本申請涉及人工智能，尤其涉及一種導(dǎo)線異常識別方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、導(dǎo)線在電力系統(tǒng)當(dāng)中發(fā)揮關(guān)鍵性的作用，其被稱之為“電力血管”，關(guān)系國計民生與國防安全。現(xiàn)階段，在現(xiàn)代化建設(shè)步伐加快的宏觀背景下，電力事業(yè)進一步發(fā)展，對于電力系統(tǒng)的安全穩(wěn)定性要求越來越高。然而電力線路中的導(dǎo)線基本上都是鋼芯鋁絞線，長時間暴露在野外環(huán)境當(dāng)中，由于雷擊或機械疲勞容易出現(xiàn)斷股或者損傷的問題，尤其在沿海地區(qū)，受到臺風(fēng)等影響，病害現(xiàn)象出現(xiàn)比較多。這些導(dǎo)線斷股和損失將影響電力系統(tǒng)的安全穩(wěn)定性，因此，需要對輸電線路以及配網(wǎng)線路中的導(dǎo)線斷股以及損傷進行檢測。

技術(shù)實現(xiàn)思路

1、有鑒于此，本申請實施例提供了一種導(dǎo)線異常識別方法、裝置、電子設(shè)備及存儲介質(zhì)，以解決現(xiàn)有技術(shù)中導(dǎo)線異常識別精度不高的問題。

2、本申請實施例的第一方面，提供了一種導(dǎo)線異常識別方法，該方法用于識別輸電線路或者配網(wǎng)線路中的異常導(dǎo)線，該方法包括：

3、獲取輸入圖像，輸入圖像包括待識別導(dǎo)線；

4、使用分段任意模型(segment?anything?model，sam)對輸入圖像進行分割，得到預(yù)分割圖像；

5、使用訓(xùn)練好的邊緣增強單元對預(yù)分割圖像進行增強，得到分割圖像，分割圖像包括待識別導(dǎo)線的位置信息；

6、使用待識別導(dǎo)線位置信息在輸入圖像中確定目標(biāo)區(qū)域，并將目標(biāo)區(qū)域裁剪為n個目標(biāo)圖像塊，n為正整數(shù)；

7、將各目標(biāo)圖像塊輸入訓(xùn)練好的基于自注意力機制的圖像識別模型，得到導(dǎo)線異常識別結(jié)果。

8、本申請實施例的第二方面，提供了一種導(dǎo)線異常識別裝置，包括：

9、獲取模塊，被配置為獲取輸入圖像，輸入圖像包括待識別導(dǎo)線；

10、預(yù)分割模塊，被配置為使用sam模型對輸入圖像進行分割，得到預(yù)分割圖像；

11、增強模塊，被配置為使用訓(xùn)練好的邊緣增強單元對預(yù)分割圖像進行增強，得到分割圖像，分割圖像包括待識別導(dǎo)線的位置信息；

12、裁剪模塊，被配置為使用待識別導(dǎo)線位置信息在輸入圖像中確定目標(biāo)區(qū)域，并將目標(biāo)區(qū)域裁剪為n個目標(biāo)圖像塊，n為正整數(shù)；

13、識別模塊，被配置為將各目標(biāo)圖像塊輸入訓(xùn)練好的基于自注意力機制的圖像識別模型，得到導(dǎo)線異常識別結(jié)果。

14、本申請實施例的第三方面，提供了一種電子設(shè)備，包括存儲器、處理器以及存儲在存儲器中并且可在處理器上運行的計算機程序，該處理器執(zhí)行計算機程序時實現(xiàn)上述方法的步驟。

15、本申請實施例的第四方面，提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述方法的步驟。

16、本申請實施例與現(xiàn)有技術(shù)相比存在的有益效果是：本申請實施例通過使用sam模型對包含待識別導(dǎo)線的輸入圖像進行分割，并使用邊緣增強單元對sam模型分割得到的圖像進行增強，得到包含待識別導(dǎo)線位置信息的分割圖像，然后使用待識別導(dǎo)線位置信息在輸入圖像中確定目標(biāo)區(qū)域，將目標(biāo)區(qū)域裁剪為多個目標(biāo)圖像塊，使用訓(xùn)練好的基于自注意力機制的圖像識別模型對該多個目標(biāo)圖像塊進行識別，得到導(dǎo)線異常識別結(jié)果，在復(fù)雜背景圖像下仍然能夠準(zhǔn)確檢測出導(dǎo)線異常，且無需大量樣本數(shù)據(jù)進行訓(xùn)練，識別精度較高且成本較低，便于大規(guī)模推廣應(yīng)用。

技術(shù)特征：

1.一種導(dǎo)線異常識別方法，其特征在于，所述方法用于識別輸電線路或者配網(wǎng)線路中的異常導(dǎo)線，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，使用sam模型對所述輸入圖像進行分割，得到預(yù)分割圖像，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用訓(xùn)練好的邊緣增強單元對所述預(yù)分割圖像進行增強，得到分割圖像，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述使用所述注意力權(quán)重圖對所述預(yù)分割圖像的邊緣信息進行增強，得到所述分割圖像，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用所述待識別導(dǎo)線位置信息在所述輸入圖像中確定目標(biāo)區(qū)域，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將各目標(biāo)圖像塊輸入訓(xùn)練好的基于自注意力機制的圖像識別模型，得到導(dǎo)線異常識別結(jié)果，包括：

7.根據(jù)權(quán)利要求1至6中任一項所述的方法，其特征在于，所述導(dǎo)線異常識別結(jié)果包括導(dǎo)線異常類型和導(dǎo)線異常位置；

8.一種導(dǎo)線異常識別裝置，其特征在于，包括：

9.一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并且可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述方法的步驟。

技術(shù)總結(jié)
本申請涉及人工智能技術(shù)領(lǐng)域，提供了一種導(dǎo)線異常識別方法、裝置、電子設(shè)備及存儲介質(zhì)。該方法通過使用SAM模型對包含待識別導(dǎo)線的輸入圖像進行分割，并使用邊緣增強單元對SAM模型分割得到的圖像進行增強，得到包含待識別導(dǎo)線位置信息的分割圖像，然后使用待識別導(dǎo)線位置信息在輸入圖像中確定目標(biāo)區(qū)域，將目標(biāo)區(qū)域裁剪為多個目標(biāo)圖像塊，使用訓(xùn)練好的基于自注意力機制的圖像識別模型對該多個目標(biāo)圖像塊進行識別，得到導(dǎo)線異常識別結(jié)果，在復(fù)雜背景圖像下仍然能夠準(zhǔn)確檢測出導(dǎo)線異常，且無需大量樣本數(shù)據(jù)進行訓(xùn)練，識別精度較高且成本較低，便于大規(guī)模推廣應(yīng)用。

技術(shù)研發(fā)人員：郭江濤,王楷,曹澍,孟欣欣,肖靖峰,王濤,王曉卓,李雅潔
受保護的技術(shù)使用者：國網(wǎng)新疆電力有限公司信息通信公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10