一种输电线路隐患检测方法、装置、电子设备及存储介质

技术领域

本申请提出了一种输电线路隐患检测方法、系统、电子设备及存储介质，属于输电线路监测领域。

背景技术

随着社会的发展和科技的进步，当今社会对于电力的需求变得越来越大，同时对供电的可靠性要求也越来越高。在电力供应中，输电线路一般距离比较长而且很多的电力输电线路所处环境比较恶劣，这就大大增加了输电线路出现问题的概率而且人工巡线的难度也是成倍地增加。

目前常用的手段是通过人工巡视的方式对电力线路进行检测，或者通过遥感技术对输电线路进行检测确定输电线附近是否有隐患物体会对输电线造成安全隐患，但是该方式存在着一定的缺陷，一方面，一般情况下电力线路通道区域跨度长，有大量检测路线需要穿过地质条件复杂且偏远的山区，人工监测费时费力，另一方面，在基于遥感技术检测是否存在隐患物体时，检测区域的天气和被检测路线上的输电线路类型对检测结果都有较大影响，比如云层覆盖、雨雾、大风等恶劣天气对遥感图像的获取以及遥感图像的质量都有影响导致检测结果不准确。

发明内容

本申请提供一种输电线路隐患检测方法、装置、电子设备及存储介质，面对不同的天气和电力线路类型采用不同的检测方式检测，大大提高了检测结果的准确性。

第一方面，本申请提供了一种输电线路检测方法，包括：

根据输电线路标准图划分监测区域，获取监测区域的天气数据和监测区域的输电线类型；

根据天气数据和输电线类型，确定各监测区域对应的检测模式；

根据检测模式对监测区域内的输电线路进行检测，得到检测结果。

通过采用上述技术方案，通过监测区域的天气数据和监测区域的输电线类型确定检测方式，面对不同的天气和输电线类型采用不同的检测方式，相比于现有技术面对不同的天气和输电线类型采用同一种检测方式进行检测，可以有效地减少天气因素和输电线类型因素对检测结果的影响，大大提高了检测结果的准确性。

可选的，根据输电线路标准图划分监测区域，包括：

获取输电线路标准图中输电线路的线矢量；

获取输电线路测试图像范围图，并将线矢量与输电线路测试图像范围图进行比对，判断线矢量是否发生偏移；

若线矢量发生偏移，则重新确定线矢量；

若线矢量未发生偏移，则将线矢量向宽度方向两侧外扩预设距离，得到监测区域。

通过采用上述技术方案，通过获取输电线路测试图像范围图，并根据输电线路测试图像范围图中的输电线位置范围，判断线矢量是否发生偏移，确定输电线路的实际定位，从而确定监测区域，能够获取更加准确的检测结果。

可选的，根据天气数据和输电线类型，确定各监测区域对应的检测模式，包括：

根据监测区域的天气数据确定天气类型，天气类型包括良好天气、恶劣天气和冰冻天气；

当监测区域的天气类型为良好天气时，且监测区域的输电线类型为架空铝合金线路或者架空裸导线线路时，则确定检测模式为全色遥感检测模式；

当监测区域的天气类型为良好天气时，且监测区域的输电线类型为架空绝缘导线线路或者架空导线线路时，则确定检测模式为多光谱全色遥感融合检测模式；

当监测区域的天气类型为恶劣天气时，则确定检测模式为雷达遥感检测模式；

当监测区域的天气类型为冰冻天气时，则确定检测模式为红外遥感检测模式。

通过采用上述技术方案，本申请根据天气类型和输电线类型对获取遥感图像的影响，选择不同的检测模式，减小天气类型和输电线类型对检测模式的影响，可以获取能够获取更加准确的检测结果。

可选的，检测模式为全色遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括：

获取监测区域的全色遥感图像，对全色遥感图像进行预处理，得到目标全色遥感图像；

基于目标检测算法，检测目标全色遥感图像中的目标物体；

通过随机森林算法，对目标物体进行分类，得到分类结果；

基于分类结果确定隐患物体；

将隐患物体在目标全色遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

通过采用上述技术方案，在天气类型和输电线类型对检测模式影响较小时，采样全色遥感检测模式进行检测，通过获取分辨率较高的全色遥感图像，能够为更好的确定隐患物体，得到更加准确的检测结果。

可选的，检测模式为多光谱全色遥感融合检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括：

获取监测区域的高分辨率全色波段图像和多光谱低分辨率图像；

分别对监测区域的高分辨率全色波段图像和多光谱低分辨率图像进行预处理，得到输电线路的高分辨率全色波段图像的融合图像和多光谱低分辨率图像的融合图像；

基于高分辨率全色波段图像的融合图像和多光谱低分辨率图像的融合图像进行稀疏融合，得到高分辨率多光谱图像的不同波段图像；

通过深度学习模型对高分辨率多光谱图像的不同波段图像进行处理，得到隐患识别分类结果；

基于隐患识别分类结果，确定隐患物体在高分辨率多光谱图像的不同波段图像坐标；

将隐患物体在高分辨率多光谱图像的不同波段图像坐标映射到实际坐标系，得到隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

通过采用上述技术方案，通过采用输电线类型影响较小的多光谱全色遥感融合检测模式，提高了检测结果的准确性。

检测模式为雷达遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括：

获取监测区域的雷达遥感数据，对雷达遥感数据进行预处理，获取监测区域的同向极化数据以及交叉极化数据；

基于同向极化数据与交叉极化数据的比值，对雷达遥感数据进行数据增强，得到数据增强结果；

基于数据增强结果，获取隐患物体信息，隐患物体信息包括隐患物体位置信息；

基于隐患物体信息，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

通过采用上述技术方案，在天气类型为恶劣天气时，采用雷达遥感检测模式进行检测，雷达遥感检测模式受天气类型和输电线类型影响较小，能够为更好的确定隐患物体，得到更加准确的检测结果。

可选的，检测模式为红外遥感模式检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括：

获取红外遥感图像并进行预处理得到目标红外遥感图像；

将目标红外遥感图像输入深度学习模型中，提取目标红外遥感图像中的隐患物体；

将隐患物体在目标红外遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

通过采用上述技术方案，在天气类型是冰冻天气时，采用红外遥感检测模式进行检测，通过红外遥感确定隐患物体的坐标，能够有效的确定在冰冻天气下，隐患物体中的覆冰，能够大大提高了检测结果的准确性。

在本申请的第二方面提供了一种输电线路隐患检测系统，包括：

监测区域划分模块，用于根据输电线路标准图划分监测区域，获取监测区域的天气数据和监测区域的输电线类型；

检测模式匹配模块，用于根据天气数据和输电线类型，确定各监测区域对应的检测模式；

检测模块，用于根据检测模式对监测区域内的输电线路进行检测，得到检测结果。

在本申请的第三方面提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

在本申请的第四方面提供了一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。

综上，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、本申请通过监测区域的天气数据和监测区域的输电线类型确定检测方式，面对不同的天气和输电线类型采用不同的检测方式，相比于现有技术面对不同的天气和输电线类型采用同一种检测方式进行检测，可以有效地减少天气因素和输电线类型因素对检测结果的影响，大大提高了检测结果的准确性。

2、本申请通过获取输电线路测试图像范围图，并将线矢量与输电线路测试图像范围图进行比对，判断线矢量是否发生偏移，确定输电线路的实际定位，从而确定监测区域，能够获取更加准确的检测结果。

3、本申请根据天气类型和输电线类型对获取遥感图像的影响，选择不同的检测模式，减小天气类型和输电线类型对检测模式的影响，可以获取能够获取更加准确的检测结果。

附图说明

图1为本申请实施例提供的一种输电线路隐患检测方法流程示意图；

图2为本申请实施例提供的一种输电线路隐患检测系统架构图；

图3是本申请实施例的提供的一种电子设备的结构示意图。

附图标记说明：1、监测区域划分模块；2、检测模式匹配模块；3、检测模块；300、电子设备；301、处理器；302、通信总线；303、用户接口；304、网络接口；305、存储器。

实施方式

为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

为了便于理解本申请实施例提供的方法及系统，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。

随着社会的发展和科技的进步，当今社会对于电力的需求变得越来越大，同时对供电的可靠性要求也越来越高。在电力供应中，输电线路一般距离比较长而且很多的电力输电线路所处环境比较恶劣，这就大大增加了输电线路出现问题的概率而且人工巡线的难度也是成倍地增加。

目前随着遥感技术在输电线路领域方面的应用，为大大减少了输电线路出现问题的概率，并且也大大减少了人工巡线的成本，但是目前的基于遥感技术对输电线路进行检测的时候天气和被检测路线上的电力线路类型对检测结果都有较大影响，使得现有检测方法，大多存在着检测结果不准确的问题。

经过上述内容的背景介绍，本领域技术人员可以了解现有技术中存在的问题，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

在上述背景技术的基础上，进一步地，请参阅图1 ，图1为本申请实施例中一种输电线路隐患检测方法流程示意图，该方法可依赖于计算机程序实现，也可作为独立的工具类应用运行，具体的，该方法包括步骤101至步骤103，上述步骤如下：

步骤101、根据输电线路标准图划分监测区域，获取监测区域的天气数据和监测区域的输电线类型；

输电线路标准图在本申请实施例中可以理解为输电线的架设线路图，具体的，根据输电线路标准图划分监测区域是将架设线路图基于预设的规则划分为N个监测区域。天气数据为当时监测区域的天气气象数据，包括温度、湿度和气压等气象数据。输电线类型为输电线架设时采用的输电线路的材质类型，包括架空电缆线路、架空铝合金线路、架空裸导线线路、架空绝缘导线线路。

在上述实施例的基础上，作为一种可选的实施例，步骤101根据输电线路标准图划分监测区域，获取监测区域的天气数据和监测区域的输电线类型，具体还可以包括以下步骤：

步骤201：获取输电线路标准图中输电线路的线矢量；

具体的，通过确定输电线路标准图中塔杆之间的坐标信息，并生成坐标点，同时根据输电线路中杆塔之间的电力传输关系，连接坐标点数据并转换为线矢量，确定输电线路标准图中输电线路的线矢量。

步骤202：获取输电线路测试图像范围图，并根据输电线路测试图像范围图中的输电线位置范围，判断线矢量是否发生偏移；

步骤203：若线矢量发生偏移，则重新确定线矢量；

步骤204：若线矢量未发生偏移，则将线矢量向宽度方向两侧外扩预设距离，得到监测区域。

具体的，输电线路测试图像范围图，为预划分监测区域的遥感图像，遥感图像具体范围大小为预设的监测范围的大小，通过遥感平台获取预划分监测区域的遥感图像。通过对输电线路测试图像范围图进行预处理，预处理手段包括图像增强、滤波、二值化等，以帮助减少噪声和提高输电线路测试图像范围图质量，然后对预处理后的输电线路测试图像范围图进行边缘检测确定预划分监测区域遥感图像中输电线的位置，并将根据输电线的位置根据预设的规则划分位置范围，将位置范围与线矢量进行比对，当线矢量在位置范围内时，则说明输电线路标准图中标识的输电线位置是正确的，获取的遥感图像是在划分监测范围内的；当比对结果不在位置范围内时，则说明输电线路标准图中标识的输电线位置有误，获取的遥感图像不在划分的监测范围内，需要重新确定实际的矢量线。

需要说明的是，因遥感拍摄需要直接调动卫星资源进行针对性拍摄，而遥感拍摄的最小宽度要求不能少于5公里，当监测区域划分较小时，会出现拍摄区域重合的情况，对于卫星资源有一定的浪费，因此在本实施例中，根据输电线路的线矢量进行左右2 .5公里的外扩，外扩后的范围为预设的监测范围的大小。

步骤102、根据天气数据和输电线类型，确定各监测区域对应的检测模式；

具体的，在本申请实施例中，步骤102具体可以包括以下步骤：

步骤301：根据监测区域的天气数据确定天气类型，天气类型包括良好天气、恶劣天气和冰冻天气；

其中，当天气数据中温度、湿度和气压等气象数据在良好天气的数据认定范围内时，认定当时的天气为良好天气；当天气数据中温度、湿度和气压等气象数据在恶劣天气的数据认定范围内时，认定当时的天气为恶劣天气；当天气数据中温度、湿度和气压等气象数据在冰冻天气的数据认定范围内时，认定当时的天气为冰冻天气。

具体的，良好天气：良好天气通常指晴天或多云天气。具体的判断依据包括：日照时间：当日照时间占全天总时间的比例高于一定阈值时，可以判断为良好天气；降水量：当降水量低于一定阈值时，可以判断为良好天气；云量：当云量低于一定阈值时，可以判断为良好天气。

恶劣天气：恶劣天气通常指降水、风暴、雷雨、霾等天气条件不佳的情况。具体的判断依据包括：降水量：当降水量高于一定阈值时，可以判断为恶劣天气；风速：当风速高于一定阈值时，可以判断为恶劣天气；能见度：当能见度低于一定阈值时，可以判断为恶劣天气。

冰冻天气：冰冻天气通常指气温低于零度，出现结冰等情况的天气。具体的判断依据包括：气温：当气温低于零度时，可以判断为冰冻天气；降水量：当降水量较大且温度低于一定阈值时，容易导致道路、桥梁等结冰，可以判断为冰冻天气；湿度：当湿度较高且温度低于一定阈值时，容易形成霜冻，可以判断为冰冻天气。

步骤302：当监测区域的天气类型为良好天气时，且监测区域的输电线类型为架空铝合金线路或者架空裸导线线路时，则确定检测模式为全色遥感检测模式；

步骤303：当监测区域的天气类型为良好天气时，且监测区域的输电线类型为架空绝缘导线线路或者架空导线线路时，则确定检测模式为多光谱全色遥感融合检测模式；

步骤304：当监测区域的天气类型为恶劣天气时，则确定检测模式为雷达遥感检测模式；

步骤305：当监测区域的天气类型为冰冻天气时，则确定检测模式为红外遥感检测模式。

其中，全色遥感检测模式是基于全色遥感技术进行检测的检测模式，全色遥感技术受天气因数影响较大，且容易受到输电线类型的影响，当输电线类型为输电线类型为架空铝合金线路或者架空裸导线线路时，采用全色遥感模式容易检测到；

多光谱全色遥感融合检测模式是基于遥感数据融合技术进行检测的检测模式，将全色遥感图像和多光谱遥感图像进行融合进而检测，有绝缘层的架空绝缘导线线路和架空导线线路的反射率较低，单一的获取全色遥感图像或者多光谱遥感图像输电线不容易检测出，需要将两个图像进行融合增强，并且全色遥感图像和多光谱遥感图像的获取容易受到天气的影响，因此当天气类型为良好天气时，且输电线类型为有绝缘层的架空绝缘导线线路和架空导线线路时，选择多光谱全色遥感融合检测模式；

雷达遥感检测模式是基于雷达遥感技术进行检测的检测模式，雷达遥感不容易受到天气和输电线类型的影响，但雷到遥感图像的获取成本较高且数据处理较为复杂，只在天气类型为恶劣天气的情况下使用；

红外遥感检测模式是基于红外遥感技术进行检测的检测模式，当天气类型为冰冻天气时，冰冻天气情况下易产生的覆冰这种隐患物体，采用红外遥感技术检测更精准 ，因此在天气类型为冰冻天气时采用红外遥感检测模式进行检测。

需要说明的是，输电线类型为架空铝合金线路、架空裸导线线路、架空绝缘导线线路和架空导线线路，其中架空铝合金线路和架空裸导线线路的材质为裸露的金属导线，架空绝缘导线线路和架空导线线路为包裹有绝缘层的导线，有绝缘层的架空绝缘导线线路和架空导线线路在反射率较低，裸露的金属导线的架空铝合金线路和架空裸导线线路的反射率较高，反射率的高低会对遥感图像识别产生影响，反射率高的更容易识别，反射率低不容易被识别。

步骤103、根据检测模式对监测区域内的输电线路进行检测，得到检测结果。

具体的，在本申请实施例中，根据各个监测区域的天气数据和输电类型选择对应的监测区域，针对不同的天气类型和输电线类型，能够选择合适的检测模式，能够减少天气和输电线类型对检测结果的影响，选择对应的检测模式对监测区域内的输电线路进行检测，提高了检测结果的准确性。

在本申请实施例中，提出了四种检测模式：全色遥感检测模式、多光谱全色遥感融合检测模式、雷达遥感检测模式和红外遥感检测模式，不同的检测模式存在不同的优缺点，根据天气类型和输电线类型，选择合适的检测模式进行检测，确保检测结果的准确性。

在上述实施例的基础上，作为一种可选的实施例，当检测模式为全色遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括以下步骤：

步骤401：获取监测区域的全色遥感图像，对全色遥感图像进行预处理，得到目标全色遥感图像；

其中，全色遥感图像是通过全色遥感技术获取的图像，全色遥感技术是利用高分辨率遥感传感器获取的单波段（通常为黑白灰度）遥感图像数据进行地物信息的提取和分析的一种遥感技术。

具体的，对全色遥感图像进行预处理，具体手段包括对全色遥感图像进行正射校正处理和归一化处理，具体是采用有理函数模型对全色遥感图像中明显几何畸变进行纠正，归一化处理将前后两个时相的全色遥感图像按照波段进行展开，对每个波段下全色遥感图像的亮度值做归一化处理，从而得到目标全色遥感图像。

步骤402：基于目标检测算法，检测目标全色遥感图像中的目标物体；

其中，在本申请实施例中，目标检测算法可以为YOLO（You Only Look Once）、Faster R-CNN和SSD（Single Shot MultiBox Detector）等检测算法。

具体的，将目标全色遥感图像输入目标检测算法中，对目标全色遥感图像进行特征提取，得到目标物体的特征；基于目标检测算法对目标物体的特征进行特征识别检测到目标全色遥感图像中的目标物体。

步骤403：通过随机森林算法，对目标物体进行分类，得到分类结果；

具体的，将目标检测算法中检测到的目标物体框出来，提取出目标物体的特征向量，特征向量指的是目标物体的图像区域经过特征提取算法处理后得到的一组数值特征。这些数值特征可以描述目标物体在图像中的一些重要表征，例如目标物体的形状、颜色、纹理、边缘等信息。特征向量通常是一个一维的向量，每个元素表示一个特征的取值。将目标物体的特征向量输入到训练好的随机森林模型中进行分类推断，随机森林模型根据目标物体的特征向量在多个决策树中进行分类推断，得到分类结果。

步骤404：基于分类结果确定隐患物体；

步骤405：将隐患物体在目标全色遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

步骤406：根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

具体的，根据分类结果，对目标物体进行筛选，确定其中符合隐患物体标准的物体为隐患物体，其中隐患物体标准可以为建筑物、树木等预设的物体类型，并在目标全色遥感图像上对隐患物体进行框图标记。以图像的左上角的一个像素为原点，以像素为单位确定坐标轴建立坐标系，将图像中的标记坐标转换为图像坐标系中的坐标。

进一步地，根据图像坐标系中的坐标，通过计算、模型拟合或者映射等方法确定隐患物体的实际坐标系中的坐标即实际坐标，得到检测结果。

在上述实施例的基础上，作为一种可选的实施例，检测模式为多光谱全色遥感融合检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括以下步骤：

步骤501：获取监测区域的高分辨率全色波段图像和多光谱低分辨率图像；

其中，高分辨率全色波段图为通过全色遥感获得的遥感图像，多光谱低分辨率图像为通过多光谱遥感获得的图像。

步骤502：分别对监测区域的高分辨率全色波段图像和多光谱低分辨率图像进行预处理，得到输电线路的高分辨率全色波段图像的融合图像和多光谱低分辨率图像的融合图像；

步骤503：基于高分辨率全色波段图像的融合图像和多光谱低分辨率图像的融合图像进行稀疏融合，得到高分辨率多光谱图像的不同波段图像；

具体的，对高分辨率全色波段图像和多光谱低分辨率图像进行预处理，预处理具体包括：裁剪输电线路的高分辨率全色波段图像的第一缓冲区域和第二缓冲区 域，以及输电线路的多光谱低分辨率图像的第一缓冲区域和第二缓冲区域； 基于裁剪输电线路的高分辨率全色波段图像的第一缓冲区域和第二缓冲区域获取输电线路的高分辨率全色波段图像的融合图像，基于输电线路的多光谱低分辨率图像的第一缓冲区域和第二缓冲区域获取输电线路的多光谱低分辨率图像的融合图像。

其中，基于裁剪输电线路的高分辨率全色波段图像的第一缓冲区域和第二缓冲区域获取输电线路的高分辨率全色波段图像的融合图像，包括： 对输电线路的高分辨率全色波段图像的第一缓冲区域进行边缘信息增强；将边缘信息增强后的输电线路的高分辨率全色波段图像的第一缓冲区域与输电线路的高分辨率全色波段图像的第二缓冲区域进行叠加，获取输电线路的高分辨率全色波段图像的融合图像；

需要说明的是，第一缓冲区域为以输电线路为中心向输电线路左右侧延伸2.5km的区域，第二缓冲区域为以输电线路为中心向输电线路前后侧延伸2.5km的区域。

基于输电线路的多光谱低分辨率图像的第一缓冲区域和第二缓冲区域获取输电线路的多光谱低分辨率图像的融合图像，包括：对输电线路的多光谱低分辨率图像的第一缓冲区域进行边缘信息增强；将边缘信息增强后的输电线路的多光谱低分辨率图像的第一缓冲区域与输电线路的多光谱低分辨率图像的第二缓冲区域进行叠加，获取输电线路的多光谱低分辨率图像的融合图像。

进一步地，将高分辨率全色波段图像的融合图像和多光谱低分辨率图像的融合图像输入稀疏融合模型进行融合，得到高分辨率多光谱图像的不同波段图像

步骤504：通过深度学习模型对高分辨率多光谱图像的不同波段图像进行处理，得到隐患识别分类结果；

其中，深度学习模型在本申请的实施例中可以为卷积神经网络（CNN）、循环神经网络（RNN）和循环神经网络（RNN）等深度学习模型。

步骤505：基于隐患识别分类结果，确定隐患物体在高分辨率多光谱图像的不同波段图像坐标；

步骤506：将隐患物体在高分辨率多光谱图像的不同波段图像坐标映射到实际坐标系，得到隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

具体的，将高分辨率多光谱图像输入深度学习模型，将高分辨率多光谱图像进行数据增强处理，然后利用深度学习模型对高分辨率多光谱图像进行特征提取得到目标特征，将目标特征进行融合，得到整张图像的特征表示。其中将目标特征进行融合的方法包括加权平均和多尺度融合。

进一步地，通过深度学习模型中的softmax分类器对根据整张图像的特征表示进行分类预测得到隐患识别分类结果。

进一步地，基于隐患识别分类结果，确定隐患物体，将隐患物体在高分辨率多光谱图像的不同波段图像中进行标记，其中，隐患物体包括树枝、楼房等。

进一步地，高分辨率多光谱图像的不同波段图像建立坐标系，确定在高分辨率多光谱图像的不同波段图像坐标，然后通过映射的方式确定隐患物体的实际坐标。

在上述实施例的基础上，作为一种可选的实施例，检测模式为雷达遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括以下步骤：

步骤601：获取监测区域的雷达遥感数据，对雷达遥感数据进行预处理，获取监测区域的同向极化数据以及交叉极化数据；

其中，同向极化数据是指雷达系统发送的微波信号和接收到的回波信号的极化方向相同的雷达数据，同向极化数据通常包括水平极化（HH）和垂直极化（VV）两种，分别对应着雷达信号的水平和垂直方向的极化；交叉极化数据是指雷达系统发送的微波信号和接收到的回波信号的极化方向不同的雷达数据，同向极化数据通常包括水平极化（HH）和垂直极化（VV）两种，分别对应着雷达信号的水平和垂直方向的极化。

具体的，在本申请实施例中可以通过孔径雷达侦测监测区域，获取监测区域的雷达遥感数据，例如获取监测区域的极化 S A R卫星遥感影像哨兵 1号(Sentinel1)卫星数据，在此之后，对雷达遥感数据进行预处理，包括：对卫星遥感影像进行常规的SAR数据预处理，具体手段为辐射定标、多视处理、地形校正、辐射校正等，由于极化雷达信号可以传送水平(H) 或者垂直(V)电场矢量，以及接收水平(H)或者垂直(V)或者两者的返回信号，经过预处理之 后获得监测区域的VV极化数据(垂直传送，垂直接收)与VH极化数据(垂直传送，水平接收)，数据中每个像素值表示后向散射系数，其中VV极化数据(垂直传送，垂直接收)为同向极化数据，VH极化数据(垂直传送，水平接收)为交叉极化数据。

步骤502：基于同向极化数据与交叉极化数据的比值，对雷达遥感数据进行数据增强，得到数据增强结果；

具体的，由于输电线电磁反射对同向极化VV不敏感而对交叉极化VH敏感，在本实施例中，可以采用比值法进行数据增强，即VV/VH，得到数据增强结果，扩大输电线路与其他物体的后向散射系数差异。

步骤603：基于数据增强结果，获取隐患物体信息，隐患物体信息包括隐患物体位置信息；

步骤604：基于隐患物体信息，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

具体的，通过输电线路与其他物体的后向散射系数差异确定隐患物体信息，隐患物体信息包括隐患物体的位置信息，隐患物体的位置即为隐患物体的实际坐标。

在上述实施例的基础上，作为一种可选的实施例，检测模式为红外遥感模式检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果，包括以下步骤：

步骤701：获取红外遥感图像并进行预处理得到目标红外遥感图像；

步骤702：将目标红外遥感图像输入深度学习模型中，提取目标红外遥感图像中的隐患物体；

其中，深度学习模型在本申请的实施例中可以为卷积神经网络（CNN）、循环神经网络（RNN）和循环神经网络（RNN）等深度学习模型。红外遥感图像是指利用红外传感器获取的地面红外辐射图像。与可见光图像不同，红外图像不是基于地物反射的可见光信号，而是基于地物的红外辐射信号。因此，红外图像可以提供地物的热信息，能够反映地物表面的温度分布和变化情况，具有可见光图像不具备的独特信息。

具体的，通过红外遥感平台获取红外遥感图像，然后对红外遥感图像进行预处理得到目标红外遥感图像，其中对红外遥感图像进行预处理包括：去除坏点：红外传感器容易出现坏点，需要对图像进行坏点去除；去噪声：红外图像噪声较多，需要进行去噪处理。均衡化：红外图像的灰度值分布不均匀，需要进行灰度均衡化，以便提高图像的对比度和清晰度。滤波：红外图像的高频噪声比较明显，需要进行滤波处理，以便保留图像的细节信息；校正：红外图像需要进行校正，以消除因大气吸收和散射引起的图像畸变。

进一步地，将目标红外遥感图像输入深度学习模型中，进行特征提取得到目标特征，然后基于目标特征进行特征识别确定隐患物体，在红外遥感模式下的识别的隐患物体主要是输电线路上的覆冰。

步骤703：将隐患物体在目标红外遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

步骤704：根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

具体的，对于步骤703和步骤704，其确定隐患物体的实际坐标过程与上述步骤405和步骤406的过程一致，在此不过多赘述。

请参阅图2，图2为本申请实施例提供的一种输电线路隐患检测系统架构图，该输电线路隐患检测系统可以包括：监测区域划分模块1、检测模式匹配模块2和检测模块3，其中：

监测区域划分模块1，用于根据输电线路标准图划分监测区域，获取监测区域的天气数据和监测区域的输电线类型；

检测模式匹配模块2，用于根据天气数据和输电线类型，确定各监测区域对应的检测模式；

检测模块3，用于根据检测模式对监测区域内的输电线路进行检测，得到检测结果。

需要说明的是：上述实施例提供的系统在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的系统和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

在上述各实施例的基础上，作为一种可选的实施例，输电线路隐患检测系统中的检测模块，包括：全色遥感检测模式单元、多光谱全色遥感融合检测模式、雷达遥感检测模式单元和红外遥感模式检测模式单元。

全色遥感检测模式单元，用于检测模式为全色遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果；

多光谱全色遥感融合检测模式单元，用于检测模式为多光谱全色遥感融合检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果；

雷达遥感检测模式单元，用于检测模式为全雷达遥感检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果；

红外遥感模式检测模式单元，用于检测模式为红外遥感模式检测模式，根据检测模式对监测区域内的输电线路进行检测，得到检测结果。

在上述各实施例的基础上，作为一个可选实施例，全色遥感检测模式单元可以包括：

目标红外遥感图像获取子单元，用于监测区域的全色遥感图像，对全色遥感图像数据进行预处理，得到目标全色遥感图像；

目标检测子单元，用于基于目标检测算法，检测目标全色遥感图像中的目标物体；

目标分类子单元，用于通过随机森林算法，对目标物体进行分类，得到分类结果；

第一隐患物体确定子单元，用于基于分类结果确定隐患物体；

坐标系建立子单元，将隐患物体在目标全色遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

第一实际坐标确定子单元，根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

在上述各实施例的基础上，作为一个可选实施例，多光谱全色遥感融合检测模式单元可以包括：

图像获取子单元，用于获取监测区域的卫星遥感高分辨率全色波段图像和卫星遥感多光谱低分辨率图像；

融合图像获取子单元，用于分别对监测区域的卫星遥感高分辨率全色波段图像和卫星遥感多光谱低分辨率图像进行预处理，得到输电线路的卫星遥感高分辨率全色波段图像的融合图像和卫星遥感多光谱低分辨率图像的融合图像；

图像融合子单元，用于基于卫星遥感高分辨率全色波段图像的融合图像和卫星遥感多光谱低分辨率图像的融合图像进行稀疏融合，得到高分辨率多光谱图像的不同波段图像；

隐患物体分类子单元，用于通过深度学习模型对高分辨率多光谱图像的不同波段图像进行处理，得到隐患识别分类结果；

第一图像坐标确认子单元，用于基于隐患识别分类结果，确定隐患物体在高分辨率多光谱图像的不同波段图像坐标；

第二实际坐标确定子单元，用于将隐患物体在高分辨率多光谱图像的不同波段图像坐标映射到实际坐标系，得到隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

在上述各实施例的基础上，作为一个可选实施例，雷达遥感检测模式单元可以包括：

数据获取子单元，用于获取监测区域的雷达遥感数据，对雷达遥感数据进行预处理，获取监测区域的同向极化数据以及交叉极化数据；

数据增强子单元，用于基于同向极化数据与交叉极化数据的比值，对雷达遥感数据进行数据增强，得到数据增强结果；

第二隐患物体确认子单元，用于基于数据增强结果，获取隐患物体信息，隐患物体信息包括隐患物体在大小、位置；

第三实际坐标确定子单元，用于基于隐患物体信息，确定隐患物体在实际坐标，将隐患物体的实际坐标作为检测结果。

在上述各实施例的基础上，作为一个可选实施例，红外遥感模式检测模式单元可以包括：

红外遥感图像获取子单元，用于获取红外遥感图像并进行预处理得到目标红外遥感图像；

第三隐患物体确认子单元，用于将目标红外遥感图像输入深度学习中，提取目标红外遥感图像中的隐患物体；

第二图像坐标确认子单元用于， 将隐患物体在目标红外遥感图像上进行标记，并建立图像坐标系确定隐患物体在图像坐标系中的坐标；

第四实际坐标确定子单元，用于根据隐患物体在图像坐标系中的坐标，确定隐患物体的实际坐标，将隐患物体的实际坐标作为检测结果。

本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1所示实施例的输电线路隐患检测方法，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。

请参照图3本申请还公开一种电子设备。图3是本申请实施例的公开的一种电子设备的结构示意图。该电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。

其中，通信总线302用于实现这些组件之间的连接通信。

其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。

其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器301可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。

其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及.一种输电线路隐患检测的应用程序。

在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储一种输电线路隐患检测方法的应用程序，当由一个或多个处理器301执行时，使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可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服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

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。

另外，在本申请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。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器中。基于这样的理解，本申请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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。

本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。