(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 202210631786.1 (22)申请日 2022.06.07 (71)申请人 智洋创新科技股份有限公司 地址 255000 山东省淄博市高新区青龙山 路9009号仪器仪表产业园10号楼 (72)发明人 徐鹏翱　徐学来　杨栋栋　陈岩　 朱言庆　 (74)专利代理 机构 济南竹森知识产权代理事务 所(普通合伙) 37270 专利代理师 刘宏广 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/30(2022.01) G06V 10/34(2022.01)G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种输电线路导线异 物识别方法及装置 (57)摘要 本发明属于输电线路智能运检领域， 具体涉 及一种输电线路导线异物识别方法及装置。 该方 法包括以下步骤： 首先， 获取输电线路监拍设备 拍摄输电线路图像， 采用导线区域识别算法对输 电线路图像中的导线进行检测， 并将导线区域截 取出来； 然后， 将裁剪的导线区域图像分别输入 到CascadeRCNN导线异物识别模型和YOLOV5导线 异物识别模型中进行导线异物识别； 最后， 将两 个模型的识别结果进行融合， 并对重合框进行过 滤， 得到最终识别结果。 本发明能够准确识别输 电线路导线异物， 可以应用于不同输电线路场 景。 本发明的准确性和实时性均满足输电线路导 线异物识别的实际需求。 权利要求书2页 说明书5页 附图4页 CN 114724091 A 2022.07.08 CN 114724091 A 1.一种输电线路导线异 物识别方法， 其特 征在于： 该 方法包括以下步骤： S1： 通过输电线路监拍装置获取输电线路图像， 采用导线区域识别算法对图像进行处 理， 获得导线区域 坐标， 并将导线区域 坐标存储在设备信息表中； S2： 通过输电线路监拍装置获取带有导线异物的输电线路图像， 并进行导线异物标注， 构建导线异 物数据集； S3： 分别构建基于Resnet101+FPN的CascadeRCNN导线异物识别模型和YOLOV5导线异物 识别模型， 并利用导线异 物数据集对两种导线异 物识别模型分别进行训练； S4： 根据设备信息表中存储的导线区域坐标， 对输电线路监拍装置实时拍摄的输电线 路图像进行裁剪， 并将裁剪后的图像分别输入到CascadeRCNN导线异物识别模型和YOLOV5 导线异物识别模型中， 进行导线异 物识别； S5： 取CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型的识别结果的并集 作为最终的识别结果， 并使用非极大值抑制算法进行重合框的过 滤。 2.根据权利要求1所述的一种输电线路导线异物识别方法， 其特征在于： 步骤S1中所述 的导线区域识别算法， 其具体包括以下步骤： S11： 对输电线路图像进行高斯滤波处理， 消除输电线路图像中的高斯噪声， 得到滤波 图像； S12： 利用自适应阈值算法对滤波图像进行二值化处理， 去除图像中的背景信息， 得到 二值化图像； S13： 利用膨胀腐蚀算法删除二 值化图像中的干扰噪点， 得到前 景图像； S14： 利用霍夫线变换方法对前景图像中的导线进行检测， 获取导线的位置， 并根据导 线位置确定导线区域 坐标。 3.根据权利要求1所述的一种输电线路导线异物识别方法， 其特征在于： 步骤S2中所述 的“通过输电线路监拍装置获取带有导线异物的输电线路图像， 并进 行导线异物标注， 构建 导线异物数据集 ”， 其具体包括以下步骤： S21： 使用Labeling软件， 在输电线路图像中的导线区域中， 对图像中的导线异物隐患 目标进行矩形 标注； S22： 根据设备信息表中的导线区域坐标， 对标注后的输电线路图像进行裁剪并保存， 将输电线路监控设备拍摄的图像和裁剪出来的图像 混合， 构成导线异物数据集， 按照 8： 1： 1 的比例划分训练集、 验证集和 测试集。 4.根据权利要求3所述的一种输电线路导线异物识别方法， 其特征在于： 步骤S3 中所述 的“分别构建基于Resnet101+FPN的Casca deRCNN导线异物识别模型和YOLOV 5导线异物识别 模型， 并利用导线异物数据集对两种导线异物识别模型分别进行训练； ”， 其具体包括以下 步骤： S31： 依据概率随机对训练集中的图像进行图像翻转， 将翻转后的图像加入到训练集 中， 对训练集的数据进行增强； S32： CascadeRCNN导线异物识别模型在训练集中选用图像输入大小为 （1216， 1621） 像 素的图像进 行模型训练， YOLOV5模 型在数据增强后的训练集中选用图像输入 大小为 （1280， 1280） 像素的图像进行模型训练。 5.一种输电线路导线异物识别装置， 其特征在于： 包括导线区域坐标获取模块、 导线异权　利　要　求　书 1/2 页 2 CN 114724091 A 2物识别模型构建模块和导线异 物识别模块； 所述导线区域坐标获取模块， 用于采用导线区域识别算法对输电线路监拍装置拍摄的 输电线路图像进行处 理， 获得导线区域 坐标， 并将导线区域 坐标存储在设备信息表中； 所述导线异物识别模型构建模块， 用于对输电线路监拍装置拍摄的带有导线异物的输 电线路图像进行导线异物标注， 构建导线异物数据集， 还用于分别构建基于Resnet101+FPN 的CascadeRCNN导线异物识别模型和YOLOV5导线异物识别模型， 并利用导线异物数据集对 两种导线异 物识别模型分别进行训练； 所述导线异物识别模块， 用于根据设备信息表中存储的导线区域坐标， 对输电线路监 拍装置实时拍摄的输电线路图像进行裁剪， 并将裁剪后的图像分别输入到CascadeRCNN导 线异物识别模 型和YOLOV5导线异物识别模 型中， 进行导线异物识别； 取CascadeRCNN导线异 物识别模 型和YOLOV5导线异物识别模 型的识别结果的并集作为最 终的识别结果， 并使用非 极大值抑制算法进行重合框的过 滤。权　利　要　求　书 2/2 页 3 CN 114724091 A 3