(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 202210652921.0 (22)申请日 2022.06.10 (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 (72)发明人 王真　姚楠　路永玲　胡成博　 杨景刚　朱雪琼　刘子全　付慧　 (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 范青青 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种输电区域异物入侵检测方法、 装置、 终 端及存储介质 (57)摘要 本发明公开了一种输电网入侵检测技术领 域的一种输电区域异物入侵检测方法、 装置、 终 端及存储介质， 方法包括采集输电区域图像及对 应的拍摄角度； 计算各子图与预存储的所有异物 图像模板的最大相关性， 根据最大相关性计算结 果判别子图中是否存在异物； 计算存在异物的子 图在输电区域图像中的偏移量， 根据所述偏移量 调整输电区域图像的拍摄角度后， 重新拍摄输电 区域图像； 将多组数据集输入至预构建并训练好 的神经网络模 型中， 以获取异物入侵输电区域的 风险评估值从而进行输电区域异物入侵检测， 本 发明可快速检测目标图像中是否包含异物， 并与 专用神经网络模 型配合， 提高了大型工程机械设 备入侵检测的准确性， 降低了误报率。 权利要求书3页 说明书9页 附图1页 CN 115019254 A 2022.09.06 CN 115019254 A 1.一种输电区域异 物入侵检测方法， 其特 征在于， 包括， 步骤A： 采集输电区域图像及对应的拍摄角度； 步骤B： 将输电区域图像划分为若干子图， 并计算各子图与预存储的所有异物图像模板 的最大相关性， 根据最大相关性计算结果判别子图中是否存在异 物； 步骤C： 计算存在异物的子图在输电区域图像 中的偏移量， 根据 所述偏移量调整输电区 域图像的拍摄角度后， 重新拍摄输电区域图像； 步骤D： 重复步骤B和C， 直至获取n组偏移量及对应的输电区域 图像的拍摄角度， 构成n 组数据集； 其中n 为设定的不小于 30的正整数； 步骤E： 将n组数据集输入至预构建并训练好的神经网络模型中， 以获取异物入侵输电 区域的风险评估值； 步骤F： 根据所述 风险评估值进行输电区域异 物入侵检测。 2.根据权利要求1所述的一种输电区域异物入侵检测方法， 其特征在于， 所述拍摄角度 包括： 拍摄输电区域图像的摄 像机的偏航角度和俯仰角度； 所述偏航角度指在水平旋转范围内， 摄像机的光轴与 预设定的水平旋转范围内的零轴 的夹角； 所述俯仰角度指在垂直旋转范围内， 摄像机的光轴与 预设定的垂直旋转范围内的零轴 的夹角。 3.根据权利要求2所述的一种输电区域异物入侵检测方法， 其特征在于， 所述水平旋转 范围为180 °， 所述垂直旋转范围为90 °。 4.根据权利要求1所述的一种输电区域异物入侵检测方法， 其特征在于， 计算各子图与 预存储的所有异 物图像模板的最大相关性的方法包括： 采用如下公式计算子图Ps与各异物图像模板Ti的相关性： 式中： 表示两个图像的相关性， Ti(a,b)是图像模板Ti中坐标为(a,b)的像素， Ps(a,b) 表示目标图像的子图Ps中坐标为(a,b)的像素， E(Ti)表示Ti的数学期望， E(Ps)表示Ps的数学 期望； 其中， 所述子图的尺寸与异 物图像模板尺寸相同； 比较相关性计算结果， 获取 各子图与预存 储的所有异 物图像模板的最大相关性 5.根据权利要求 4所述的一种输电区域异 物入侵检测方法， 其特 征在于， 根据最大相关性计算结果判别子图中是否存在异 物的方法包括： 若 则认为子图中含有异 物； 若 则认为子图中不含有异物； 其中， θ 为经验阈值， 其数值范围为(0， 1)。 6.根据权利要求1所述的一种输电区域异物入侵检测方法， 其特征在于， 所述神经网络 模型包括输入层、 第一隐藏层、 第二隐藏层、 第三隐藏层和输出层， 第一隐藏层与输入层之间按下式定义：权　利　要　求　书 1/3 页 2 CN 115019254 A 2式中， Δxu+j表示时序上第u+j组数据中的X方向的偏移量Δx， Δyu+j表示时序上第u+j 组数据中的Y方 向的偏移量Δy， αu+j表示时序上第u+j组数据中的偏航角度α， βu+j表示时序 上第u+j组数据中的俯仰角度β； 表示权值， b0为线性偏置参数； j表示池 化 操 作的 范 围 ， j 取 值 范 围 为 0 、1 、2 、3 、4 ； u 表 示 第 一 隐 藏 层 中 的 坐 标 ， 分别表示与输入层的Δxu+j、 Δyu+j、 αu+j、 βu+j相对应的第一隐藏 层中的节点； σ(x)为一非线性 函数： 式中： ex表示自然指数函数； 参数μ为控制参数， 用于控制输出值随输入值的变化速度； 函数σ(x)的作用是使神经网络能够模拟非线性映射关系； 第二隐藏层与第一隐藏层之间按下式定义： 式中， 是第一隐藏层中坐标为(2u+j,v)的节点， j取值范围为0、 1， max表示取j ＝0和j＝1时对应两个值的最大值， b1为线性偏置参数； 第三隐藏层与第二隐藏层之间按下式定义： 式中， 表示第二隐藏层中坐标为(u+j,v)的节点， 为与节点 对应的权 重， j的取值范围为0、 1、 2、 3、 4， 对应于 五个节点， 相应权重为 当v相同时， 每一组的五个节点共享相同的五个权重； b2为线性偏置参 数；权　利　要　求　书 2/3 页 3 CN 115019254 A 3