一种用于输电线路的隐患状态识别方法及设备与流程

1.本技术涉及输电线路检测技术领域，尤其涉及一种用于输电线路的隐患状态识别方法及设备。


背景技术：

2.输电线路是电网的重要组成部分，受人为及自然条件的影响，输电线路中经常会出现各种安全隐患，如机械施工、各类猛禽等。为了维护输电线路的安全，保障输电线路正常运行，会有专人现场巡逻或网络的方式检测输电线路附近是否出现安全隐患。
3.随着人工智能技术发展，专人巡逻方式逐渐被人工智能取代，目前可以通过人工智能，识别监控设备监拍到的输电线路图像，进而识别输电线路存在的安全隐患。但是，一般的监控设备受限于电池容量、网络流量等硬件限制，不能长时间监控，人们为监控设备设置定时监拍功能。定时监拍必然导致出现输电线路的监控空窗期，不能实时对输电线路的隐患进行监控，进而使隐患危害输电线路。
4.基于此，亟需一种能够实时监控输电线路的隐患，保障输电线路安全运行的技术方案。


技术实现要素：

5.本技术实施例提供了一种用于输电线路的隐患状态识别方法及设备，用于实时对输电线路的隐患进行监控。
6.一方面，本技术提供了一种用于输电线路的隐患状态识别方法，该方法包括：获取声音告警信息。声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
7.在申请的一种实现方式中，确定声音告警信息相应的第一采集位置。其中，第一采集位置为满足第一预设条件的监拍设备的位置。第一预设条件为监拍设备在预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。根据第一采集位置以及各第二采集位置，确定告警区域。确定告警区域内相应的各监拍设备，为监拍设备组。
8.在申请的一种实现方式中，通过监拍设备中的声音采集模块，获取输电线路的外界监测声音。外界监测声音包括隐患发出的声音。将外界监测声音输入预先训练好的声音识别模型，以确定外界监测声音的类型。在外界监测声音的类型为隐患触发类型的情况下，
确定声音告警信息。
9.在申请的一种实现方式中，通过预先训练的卷积神经网络模型，确定隐患图像中待定隐患特征。确定待定隐患特征与已识别隐患的隐患特征，是否匹配。其中，已识别隐患的隐患特征为在确定待定隐患特征之前，基于卷积神经网络模型而得到的。在待定隐患特征与已识别隐患的隐患特征匹配的情况下，将已识别隐患的隐患标识，作为隐患图像的隐患标识。
10.在申请的一种实现方式中，在待定隐患特征与已识别隐患的隐患特征不匹配的情况下，生成待定隐患特征的隐患标识，并更新隐患图像相应的隐患为已识别隐患。
11.在申请的一种实现方式中，根据声音告警信息中告警设备位置，生成定位坐标系。根据声音告警信息中告警音频数据的信号采集时间，确定信号采集时延值。根据信号采集时延值，确定隐患的声源在定位坐标系的声源定位坐标。根据声源定位坐标以及隐患标识，确定隐患标识的位置是否变化，以根据隐患标识的位置变化，确定隐患标识相应的运动状态是否为转场作业状态。
12.在申请的一种实现方式中，确定转场作业状态相应的移动方向。判断隐患沿移动方向的行驶路径上，是否存在输电线路。在隐患沿移动方向的行驶路径上，存在输电线路的情况下，生成转场告警信息。
13.在申请的一种实现方式中，将若干声音样本，输入声音识别模型，进行训练。其中，声音样本至少包括：雷击声音、猛禽声音、机械施工声音。将测试声音样本输入训练后的声音识别模型，确定识别结果。根据识别结果，确定声音识别模型是否完成训练。
14.另一方面，本技术实施例提供了一种用于输电线路的隐患转场作业识别设备，该设备包括：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：获取声音告警信息。声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
15.在本技术的一种实现方式中，至少一个处理器，具体能够：确定声音告警信息相应的第一采集位置。其中，第一采集位置为满足第一预设条件的监拍设备的位置。第一预设条件为监拍设备在预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。根据第一采集位置以及各第二采集位置，确定告警区域。确定告警区域内相应的各监拍设备，为监拍设备组。
16.通过上述方案，本技术可以利用隐患发出的声音，对输电线路的隐患进行实时监
控，并根据监拍设备对隐患状态进行识别，避免隐患对输电线路造成危害，保障输电线路的安全运行。
附图说明
17.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为本技术实施例中一种用于输电线路的隐患状态识别方法的一种流程示意图；图2为本技术实施例中一种用于输电线路的隐患状态识别方法的另一种流程示意图；图3为本技术实施例中一种用于输电线路的隐患状态识别方法中的一种示意图；图4为本技术实施例中一种用于输电线路的隐患状态识别方法中的另一种示意图；图5为本技术实施例中一种用于输电线路的隐患状态识别设备的结构示意图。
具体实施方式
18.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
19.输电线路是电网的重要组成部分，受人为及自然条件的影响，输电线路中经常会出现各种安全隐患，如机械施工、各类猛禽等。输电线路监拍设备成为主要的监控方式。通过设备定时拍照（30分钟或1小时一拍）回传监控平台由值班人员对现场做出判断进行处置管理。隐患识别方面常采用后端云服务器识别或者设备侧前端分析的方式进行隐患识别的方式进行。
20.随着人工智能技术的发展，基于单个监拍设备监拍图像的隐患目标识别精度已经达到大规模推广应用的程度，漏报和误报率均可控制在5%以下。
21.受限于监拍装置的电池电量及网络流量的限制，采用图像监拍的方式不能采用全天候实时监控的方式进行，这必然会形成监控空窗期。并且，当线下施工机械进行转场作业时，基于单监控装置的监拍图像的隐患目标检测无法识别到机械的行为。仅2021年已经发生过多起因机械转场施工而剐蹭电线的事故，给线路安全造成隐患。
22.基于此，本技术实施例提供了一种用于输电线路的隐患状态识别方法及设备，用来实时监控输电线路隐患，保障输电线路安全运行。
23.以下结合附图，详细说明本技术的各个实施例。
24.本技术实施例提供了一种用于输电线路的隐患状态识别方法，如图1所示，该方法可以包括步骤s101-s105：s101，服务器获取声音告警信息。
25.声音告警信息是通过隐患发出的声音得到的。
26.在本技术实施例中，声音告警信息至少包括声音告警时间、告警设备位置、告警音
频数据。
27.需要说明的是，服务器作为用于输电线路的隐患状态识别方法的执行主体，仅为示例性存在，执行主体不仅限于服务器，本技术对此不作具体限定。
28.在本技术实施例中，声音告警信息可以通过监拍设备内的声音采集模块生成，或者是声音采集模块在将采集到声音，发送至服务器后，服务器生成的声音告警信息。
29.在本技术的一个实施例中，若声音告警信息由声音采集模块产生，那么声音采集模块内预先设置有声音识别模型，用来识别声音告警信息相应的声音。其中，声音识别模型可以是预先训练好的神经网络模型。
30.在本技术的一个实施例中，获取声音告警信息之前，服务器可以执行以下方法，确定声音告警信息，并在进行隐患状态识别时，获取确定的声音告警信息，其中，确定声音告警信息与获取声音告警信息的步骤，服务器可以同时进行，也可以先确定声音告警信息，进而获取声音告警信息。以声音识别模型设置于服务器中为例，具体地：首先，服务器通过监拍设备中的声音采集模块，获取输电线路的外界监测声音。
31.外界监测声音包括隐患发出的声音。
32.在输电线路的杆塔、输电铁塔上，设置有监拍设备，监拍设备的声音采集模块可以实时采集输电线路周围的声音，即外界监测声音。监拍设备可以与服务器进行无线网络连接，传输外界监测声音等数据。
33.然后，服务器将外界监测声音输入预先训练好的声音识别模型，以确定外界监测声音的类型。
34.在本技术实施例中，服务器可以通过预先训练好的声音识别模型，得到外界监测声音的类型，其中，外界监测声音的类型与用于训练声音识别模型的声音样本有关。本技术可以通过以下实施例，得到声音识别模型：服务器将若干声音样本，输入声音识别模型，进行训练。
35.其中，声音样本至少包括：雷击声音、猛禽声音、机械施工声音。
36.服务器将测试声音样本输入训练后的声音识别模型，确定识别结果。
37.服务器根据识别结果，确定声音识别模型是否完成训练。
38.其中，测试声音样本可以是各种类型的机械所发出的声音，识别结果可以输出识别到的机械类型，若测试声音样本为大象的声音，识别结果可以输出识别到的声音为大象。
39.通过输电线路常见的隐患作为训练样本，可以得到适用于输电线路场景且能够准确识别输电线路隐患的声音识别模型。
40.最后，服务器在外界监测声音的类型为隐患触发类型的情况下，确定声音告警信息。
41.在本技术实施例中，声音识别模型输出了外界监测声音的类型后，例如“吊车声音”，服务器可以确定该类型为隐患触发类型，则确定该外界监测声音相应的声音告警信息，声音告警信息中包括声音告警时间、告警设备位置、告警音频数据。其中，声音告警时间为监拍设备的声音采集模块采集到外界监测声音的时间，告警设备位置为发送外界监测声音的监拍设备的位置，告警音频数据为外界监测声音的音频文件。
42.通过上述方案，服务器可以通过检测隐患声音，对输电线路附近的隐患进行实时检测，保障输电线路的安全，避免输电线路的监控出现空窗期，使隐患在监拍设备未监控
时，对输电线路造成破坏。
43.s102，服务器基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。
44.在本技术实施例中，服务器基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，如图2所示，具体包括以下步骤：s201，服务器确定声音告警信息相应的第一采集位置。
45.其中，第一采集位置为满足第一预设条件的监拍设备的位置，第一预设条件为监拍设备的预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。
46.在本技术实施例中，声音告警信息可以有多个监拍设备采集得到，声音告警信息所对应的声音，可能为同一隐患发出的声音，也可能不是同一隐患发出的声音。在声音告警信息所对应的监拍设备中，确定各监拍设备的预设值的距离范围内，是否存在大于预设阈值数量，且在预设时间内采集到生成声音告警信息的外界监测声音的监测设备，服务器在确定有监拍设备满足上述条件之后，可以将预设时间中，确定声音告警信息的时间最早的一个监拍设备，作为第一监拍设备，并将第一监拍设备的位置作为第一采集位置。
47.其中，上述预设值可以根据实际使用场景进行设定，预设阈值以及预设时间也可以在实际使用中进行设定，本技术对此不作限定。
48.s202，服务器根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。
49.其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。
50.在本技术实施例中，基于密度的聚类算法（density-based spatial clustering of applications with noise，dbscan）可以确定第一采集位置密度相连的第二采集位置。具体方式如下：步骤1，服务器遍历所有声音告警信息相应监拍设备，找出所有满足邻域距离小于预设值且时间间隔小于预设时间的第一采集位置的集合；步骤2，服务器任意选择一个第一采集位置，找出其所有密度可达的第二采集位置并生成聚类簇；步骤3，服务器从剩余的第一采集位置中移除2中找到的密度可达的第二采集位置。
51.服务器从更新后的第一采集位置的集合重复执行步骤2-步骤3步直到第一采集位置都被遍历或移除。得出聚类集合的装置列表，即监拍设备组。
52.s203，服务器根据第一采集位置以及各第二采集位置，确定告警区域。
53.服务器可以根据s202中的基于密度的聚类算法的执行步骤，确定聚类簇，该聚类簇包含第一采集位置及若干第二采集位置，即为告警区域。
54.s204，服务器确定告警区域内相应的各监拍设备，作为监拍设备组。
55.服务器确定告警区域内的各监拍设备，生成监拍设备组，同一个监拍设备组可以同时进行监拍工作。
56.本技术通过上述方案，可以将输电线路中各个监拍设备，组成同时监拍输电隐患的设备组，从而在隐患出现时，在各个角度采集隐患的图像，得到一个隐患图像集合，保证
输电隐患监控的准确性。而且，本技术通过在dbscan算法中，利用了时间数据，保证了隐患告警时的时空信息准确，能够准确且实时地定位到隐患目标，提高了监拍设备在对输电线路的隐患监控时的工作效率。
57.s103，服务器根据隐患图像集合，确定隐患图像集合相应的隐患标识。
58.在本技术实施例中，服务器可以预设有用于识别隐患图像集合中的隐患图像的隐患标识的模型，在识别得到隐患标识之前，本技术实施例还可以对隐患图像进行目标识别，预先识别隐患图像中是否存在隐患目标，该隐患目标识别可以通过目标识别算法，例如yolov5进行识别隐患目标。该目标识别算法可以设置于监拍设备中，也可以设置于服务器中。
59.在本技术的一个实施例中，服务器识别隐患图像，以确定隐患图像的隐患标识，具体包括：首先，服务器通过预先训练的卷积神经网络模型，确定隐患图像中待定隐患特征。
60.服务器可以将隐患图像输入预先训练后的卷积神经网络模型，该卷积神经网络模型的类型不限，可以包含resnet50、vgg16等，用于对隐患图像进行特征提取。
61.然后，服务器确定待定隐患特征与已识别隐患的隐患特征，是否匹配。
62.其中，已识别隐患的隐患特征为在确定待定隐患特征之前，基于卷积神经网络模型而得到的。
63.在本技术实施例中，服务器可以将卷积神经网络提取的待定隐患特征，与已识别隐患的隐患特征进行比对，已识别隐患可以是在得到当前隐患图像之前，根据监拍设备所发送的隐患图像得到的。服务器计算待定隐患特征与已识别隐患的隐患特征之间的特征距离，该特征距离可以是欧氏距离，也可以是曼哈顿距离等，特征距离的类型不作具体限定。
64.服务器设定一个特征距离的距离阈值，服务器可以确定小于距离阈值的特征距离，作为选定特征距离。服务器在确定选定特征距离之后，即确定选定距离相应的已识别隐患的隐患特征与待定隐患特征匹配。
65.接着，服务器在待定隐患特征与已识别隐患的隐患特征匹配的情况下，将已识别隐患的隐患标识，作为隐患图像的隐患标识。
66.另外，服务器在待定隐患特征与已识别隐患的隐患特征不匹配的情况下，生成待定隐患特征的隐患标识，并更新隐患图像相应的隐患为已识别隐患。
67.本技术实施例可以将当前隐患图像与之前的已识别隐患的隐患特征进行匹配，若当前隐患图像在之前被监拍设备监拍到，则会对隐患进行重识别，即将已识别隐患的隐患标识，作为隐患图像的隐患标识；若没有被监拍到，那么服务器会将该隐患图像中的隐患认定为新的隐患，并更新隐患标识。
68.通过上述方案，本技术可以将不同时间下的隐患进行身份的关联，避免同一隐患认定为不同隐患，对服务器造成识别困扰，无法对隐患进行跟踪识别。而且，通过上述方案，还可以避免服务器存储数据时，同一隐患的数据生成新的存储序列，造成重复存储数据，影响服务器的工作效率。
69.s104，服务器基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。
70.其中，转场作业状态为隐患标识发生位置移动。转场作业状态表示隐患发生了移
动的状态。
71.在本技术实施例中，服务器基于声音告警信息以及隐患表示，确定隐患标识相应的运动状态是否为转场作业状态，具体包括：首先，服务器根据声音告警信息中告警设备位置，生成定位坐标系。
72.在本技术实施例中，定位坐标系如图3所示，本技术可以将一个告警设备位置，即监拍设备位置，作为原点，也可以预先设定一个地理位置，作为坐标原点。
73.然后，服务器根据声音告警信息中告警音频数据的信号采集时间，确定信号采集时延值。
74.在本技术实施例中，监拍设备中的声音采集模块可以设置有多个麦克风阵列，通过各麦克风阵列采集告警音频数据的信号采集时间，得到信号采集时延值。
75.也可以通过多个监拍设备中的声音采集模块采集到同一个告警音频数据的信号采集时间，得到信号采集时延值。
76.接着，服务器根据信号采集时延值，确定隐患的声源在定位坐标系的声源定位坐标。
77.服务器根据信号采集时延值，利用空间三角形余弦定理和余弦公式，可以计算定位坐标系中，监拍设备与隐患声源的距离及方向，然后通过监拍设备在定位坐标系中的坐标，计算出隐患声源的声源定位坐标。如图3中u1为监拍设备坐标，u2为隐患声源坐标。
78.最后，服务器根据声源定位坐标以及隐患标识，确定隐患标识的位置是否变化，以根据隐患标识的位置变化，确定隐患标识相应的运动状态是否为转场作业状态。
79.在本技术实施例中，根据隐患标识，可以确定定位坐标系中，同一隐患标识的隐患在定位坐标系中是否发生了位置移动，若隐患标识的位置发生变化，服务器确定隐患标识相应的运动状态为转场作业状态。
80.通过上述方案，利用声源定位的方式，对隐患进行定位，不需要借助双目等三维图像采集设备进行采集隐患图像，节省了硬件成本，减少了不必要的资源浪费。
81.s105，服务器在确定隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
82.在本技术实施例中，服务器生成转场告警信息，具体包括：首先，服务器确定转场作业状态相应的移动方向。
83.转场作业状态的移动方向的示意图如图4所示。
84.其次，服务器判断隐患沿移动方向的行驶路径上，是否存在输电线路。
85.如图4中，隐患401沿移动方向402的行驶路径上，存在输电线路a。
86.再次，服务器在隐患沿移动方向的行驶路径上，存在输电线路的情况下，生成转场告警信息。
87.在本技术的一个实施例中，监拍设备不止通过声音告警信息触发监拍功能，监拍设备预设有拍照时间间隔，在不存在声音告警信息的情况下，间隔拍照时间间隔，监拍设备可以进行对输电线路进行拍照。
88.在本技术的上述实施例中，可以对隐患发出的声音进行识别，并判定是否为能够对输电线路造成危害的隐患，进而触发基于声音告警信息生成监拍设备组的监拍功能，对隐患进行拍照识别。并通过声音告警信息进行声源定位，根据定位数据确定隐患是否为转
场作业状态，生成相应告警信息，以使提醒管理终端对隐患进行管理或排除。
89.通过上述方案，可以实时地对输电线路进行监控，避免输电线路的监控出现空窗期，而且上述方案硬件成本低，不会浪费监拍设备的电池能源，能够保障输电线路安全运行，提高了电力输电线路的监控相关部门的使用体验度。
90.图5为本技术实施例提供的一种用于输电线路的隐患转场作业识别设备500，该设备500包括：至少一个处理器501；以及，与至少一个处理器501通信连接的存储器502。其中，存储器502存储有可被至少一个处理器501执行的指令，指令被至少一个处理器501执行，以使至少一个处理器501能够：获取声音告警信息。声音告警信息是通过隐患发出的声音得到的。基于得到声音告警信息的若干监拍设备的位置关系，实时确定相应监拍设备组，并根据监拍设备组，获取隐患图像集合。隐患图像集合包含由监拍设备组中各监拍设备分别获取的隐患图像。根据隐患图像集合，确定隐患图像集合相应的隐患标识。基于声音告警信息以及隐患标识，确定隐患标识相应的运动状态是否为转场作业状态。其中，转场作业状态为隐患标识发生位置移动。在隐患标识相应的运动状态为转场作业状态的情况下，生成转场告警信息，并发送告警信息至管理终端。
91.在本技术实施例中，至少一个处理器501还具体能够：确定声音告警信息相应的第一采集位置。其中，第一采集位置为满足第一预设条件的监拍设备的位置。第一预设条件为监拍设备在预设距离范围内达到预设数量，且预设距离内的监拍设备在预设时间内接收到声音告警信息。根据第一采集位置以及基于密度的聚类算法，确定满足第二预设条件的若干第二采集位置。其中，第二预设条件为第二采集位置至少与第一采集位置满足密度相连。根据第一采集位置以及各第二采集位置，确定告警区域。确定告警区域内相应的各监拍设备，为监拍设备组。
92.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，对于设备实施例而言，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。
93.本技术实施例提供的设备与方法是一一对应的，因此，设备也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备的有益技术效果。
94.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
95.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，本技术可以有各种更改和变化。凡在本技术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。