一种输电线路施工隐患的检测管理方法、装置及系统

技术领域

本发明涉及输电线路施工隐患的检测管理领域，涉及一种输电线路施工隐患的检测管理方法、装置及系统。

背景技术

由于输电线路分布广、密集，大量的道路、港口、建筑物施工场所和输电线路通道重叠，施工现场中存在大量破坏力强、工作半径大、超高的机械如起重机、塔吊、挖掘机，为了防止这些隐患设备破坏输电系统，需要实时持续监测这些隐患目标。

在现有技术中，由于图像视频设备具备造价低、能直观反映现场情况的优点，因此，通常将图像视频设备广泛应用于与电网监测系统中，以人工进行施工隐患的检测、识别与预警。

但是，由于监测终端设备总量大，运维人员无法同时追踪所用线路的状态，从而使得监测效率较低；与此同时，视频图像携带的数据量大且大多为重复数据，使得数据传输的负荷较大。

因此，当前需要一种输电线路施工隐患的检测管理方法、装置及系统。

发明内容

针对现存的上述技术问题，本发明的目的在于提供一种输电线路施工隐患的检测管理方法、装置及系统，从而提升监测的效率并减轻数据传输压力。

本发明提供了一种输电线路施工隐患的检测管理方法，所述检测管理方法包括：根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线；获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，获得检测结果；所述施工机械检测模型具有SSD-Mobile Net神经网络结构；根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

在一个实施例中，在在根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线之前，所述检测管理方法还包括：获取多个历史施工隐患图像，并分别标注出各个历史施工隐患图像中的施工机械的外接矩形和类别，对应获得第一历史施工隐患图像；分别将各个第一历史施工隐患图像缩放至预设的尺寸，以对应获取第二历史施工隐患图像；将所述第二历史施工隐患图像输入SSD-Mobile Net网络中进行训练，获得施工机械检测模型。

在一个实施例中，根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线，具体包括：通过张正友标定法以及预设的四参数模型，确定相机的内参矩阵；根据所述内参矩阵以及预设的限高警戒面标准，计算获得限高警戒线。

在一个实施例中，所述检测管理方法还包括：根据所述隐患检测结果，判断是否需要进行远程预警；若需要，则发送预警数据，并将预警数据存储入历史预警数据组中。

在一个实施例中，根据所述隐患检测结果，判断是否需要进行远程预警，具体包括：判断所述隐患检测结果中是否存在超高隐患；若存在超高隐患，则判断历史预警数据组中是否存在预警数据；如果所述历史预警数据组中不存在预警数据，则需要进行远程预警；如果所述历史预警数据组中存在预警数据，则计算所述隐患检测结果对应的第一检测时间与距离所述第一检测时间最近的预警数据对应的第二检测时间之间的时间间隔，并判断所述时间间隔是否大于预设的间隔阈值；若所述时间间隔大于预设的间隔阈值，则需要进行远程预警；若所述时间间隔不大于预设的间隔阈值，则判断所述隐患检测结果中超高隐患的第一数量是否大于多数第二检测时间对应的预警数据中超高隐患的第二数量；如果所述第一数量大于所述第二数量，则需要进行远程预警。

本发明还提供了一种输电线路施工隐患的检测管理装置，所述检测管理装置包括标定计算单元、机械识别单元以及检测判断单元，其中，所述标定计算单元用于根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线；所述机械识别单元用于获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，获得检测结果；所述施工机械检测模型具有SSD-Mobile Net神经网络结构；所述检测判断单元用于根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

在一个实施例中，所述检测管理装置还包括模型训练单元，所述模型训练单元用于：获取多个历史施工隐患图像，并分别标注出各个历史施工隐患图像中的施工机械的外接矩形和类别，对应获得第一历史施工隐患图像；分别将各个第一历史施工隐患图像缩放至预设的尺寸，以对应获取第二历史施工隐患图像；将所述第二历史施工隐患图像输入SSD-Mobile Net网络中进行训练，获得施工机械检测模型。

在一个实施例中，所述检测管理装置还包括远程预警单元，所述远程预警单元用于：根据所述隐患检测结果，判断是否需要进行远程预警；若需要，则发送预警数据，并将预警数据存储入历史预警数据组中。

本发明还提供了一种输电线路施工隐患的检测管理系统，所述检测管理系统包括检测管理模块、数据存储模块以及单目相机，所述检测管理模块、数据存储模块以及单目相机之间通信连接，所述数据存储模块用于存储所有数据，所述检测管理模块用于执行如前所述的输电线路施工隐患的检测管理方法，所述单目相机用于采集并向所述检测管理模块发送待检测管理的线路施工图像。

在一个实施例中，所述检测管理系统还包括用户交互模块，所述用户交互模块用于接收所述检测管理模块发送的预警数据，并将所述预警数据发送给用户。

相比于现有技术，本发明实施例具有如下有益效果：

本发明提供了一种输电线路施工隐患的检测管理方法、装置及系统，通过事先计算定义限高警戒线，利用具有SSD-Mobile Net神经网络结构的施工机械检测模型对待检测管理的线路施工图像进行检测，该检测管理方法、装置及系统提升了监测的效率，并减轻了数据传输压力。

进一步地，本发明提供的一种输电线路施工隐患的检测管理方法、装置及系统还通过根据隐患检测结果，灵活判断是否需要进行远程预警，从而进一步减轻了数据传输压力。

附图说明

下文将结合说明书附图对本发明进行进一步的描述说明，其中：

图1示出了根据本发明的一种输电线路施工隐患的检测管理方法的一个实施例的流程图；

图2示出了限高警戒面与相机的空间关系图的一个实施例；

图3示出了根据本发明的一种输电线路施工隐患的检测管理方法的另一实施例的流程图；

图4示出了根据本发明的一种输电线路施工隐患的检测管理装置的一个实施例的结构图；

图5示出了根据本发明的一种输电线路施工隐患的检测管理系统的一个实施例的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

具体实施例一

本发明实施例首先描述了一种输电线路施工隐患的检测管理方法。图1示出了根据本发明的一种输电线路施工隐患的检测管理方法的一个实施例的流程图。

如图1所示，该检测管理方法包括如下步骤：

S1:根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线。

由于施工隐患的识别涉及到图像中施工机械的高度的检测，而不同的相机内参不同，因此，在获得待检测管理的线路施工图像后，首先需要标定单目相机的内参，从而计算出限高警戒线。

图2示出了限高警戒面与相机的空间关系图的一个实施例。

具体地，使用张正友标定法确定相机的内参矩阵K。其中，内参矩阵采用四参数模型：

其中，f

在一个实施例中，根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线，具体包括：通过张正友标定法以及预设的四参数模型，从而确定相机的内参矩阵；根据所述内参矩阵以及预设的限高警戒面标准，计算获得限高警戒线。

在计算获得限高境界线后，应将标定好的相机安装与杆塔上，相机的光轴低于导线的最低点，且尽量平行与导线走向，从而使得限高警戒面标准与相机的空间关系如图2所示。

S2:获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，获得检测结果。

所述施工机械检测模型具有SSD-Mobile Net神经网络结构。检测结果包括施工机械类型以及施工机械位置。其中，施工机械位置包括施工机械的在图像中的外接矩形的左上点、右下点的图像坐标。

将相机拍摄到的线路施工图像缩放为预设的模型输入尺寸：300×300。将缩放后的线路施工图像输入预设的施工机械检测模型中，检测出施工机械在缩放后图像上的归一化位置及置信度：

(x

其中，(x

随后，根据预设的置信度阈值T

式中，W,H分别为相机拍摄到的图片的宽、高，(x′

S3:根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

在获取检测结果后，即可根据检测结果中施工机械的在图像中的外接矩形的左上点、右下点的图像坐标以及前述步骤中计算得出的限高警戒线，将施工机械分类为超高隐患和非超高隐患。具体地，计算施工机械在图像中的最高点y′

在一个实施例中，距离D的计算公式为：

D＝y′

式中，y′

本发明实施例描述了一种输电线路施工隐患的检测管理方法，通过事先计算定义限高警戒线，利用具有SSD-Mobile Net神经网络结构的施工机械检测模型对待检测管理的线路施工图像进行检测，该检测管理方法提升了监测的效率，并减轻了数据传输压力。

具体实施例二

更进一步地，本发明实施例还描述了一种输电线路施工隐患的检测管理方法。图3示出了根据本发明的一种输电线路施工隐患的检测管理方法的另一实施例的流程图。

如图3所示，该检测管理方法包括如下步骤：

A1:获取多个历史施工隐患图像，并分别标注出各个历史施工隐患图像中的施工机械的外接矩形和类别，对应获得第一历史施工隐患图像。

外接矩形使用一个归一化的四维向量(x

A2:分别将各个第一历史施工隐患图像缩放至预设的尺寸，以对应获取第二历史施工隐患图像。

在一个实施例中，预设的尺寸为300×300。

A3:将所述第二历史施工隐患图像输入SSD-Mobile Net网络中进行训练，获得施工机械检测模型。

A4:根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线。

由于施工隐患的识别涉及到图像中施工机械的高度的检测，而不同的相机内参不同，因此，在对施工图像进行施工机械检测前要先标定单目相机的内参，从而计算出限高警戒线。

图2示出了限高警戒面与相机的空间关系图的一个实施例。

具体地，使用张正友标定法确定相机的内参矩阵K。其中，内参矩阵采用四参数模型：

其中，f

在一个实施例中，所述根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线，具体包括：通过张正友标定法以及预设的四参数模型，从而确定相机的内参矩阵；根据所述内参矩阵以及预设的限高警戒面标准，计算获得限高警戒线。

在计算获得限高境界线后，应将标定好的相机安装与杆塔上，相机的光轴低于导线的最低点，且尽量平行与导线走向，从而使得限高警戒面标准与相机的空间关系如图2所示。

A5:获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，获得检测结果。

所述施工机械检测模型具有SSD-Mobile Net神经网络结构。检测结果包括施工机械类型以及施工机械位置。其中，施工机械位置包括施工机械的在图像中的外接矩形的左上点、右下点的图像坐标。

将相机拍摄到的线路施工图像缩放为预设的模型输入尺寸：300×300。将缩放后的线路施工图像输入预设的施工机械检测模型中，检测出施工机械在缩放后图像上的归一化位置及置信度：

(x

其中，(x

随后，根据预设的置信度阈值T

式中，W,H分别为相机拍摄到的图片的宽、高，(x′

A6：根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

在获取检测结果后，即可根据检测结果中施工机械的在图像中的外接矩形的左上点、右下点的图像坐标以及前述步骤中计算得出的限高警戒线，将施工机械分类为超高隐患和非超高隐患。具体地，计算施工机械在图像中的最高点y′

在一个实施例中，距离D的计算公式为：

D＝y′

式中，y′

在获取隐患检测结果后，即可根据隐患检测结果确定是否需要进行远程预警以使用户针对相应的隐患及时采取措施。

在一个实施例中，所述检测管理方法还包括：根据所述隐患检测结果，判断是否需要进行远程预警；若需要，则发送预警数据，并将预警数据存储入历史预警数据组中。

具体地，判断方法为：若是当前的预警信息为第一次告警，则进行远程预警；否则，计算距离上一次上报的时间间隔Δt，若Δt>T

在一个实施例中，根据所述隐患检测结果，判断是否需要进行远程预警，具体包括：判断所述隐患检测结果中是否存在超高隐患；若存在超高隐患，则判断历史预警数据组中是否存在预警数据；如果所述历史预警数据组中不存在预警数据，则需要进行远程预警；如果所述历史预警数据组中存在预警数据，则计算所述隐患检测结果对应的第一检测时间与距离所述第一检测时间最近的预警数据对应的第二检测时间之间的时间间隔，并判断所述时间间隔是否大于预设的间隔阈值；若所述时间间隔大于预设的间隔阈值，则需要进行远程预警；若所述时间间隔不大于预设的间隔阈值，则判断所述隐患检测结果中超高隐患的第一数量是否大于多数第二检测时间对应的预警数据中超高隐患的第二数量；如果所述第一数量大于所述第二数量，则需要进行远程预警。

本发明实施例描述了一种输电线路施工隐患的检测管理方法，通过事先计算定义限高警戒线，利用具有SSD-Mobile Net神经网络结构的施工机械检测模型对待检测管理的线路施工图像进行检测，该检测管理方法提升了监测的效率，并减轻了数据传输压力；进一步地，本发明实施例描述的一种输电线路施工隐患的检测管理方法还通过根据隐患检测结果，灵活判断是否需要进行远程预警，从而进一步减轻了数据传输压力。

具体实施例三

除上述方法外，本发明实施例还描述了一种输电线路施工隐患的检测管理装置。图4示出了根据本发明的一种输电线路施工隐患的检测管理装置的一个实施例的结构图。

如图4所示，该检测管理装置包括标定计算单元11、机械识别单元12以及检测判断单元13。

其中，标定计算单元11用于根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线。

机械识别单元12用于获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，从而获得检测结果。所述施工机械检测模型具有SSD-MobileNet神经网络结构。

检测判断单元13用于根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

当需要进行输电线路施工隐患的检测管理时，首先，通过获取计算单元11根据张正友标定法，标定单目相机的内参矩阵，并根据所述内参矩阵计算限高警戒线；随后，通过机械识别单元12获取待检测管理的线路施工图像，并将所述线路施工图像输入预设的施工机械检测模型，从而获得检测结果；最后，通过检测判断单元13根据所述检测结果以及所述限高警戒线，获取隐患检测结果。

在一个实施例中，所述检测管理装置还包括模型训练单元，所述模型训练单元用于：获取多个历史施工隐患图像，并分别标注出各个历史施工隐患图像中的施工机械的外接矩形和类别，从而对应获得第一历史施工隐患图像；分别将各个第一历史施工隐患图像缩放至预设的尺寸，以对应获取第二历史施工隐患图像；将所述第二历史施工隐患图像输入SSD-Mobile Net网络中进行训练，从而获得施工机械检测模型。

在一个实施例中，所述检测管理装置还包括远程预警单元，所述远程预警单元用于：根据所述隐患检测结果，判断是否需要进行远程预警；若需要，则发送预警数据，并将预警数据存储入历史预警数据组中。

本发明实施例描述了一种输电线路施工隐患的检测管理装置，通过事先计算定义限高警戒线，利用具有SSD-Mobile Net神经网络结构的施工机械检测模型对待检测管理的线路施工图像进行检测，该检测管理装置提升了监测的效率，并减轻了数据传输压力；进一步地，本发明实施例描述的一种输电线路施工隐患的检测管理装置还通过根据隐患检测结果，灵活判断是否需要进行远程预警，从而进一步减轻了数据传输压力。

具体实施例四

除上述方法和装置外，本发明还描述了一种输电线路施工隐患的检测管理系统。图5示出了根据本发明的一种输电线路施工隐患的检测管理系统的一个实施例的结构图。

如图5所示，该检测管理系统包括检测管理模块1、数据存储模块2以及单目相机3，所述检测管理模块1、数据存储模块2以及单目相机3之间通信连接，所述数据存储模块2用于存储所有数据，所述检测管理模块1用于执行如前所述的输电线路施工隐患的检测管理方法，所述单目相机3用于采集并向所述检测管理模块发送待检测管理的线路施工图像。

在一个实施例中，所述检测管理系统还包括用户交互模块，所述用户交互模块用于接收所述检测管理模块发送的预警数据，并将所述预警数据发送给用户。

在一个实施例中，用户交互模块为远程监测后台。

与国内现有技术方案相比，本发明技术方案具有下述明显优点：

1、使用SSD-Mobile Net网络实时识别隐患目标，在嵌入式处理器上能达到每秒30帧的识别速率。

2、利用单目像机的主点设置隐患的超高警戒线，确定隐患目标是否超高，仅使用相机的内在参数，无需场景的结构化信息的灵活、使用范围广。

3、实时统计隐患分布情况，根据相邻监测帧的隐患数据分布的变化情况自动上报告警信息，有效地降低服务器的运行压力和运维人员的工作量。

本发明实施例描述了一种输电线路施工隐患的检测管理系统，通过事先计算定义限高警戒线，利用具有SSD-Mobile Net神经网络结构的施工机械检测模型对待检测管理的线路施工图像进行检测，该检测管理系统提升了监测的效率，并减轻了数据传输压力；进一步地，本发明实施例描述的一种输电线路施工隐患的检测管理系统还通过根据隐患检测结果，灵活判断是否需要进行远程预警，从而进一步减轻了数据传输压力。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。