2026-07-25 20:51
导航:X技术最新专利计算;推算;计数设备的制造及其应用技术
本技术针对传统山火监测中无人机图像火点识别速度慢、无法实时测算火点与输电线路距离的问题,提出融合深度学习与卷积神经网络的解决方案。通过可见光与红外图像融合、火点识别框叠加,结合输电线路图像定位,实现火点与线路的快速距离测算,提升山火预警效率与准确性。
本技术涉及数据处理,具体而言,涉及一种距离测算方法及装置、非易失性存储介质、电子设备。
1、电网作为国民经济和社会发展的重要基础设施,其规模随着经济的增长而不断扩大。输电线路作为电网的重要组成部分,其建设和维护任务日益繁重。输电线路通常建设在野外、山地或森林等偏远地区,这些地区由于自然和人为因素,容易发生山火,对电网安全构成严重威胁。
2、山火不仅会对自然环境造成破坏,还可能导致大规模停电事故,严重影响国民经济和人民的日常生活。山火的发生往往与输电线路的安全运行密切相关,因此,对输电线路进行实时巡检,及时发现并处理山火,对于保障电网安全至关重要。
3、当前,山火的管理和预防主要依靠森林防火部门和电力基层部门共同实施的山火预警体系,通过制定法规严格控制火源,加强日常线路巡视,以及在危险时期砍伐清理线路通道等措施。尽管如此,这些措施仍存在局限性,无法在整个输电网内部建立一个全面、长期、实时的山火实时监控及预警机制。传统的人工巡检方式在面对地形复杂、地域广阔的输电线路时显得力不从心。人工巡检效率低下,且难以覆盖所有区域,无法满足实时监控的需求。因此,迫切需要采用自动化、智能化的监测手段来提高巡检效率和准确性。
4、早期山火通常以烟雾形式出现,因此,及时发现早期烟雾是山火监测的关键。现有的自动监测技术中,基于计算机视觉的图像处理技术尤其适用于早期烟雾的监测,能够通过分析烟雾图像特点,实现对山火的早期预警。
5、随着科技的进步,多种自动监测技术被应用于山火监测,包括激光雷达检测技术、卫星遥感技术、无线传感器技术、红外线技术以及基于计算机视觉的图像处理技术。这些技术能够提高山火监测的自动化水平,实现早期发现和快速响应。随着遥感技术和航拍技术的发展,国家电网公司已经开始计划获取重要输电走廊的高精度航拍或无人机摄影光学影像,用于线路走廊植被的分类与建库工作。通过地表植被种类的易燃性指标以及卫星遥感监测火点分布密度等因素,可以绘制各省市的山火风险分布图,为线路规划设计和运维提供宏观指导。
6、在过去的数十年中,红外与可见光的图像级融合技术得到了快速发展,各种不同的图像融合方法被广泛提出。各种融合方法大致可以被分为以下几种类别。基于多尺度变换的方法,这类方法常包含多尺度分解、多尺度融合以及多尺度重构等。
7、虽然这些传统的融合方法取得了相当的进展,但仍然存在问题,比如说特征提取过程依旧过分依赖先验知识、融合方法及融合规则越来越繁琐复杂等,这也限制了像素级图像融合的速度,距离实时融合的目标还具有差距。
1、本技术实施例提供了一种距离测算方法及装置、非易失性存储介质、电子设备,以至少解决由于相关技术对无人机采集到的图片中的火点的识别速度较慢,造成的无法及时确定火点与线缆之间的距离的技术问题。
2、根据本技术实施例的一个方面,提供了一种距离测算方法,包括:获取无人机采集到的彩色图像,其中,彩色图像中至少包括:树木;利用深度学习模型识别彩色图像中树木火灾事故的火点,得到包围火点的识别框;获取无人机采集到的可见光图像和红外光图像,其中,可见光图像以及红外光图像中均至少包括:树木;利用卷积神经网络对可见光图像和红外光图像进行融合处理,得到融合图像;在融合图像上叠加识别框,得到目标图像,在目标图像中确定火点的第一位置;根据无人机采集到的输电线路的图像,确定输电线路的第二位置;计算第一位置与第二位置之间的目标距离。
3、可选地,卷积神经网络为通过如下方法训练所得到的:获取训练集,其中,训练集中包括:历史可见光图像和历史红外光图像,其中,历史可见光图像和历史红外光图中均至少包括:树木和火点;对历史可见光图像进行特征提取处理,得到第一特征,对历史红外光图像进行特征提取处理,得到第二特征;对第一特征和第二特征进行特征融合处理,得到第三特征,对第三特征进行特征重建处理,得到第一图像,其中,历史红外光图像中包括多个滑动窗口,第一图像为单通道灰度图像;根据历史红外光图像中的每个滑动窗口中的像素数量以及像素值,确定每个滑动窗口的像素平均强度;根据每个滑动窗口的像素平均强度,确定每个滑动窗口的像素评分;根据历史红外光图像中滑动窗口的数量以及每个滑动窗口的像素评分,确定第一子损失函数;根据历史可见光图像中的第一像素的像素值与第二像素的像素值之间的二范数,确定第二子损失函数,第一像素为任意一个像素,第二像素为第一像素的相邻像素;根据第一子损失函数以及第二子损失函数,确定第一目标损失函数;利用第一图像和第一目标损失函数对卷积神经网络进行训练。
4、可选地,利用第一图像和第一目标损失函数对卷积神经网络进行训练,包括:若卷积神经网络的输出图像在多维方向上的像素密度变化的速率大于第一预设阈值,确定卷积神经网络训练完成;或者,若卷积神经网络的输出图像的峰值信噪比大于第二预设阈值,确定卷积神经网络训练完成。
5、可选地,深度学习模型中包括:第一目标模块、第二目标模块、第一模块、第二模块、第三模块、第四模块、第五模块、第六模块、第七模块、合并模块、上采样模块,其中,第一目标模块依次与3个第二目标模块连接,第1个第二目标模块分别与第1个第一模块和第2个第二目标模块连接,第1个第一模块与第1个合并模块连接,第1个合并模块分别与第1个第三模块连接和第1个上采样模块连接,第1个第三模块分别与第1个第五模块和第1个第六模块连接,第1个第六模块与第1个第七模块连接;第2个第二目标模块分别与第3个第二目标模块和第2个第一模块连接,第2个第一模块与第2个合并模块连接,第2个合并模块分别与第2个第三模块和第2个上采样模块连接,第2个第三模块与第3个合并模块连接,第3个合并模块分别与第1个第五模块和第3个第三模块连接,第1个第五模块与第1个第三模块连接,第3个第三模块分别与第2个第五模块和第2个第六模块连接,第2个第六模块与第2个第七模块连接;第3个第二目标模块与第四模块连接,第四模块与第2个上采样模块连接,第2个第五模块与第4个合并模块连接,第4个合并模块分别与第四模块和第4个第三模块连接,第4个第三模块依次与第3个第六模块和第3个第七模块连接;第一目标模块中包括:4个串联的第一模块和第二模块,第二目标模块中包括:第五模块和第二模块;第一模块中包括:卷积层、批量归一化层和激活函数;第二模块中包括:第一分支和第二分支,其中,第一分支中包括:4个串联的第一模块,第二分支中包括:1个第一模块,第一分支中的第1个第一模块、第3个第一模块、第4个第一模块与合并模块连接,第二分支中的第一模块与合并模块连接,合并模块与第5个第一模块连接;第三模块中包括:第三分支和第四分支,其中,第三分支中包括:4个串联的第一模块,第四分支中包括:1个第一模块,第一分支中的第1个第一模块、第2个第一模块、第3个第一模块、第4个第一模块与合并模块连接,第四分支中的第一模块与合并模块连接,合并模块与第5个第一模块连接;第四模块用于进行多尺度空间金字塔池化处理和卷积处理;第五模块用于进行最大池化卷积处理;第六模块用于进行模型参数重配置处理;第七模块用于进行卷积和特征提取处理。
6、可选地,深度学习模型为通过如下方法训练所得到的:获取历史视频数据,在历史视频数据中抽取多个历史图像,其中,历史视频数据中包括:火点,历史图像为彩色图像;在多个历史图像中去除重复的图像,得到多个第二图像;对每个第二图像中的火点进行图像标注,得到第三图像,并对第二图像进行图像增强处理,得到第四图像;根据第一权重参数和火点所在的预测框的尺寸损失函数、第二权重参数和火点的位置损失函数、第三权重参数和火点的分类损失函数,确定第二目标损失函数;利用第四图像和第二目标损失函数对深度学习模型进行训练。
7、可选地,第四图像的尺寸为640×640;第1第七模块输出图像的尺寸为80×80;第2第七模块输出图像的尺寸为40×40;第3第七模块输出图像的尺寸为20×20。
8、可选地,计算第一位置与第二位置之间的目标距离之后,方法还包括:在目标距离小于第一预设距离且大于第二预设阈值的情况下,将输电线路调整为备用线路;在目标距离小于第二预设距离的情况下,停止对输电线、根据本技术实施例的再一方面,还提供了一种距离测算装置,包括:第一获取模块,用于获取无人机采集到的彩色图像,其中,彩色图像中至少包括:树木;识别模块,用于利用深度学习模型识别彩色图像中树木火灾事故的火点,得到包围火点的识别框;第二获取模块,用于获取无人机采集到的可见光图像和红外光图像,其中,可见光图像以及红外光图像中均至少包括:树木;融合模块,用于利用卷积神经网络对可见光图像和红外光图像进行融合处理,得到融合图像;第一确定模块,用于在融合图像上叠加识别框,得到目标图像,在目标图像中确定火点的第一位置;第二确定模块,用于根据无人机采集到的输电线路的图像,确定输电线路的第二位置;计算模块,用于计算第一位置与第二位置之间的目标距离。
10、根据本技术实施例的再一方面,还提供了一种非易失性存储介质,存储介质包括存储的程序,其中,程序运行时控制存储介质所在的设备执行以上的距离测算方法。
11、根据本技术实施例的再一方面,还提供了一种电子设备,包括:存储器和处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行以上的距离测算方法。
12、根据本技术实施例的再一方面,还提供了一种计算机程序,其中,所述计算机程序被处理器执行时实现以上的距离测算方法。
13、根据本技术实施例的再一方面,还提供了一种计算机程序产品,计算机程序产品包括非易失性计算机可读存储介质,其中,非易失性计算机可读存储介质存储计算机程序,计算机程序被处理器执行时实现以上的距离测算方法。
14、在本技术实施例中,采用获取无人机采集到的彩色图像,其中,彩色图像中至少包括:树木;利用深度学习模型识别彩色图像中树木火灾事故的火点,得到包围火点的识别框;获取无人机采集到的可见光图像和红外光图像,其中,可见光图像以及红外光图像中均至少包括:树木;利用卷积神经网络对可见光图像和红外光图像进行融合处理,得到融合图像;在融合图像上叠加识别框,得到目标图像,在目标图像中确定火点的第一位置;根据无人机采集到的输电线路的图像,确定输电线路的第二位置;计算第一位置与第二位置之间的目标距离的方式,达到了提升对无人机采集到的图片中的火点的识别速度的目的,从而实现了及时确定火点与线缆之间的距离的技术效果,进而解决了由于相关技术对无人机采集到的图片中的火点的识别速度较慢,造成的无法及时确定火点与线缆之间的距离的技术问题。
技术研发人员:戴瑞成,迟兴江,赵璧,史志远,张潇,段赛飞,张睿哲,姚磊,施翔,周恺,耿军伟,刘畅,张思航
本技术针对传统工程造价测量距离测算器支撑薄弱、易倾斜导致测量不准及安全隐患的问题,通过优化固定机构与支撑机构的结构设计,采用护壳卡接、M形弹片固定块、丝杆底托等创新结构,增强设备稳定性与操作安全性,...
5722745、基于滚动测距仪的距离测算方法、装置、计算机设备及存储介质与流...
针对传统巡检方法中全程距离测算导致系统计算量大、效率低的问题,提出通过设定设备有效巡检范围,仅在巡检人员进入该范围时进行距离计算,大幅减少无效运算,提升系统运行效率。 ...
1.计算机网络安全 2.计算机仿线.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用