20、相比现有技术，上述实施例具有以下有益效果：通过以第二关联片段对的时空一致性分数及第一鸟类别与第二鸟类别是否一致确定跨模态冲突程度值，使冲突程度与入库划分共用同一关联结果，复核资源集中投向关联可靠但识别结论矛盾的片段；进一步以后验概率分散程度量化预测不确定性值，使模型判断模糊的片段获得更高复核优先级；以扩充数据集中第二鸟类别对应的雷达回波片段数量量化鸟类别稀缺程度值，使稀缺类别片段优先补充入库；以待复核片段雷达特征相对历史雷达特征分布的偏离量化雷达特征漂移程度值，使现场特征发生变化的片段被及时发现。由此，有限的复核资源按照冲突修正、边界完善、稀缺补充、漂移适应四个维度定向分配，单位复核量对扩充数据集标注质量与雷达识别模型识别能力的提升效率得到提高。

21、进一步地，所述输电线路鸟类监测雷达模型更新方法还包括：

22、按照预设抽检比例从各所述自动标注片段中随机抽取校准片段，并获取各所述校准片段的复核标签；

23、根据各所述校准片段的所述复核标签与所述第二鸟类别标签的不一致比例，确定自动标签错误率；

24、根据所述自动标签错误率与可接受错误率之间的偏差，在预设阈值下界与预设阈值上界之间更新下一更新周期划分所述自动标注片段所依据的所述预设阈值。

25、相比现有技术，上述实施例具有以下有益效果：通过按预设抽检比例从自动标注片段中随机抽取校准片段并获取复核标签，根据校准片段的标签不一致比例确定自动标签错误率，使错误率统计基于等概率随机抽样而非按复核优先级排序的选择性复核，统计结果能够无偏代表自动标注片段整体的标签质量水平；进一步根据自动标签错误率与可接受错误率之间的偏差，在预设阈值下界与预设阈值上界之间更新下一更新周期划分自动标注片段所依据的预设阈值，形成负反馈调节：错误率偏高时阈值收紧以减少错误标签入库，错误率偏低时阈值放宽以扩充数据规模。由此，入库阈值由实际标注质量驱动而随现场运行状态动态调整，避免了固定阈值在季节迁移与设备环境变化下持续放大噪声标签入库风险的问题，同时上下界截断抑制了少量抽检样本引起的阈值剧烈波动，提高了扩充数据集标注质量在跨更新周期运行中的稳定性。

26、进一步地，所述计算各所述片段对的时空一致性分数，包括：

27、针对每一所述片段对，确定所述片段对中所述雷达回波片段与所述近场识别片段的采样时刻之间的采样时间差，以及所述雷达回波片段与所述近场识别片段的观测位置之间的空间距离；

28、对所述采样时间差与预设时间匹配尺度的比值进行指数衰减运算，得到时间衰减项；

29、对所述空间距离与预设空间匹配尺度的比值进行指数衰减运算，得到空间衰减项；

30、计算所述雷达回波片段与所述近场识别片段的观测覆盖区域的交集面积占并集面积的比例，得到观测覆盖区域重叠度；

31、根据所述时间衰减项、所述空间衰减项与所述观测覆盖区域重叠度，计算获取所述时空一致性分数。

32、相比现有技术，上述实施例具有以下有益效果：通过将采样时间差与预设时间匹配尺度的比值、空间距离与预设空间匹配尺度的比值分别进行指数衰减运算，使时间维度与空间维度的关联程度被归一化为可比的衰减项，并以观测覆盖区域交集面积占并集面积的比例量化观测覆盖区域重叠度，三者融合得到时空一致性分数，使得两个片段是否观测同一鸟类目标被映射为零至一区间内单调、连续的数值：采样时间差与空间距离越大，分数越低，观测覆盖重叠程度越高，分数越高。由此，雷达回波片段与近场识别片段的目标关联判断具有统一量纲、可比性强的量化依据，为后续入库划分与复核排序提供了准确的关联基准，降低了因关联判据量纲不一致或取值不可比导致的标签错配概率。

33、进一步地，所述以所述扩充数据集增量更新所述雷达识别模型，包括：

34、获取所述扩充数据集中每一所述雷达回波片段的标签质量以及采集时效性；

35、根据所述标签质量以及所述采集时效性，确定各所述雷达回波片段的训练权重；

36、根据所述训练权重构建抗遗忘约束，在所述抗遗忘约束的作用下，通过所述扩充数据集增量更新所述雷达识别模型。

37、相比现有技术，上述实施例具有以下有益效果：通过根据扩充数据集中各雷达回波片段的标签质量与采集时效性确定训练权重，使标签质量高、采集时间接近当前训练时刻的片段在模型参数更新中产生较大影响，标签质量低或采集时间久远的片段的影响被相应削弱；进一步根据训练权重构建抗遗忘约束，并在抗遗忘约束的作用下通过扩充数据集增量更新雷达识别模型，使模型在吸收新增片段的同时保留对历史鸟类别的识别能力。由此，新增片段中可能存在的标签噪声对参数更新的干扰被权重机制按片段级粒度削弱，模型对历史鸟类别的遗忘被抗遗忘约束抑制，提高了雷达识别模型在现场数据持续写入条件下的长期运行稳定性与识别准确性。

38、进一步地，所述根据所述训练权重构建抗遗忘约束，包括：

39、根据各所述雷达回波片段的所述训练权重，对每一所述雷达回波片段对应的单片段分类损失进行加权归一化，确定新增片段加权学习项；

40、对预设的覆盖历史鸟类别的固定代表样本集计算分类损失，确定历史代表样本回放学习项；其中，所述历史鸟类别为更新前的所述雷达识别模型已部署识别的鸟类别；

41、根据所述雷达识别模型更新前后的模型参数之间的差异，确定参数保持项； 根据所述雷达识别模型更新前后在所述历史鸟类别上的输出分布之间的差异，确定知识蒸馏项；

42、根据所述新增片段加权学习项、所述历史代表样本回放学习项、所述参数保持项以及所述知识蒸馏项，构建所述抗遗忘约束。

43、相比现有技术，上述实施例具有以下有益效果：通过以训练权重对各雷达回波片段的单片段分类损失进行加权归一化构建新增片段加权学习项，使新增片段损失的量级不随训练权重整体缩放而改变，权重调节仅改变片段间的相对贡献；通过对覆盖历史鸟类别的固定代表样本集计算分类损失构建历史代表样本回放学习项，使历史鸟类别在每一轮增量更新中均获得稳定的监督信号；进一步以更新前后模型参数差异构建参数保持项、以更新前后模型在历史鸟类别上的输出分布差异构建知识蒸馏项，并将四类损失项共同构建为抗遗忘约束。由此，模型参数的迭代更新被约束在吸收新增片段知识与保持历史识别能力相平衡的方向上，避免了仅依据新增片段训练导致的历史鸟类别识别性能退化，降低了输电线路鸟类监测雷达模型在长期闭环增量更新过程中的灾难性遗忘风险。

44、本技术另一实施例还提供了一种输电线路鸟类监测雷达模型更新系统，所述输电线路鸟类监测雷达模型更新系统用于执行如本技术输电线路鸟类监测雷达模型更新方法的步骤。

45、本技术另一实施例还提供了一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，处理器执行所述计算机程序时，实现如本技术输电线路鸟类监测雷达模型更新方法的步骤。

46、本技术另一实施例还提供了一种计算机可读存储介质项，包括：存储的计算机程序，在计算机程序运行时，控制计算机可读存储介质所在的设备执行如本技术输电线路鸟类监测雷达模型更新方法的步骤。