(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210701041.8 (22)申请日 2022.06.21 (71)申请人 国网江苏省电力有限公司电力科 学 研究院 地址 210000 江苏省南京市江宁区帕威尔 路1号 申请人 国网江苏省电力有限公司 　 江苏省电力试验研究院有限公司 　 国网江苏省电力有限公司双创中心 (72)发明人 高超　路永玲　王真　薛海　 吴奇伟　胡成博　朱雪琼　刘子全　 李鸿泽　贾骏　杨景刚　孙蓉　 柏仓　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林(51)Int.Cl. G06V 20/52(2022.01) G06T 7/00(2017.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H04N 7/18(2006.01) G08B 21/18(2006.01) (54)发明名称 一种输电通道外破隐患识别方法、 装置及存 储介质 (57)摘要 本发明公开了一种输电通道外破隐患识别 方法、 装置及存储介质， 其方法包括： 通过视频监 控装置采集输电通道图像； 将 输电通道图像输入 预部署的目标检测模型中进行输电通道外破 隐 患识别； 其中， 目标检测模型的部署过程包括： 获 取输电通道 图像并添加标注信息构建训练样本 集； 将训练样本集划分为训练集和测试集； 将训 练集输入目标检测模型中进行训练； 将测试集输 入训练后的目标检测模型进行通道剪枝； 将训练 集再次输入通道剪枝后的目标检测模型进行训 练； 对再次训练后的目标检测模型进行模型量 化； 将模型量化后的目标检测模 型部署至输电通 道的视频监控装置中； 本发明能够有效实现对于 输电外破隐患的本地化智能识别和及时告警， 提 高输电运维效率。 权利要求书2页 说明书6页 附图3页 CN 115100592 A 2022.09.23 CN 115100592 A 1.一种输电通道外破隐患识别方法， 包括： 通过视频监控 装置采集输电通道图像； 将输电通道图像输入预部署的目标检测模型中进行输电通道外破隐患识别； 其特征在 于， 所述目标检测模型的部署过程包括： 构建输电通道外破隐患的目标检测模型； 获取输电通道图像并添加标注信息构建训练样本集； 将训练样本集划分为训练集和 测试集； 将训练集输入目标检测模型中进行训练； 将测试集输入训练后的目标检测模型进行通道剪枝； 将训练集再次输入通道剪枝后的目标检测模型进行训练； 对再次训练后的目标检测模型进行模型量 化； 将模型量 化后的目标检测模型部署至 输电通道的视频监控 装置中。 2.根据权利要求1所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述标 注信息包括 位置坐标和目标类型， 所述目标类型包括塔吊、 挖掘机、 吊车和鸟巢。 3.根据权利要求1所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述目 标检测模型利用TensorFl ow框架并基于mobi leNetV3神经网络构建。 4.根据权利要求3所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述将 训练集输入目标检测模型中进行训练包括： 利用mobi leNetV3神经网络对训练集中的训练样本进行 特征提取获取高维视 觉特征； 通过FPN网络将高维视觉特征横向连接进行特征融合并在相应尺度 特征图上产生候选 框； 通过FCN子网络对候选 框进行选择分类与回归获取候选 框的预测信息； 通过非极大值抑制方式对候选 框的预测信息进行筛 选处理； 通过标注信 息和每轮筛选处理后的预测信 息计算模型损失， 并根据模型损失优化模型 参数， 直至模型参数收敛。 5.根据权利要求1所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述将 测试集输入训练后的目标检测模型进行通道剪枝包括： 将训练后的目标检测模型作为基准模型， 按照随机剪枝比率进行通道剪枝生成模型样 本； 将测试集输入 模型样本和基准模型并根据模型样本和基准模型的输出计算重构误差： Q＝N·n·hout·Zout·W 式中， N、 n分别为训练样本数量和卷积核数量， hout、 Zout分别为通道的长和宽， W为卷积 核， oi,j,:,:分别为基准模型和模型样本的第i个训练样本的第j个卷积核的输出； 取重构误差最小的模型样本作为 通道剪枝后的目标检测模型。 6.根据权利要求1所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述对权　利　要　求　书 1/2 页 2 CN 115100592 A 2再次训练后的目标检测模型进行模型量 化包括： 在进行模型计算前， 将待模型计算的数据变量组由32位 浮点型转变为8位整型： 式中， x为32位浮点型数据变量， q为8位整型数据变量， max、 min分别为数据变量组中的 最大值和最小值； 在模型计算后， 将计算结果由8位整型转变为32位 浮点型： 式中， q′为8位整型计算结果， x ′为32位浮点型计算结果， max ′、 min′分别为计算结果 中 的最大值和最小值； 其中， 所述模型计算包括卷积、 池化或激活函数计算。 7.一种输电通道外破隐患识别装置， 其特 征在于， 所述装置包括： 图像采集模块， 用于通过视频监控 装置采集输电通道图像； 隐患识别模块， 用于将输电通道图像输入预部署的目标检测模型中进行输电通道外破 隐患识别； 其中， 所述目标检测模型的部署过程包括： 构建输电通道外破隐患的目标检测模型； 获取输电通道图像并添加标注信息构建训练样本集； 将训练样本集划分为训练集和 测试集； 将训练集输入目标检测模型中进行训练； 将测试集输入训练后的目标检测模型进行通道剪枝； 将训练集再次输入通道剪枝后的目标检测模型进行训练； 对再次训练后的目标检测模型进行模型量 化； 将模型量 化后的目标检测模型部署至 输电通道的视频监控 装置中。 8.一种输电通道外破隐患识别装置， 其特 征在于， 包括处 理器及存 储介质； 所述存储介质用于存 储指令； 所述处理器用于根据 所述指令进行操作以执行根据权利要求1 ‑6任一项所述方法的步 骤。 9.计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行时 实现权利要求1 ‑6任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115100592 A 3