一种架空线缆覆冰类型的辨识方法与流程

1.本技术实施例涉及输配电技术领域，特别涉及一种架空线缆覆冰类型的辨 识方法。


背景技术：

2.高压架空线缆在冻雨、冰雪、白霜、大雾等恶劣天气状况下容易产生覆冰。 覆冰会增加线缆所承受重量，同时因面积加大而增加了风压，在冰、风综合负 荷过大时，线路容易损坏乃至杆塔的倒塌，造成重大的经济损失，威胁电网的 安全稳定。因此，准确掌握线缆的覆冰状态，有利于人们及时采取措施，避免 重大的安全事故，减少经济损失。
3.由于产生的原因不同，覆冰的类型也不尽相同。不同类型的覆冰对线缆的 危害程度不同，去除方式也有所不同：软雾凇、白霜等危害相对较小；雨凇、 干雪存在时间一般较短；而混合凇一般密度较高、生长速度较快，对导线危害 特别严重。人工检测效率低、准确度受观察人员的知识技能水平所限，难以适 应范围大、类型多、时间长的输电线缆。


技术实现要素：

4.本技术实施例提供了一种架空线缆覆冰类型的辨识方法，能够快速准确地 检测架空电缆上的覆冰形态，建立雨凇、雾凇、混合凇、无覆冰四类状态的自 动识别方法。
5.本技术第一方面提供了一种架空线缆覆冰类型的辨识方法，包括：
6.获取覆冰形态训练样本集和待检测覆冰图像；
7.根据所述覆冰形态训练样本集构建覆冰形态特征库；
8.将所述待检测覆冰图像输入所述覆冰形态特征库来确定覆冰形态。
9.可选的，所述根据所述覆冰形态训练样本集构建覆冰形态特征库，包括：
10.对所述覆冰形态训练样本集进行预处理获取预处理图像样本集；
11.将所述预处理图像样本集输入预设训练vgg模型中进行训练来获取所述预 处理图像样本集的纹理特征；
12.使用k-means聚类方法对所述纹理特征进行聚类确定类聚中心；
13.根据所述类聚中心构建覆冰形态特征库。
14.可选的，所述获取覆冰形态训练样本集和待检测覆冰图像，包括：
15.利用架设在高压线上的摄像头来获取覆冰形态训练样本集和待检测覆冰图 像。
16.可选的，所述将所述待检测覆冰图像输入所述覆冰形态特征库来确定覆冰 形态，包括：
17.将所述待检测覆冰图像输入覆冰形态特征库，以使得所述覆冰形态特征库 根据所述类聚中心来确定待检测图像的纹理特征，并根据所述待检测图像的纹 理特征确定覆冰形态。
18.从以上技术中：获取覆冰形态训练样本集和待检测覆冰图像；根据所述覆 冰形态训练样本集构建覆冰形态特征库；将所述待检测覆冰图像输入所述覆冰 形态特征库来确
定覆冰形态。本技术先通过构建一个覆冰形态特征库来确定图 像的覆冰形态，减少了一张一张的图像进行检测覆冰的状态的计算量和降低了 计算的复杂度，能够快速准确地检测架空电缆上的覆冰形态，建立雨凇、雾凇、 混合凇、无覆冰四类状态的自动识别方法。
附图说明
19.图1为本技术中架空线缆覆冰类型的辨识方法一个实施例流程示意图。
具体实施方式
20.本技术实施例提供了一种架空线缆覆冰类型的辨识方法，能够快速准确地 检测架空电缆上的覆冰形态，建立雨凇、雾凇、混合凇、无覆冰四类状态的自 动识别方法。
21.请参阅图1，本技术实施例中架空线缆覆冰类型的辨识方法一个实施例包括：
22.101、用架设在高压线上的摄像头来获取覆冰形态训练样本集和待检测覆冰 图像；
23.在本技术实施例中，需要使用覆冰形态训练样本集作为数据基础来构建覆 冰形态特征库，以及还需要采集待检测覆冰图像。因此，需要先采集覆冰形态 训练样本集，具体的：在高压线上架设有若干个摄像头，利用架设在高压线上 的摄像头在各种天气、光照条件下，进行图像采集一定量雨凇、混合凇和无覆 冰的彩色图像集，继而将彩色图像集做为覆冰形态训练样本集。同理，待测覆 冰图像也是使用架设在高压线上的摄像头进项采集。
24.在本技术实施例中，采集待检测覆冰图像可以在申请实施例中的步骤101 中采集，也可以在步骤106之前任一步骤中采集，具体不做具体限制。
25.在本实施例中，在高压线上假设有若干个摄像头可以为一个摄像头，也可 以为多个摄像头；且摄像头可以是固定式摄像头，也可以是拆卸式摄像头；且 摄像头可以是360
°
全方位的摄像头，也可以不是360
°
全方位的摄像头；具体 在本实施例中不做具体限定。
26.102、对覆冰形态训练样本集进行预处理获取预处理图像样本集；
27.在采集好覆冰形态训练样本集之后，需要对覆冰形态训练样本集进行预处 理，具体的：对采集到图像ik进行标注，标注出高压线的轮廓以及覆冰形态lk， 其中lk是v(雨凇)、m(混合凇)以及n(无覆冰)中的一个。继而截取覆冰形态训 练样本集的任一图像中的(彩色图像集中的任一图像)高压线区域的图像，并 将其矫正为矩形图像作为训练样本。并对覆冰形态训练样本集中的图像进行旋 转、左右镜像进行变换，通过数据增强增加样本的数据，即完成覆冰形态训练 样本集的预处理并获取预处理图像样本集。
28.103、将预处理图像样本集输入预设训练vgg模型中进行训练来获取预处理 图像样本集的纹理特征；
29.当覆冰形态训练样本集进行预处理获取到预处理图像样本集之后，将在不 同天气、光照条件下分别采集雨凇、雾凇、混合凇、无覆冰的彩色图像作为四 中不同类型的图像集(即四类图像集)，其中四类图像集合分别记作xk，其中1≤ k≤4。继而对xk中的每幅图像进行缩放2s，其中s＝-3,-2.5,
…
,1.5，并将缩 放后的图像放入xk中，同时也将xk里的图像集转换成imagenet数据集。
30.最后使用imagenet数据集中的图像，对vgg-vd 19层cnn网络进行预训练。 对于xk中的每幅图像，在其中心截取一个224
×
224的图像块作为预训练 vgg-vd网络的输入，将
vgg-vd最后一个卷积层输出的49个512维的数据作为 其纹理特征，并将这49个特征加入特征集tk。
31.104、使用k-means聚类方法对纹理特征进行聚类确定类聚中心；
32.获取预处理图像样本集的纹理特征之后，对这些纹理特征使用k-means聚 类方法进行分类，并确定类聚中心；k-means聚类方法的基本思想为通过迭代寻 找k个簇(cluster)的一种划分方案，使得聚类结果对应的损失函数最小。具 体的，先将每一图像的纹理特征设为一个点，继而在多个点中随机选取k个中 心(即k个簇)；继而使用预设定义函数和迭代方式对每一个点(每一个图像 的纹理特性)分配至其距离最近的中心，即形成k个簇；当簇形成后，对于每 个簇还需要重新计算该簇的中心，即形成每个簇的中心(类聚中心)。
33.在本实施例中，将架空线缆覆冰的覆冰形态分为雨凇、雾凇、混合凇、无 覆冰四类状态，即k选取的数值为4；但k还可以根据预设多类型状态来任意选 取任一具体数值，具体此处不做具体限定。
34.105、根据类聚中心构建覆冰形态特征库；
35.在本实施例中，覆冰形态特征库是基于vgg-19神经网络构建的，当类聚中 心确定之后，覆冰形态特征库中就存储有各个类聚中心，即在本实施例中的覆 冰形态特征库中就存储有以雨凇、雾凇、混合凇、无覆冰为类聚中心的数据信 息。
36.106、将待检测覆冰图像输入覆冰形态特征库，以使得覆冰形态特征库根据 类聚中心来确定待检测图像的纹理特征，并根据待检测图像的纹理特征确定覆 冰形态；
37.采集到待检测覆冰图像之后，在本实施例中，待检测覆冰图像设为i，在其 中随机截取一个224
×
224的图像块，将其分别作为预训练vgg-vd模型的输入， 并将vgg-vd最后一个卷积层的输出的49个512维向量f＝{f1,f2,
…
,f
49
}作为其 纹理特征集。
38.继而对于纹理特征fi，将其与第k类聚类中心fk中向量的最小距离作为它与 第k类特征的距离即：
[0039][0040]
再对于纹理特征集f，它到第k类聚类中心fk的距离dk定义为：
[0041][0042]
最后把距离f最近的类别作为其所属的类别t：
[0043][0044]
即完成检测待检测图像的覆冰形态。
[0045]
获取覆冰形态训练样本集和待检测覆冰图像；根据覆冰形态训练样本集构 建覆冰形态特征库；将待检测覆冰图像输入覆冰形态特征库来确定覆冰形态。 本技术先通过构建一个覆冰形态特征库来确定图像的覆冰形态，减少了一张一 张的图像进行检测覆冰的状态的计算量和降低了计算的复杂度，能够快速准确 地检测架空电缆上的覆冰形态，建立雨凇、雾凇、混合凇、无覆冰四类状态的 自动识别方法。
[0046]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述 的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。
[0047]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方 法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性 的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另 外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或 一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直 接耦合或通信连接可以是通过一些界面，装置或单元的间接耦合或通信连接， 可以是电性，机械或其他的形式。
[0048]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为 单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者 也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部 单元来实现本实施例方案的目的。
[0049]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元 中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。
[0050]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或 使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术 的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或 部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质 中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或 者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的 存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随 机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储 程序代码的介质。