申请/专利权人：国网江西省电力有限公司电力科学研究院;国家电网有限公司

申请日：2023-12-12

公开（公告）日：2024-04-02

公开（公告）号：CN117392551B

主分类号：G06V20/10

分类号：G06V20/10;G06V20/52;G06V10/22;G06V10/44;G06V10/54;G06V10/56;G06V10/75;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开了一种基于鸟粪图像特征的电网鸟害识别方法及系统，该方法通过获取绝缘子巡检图像，并建立绝缘子巡检图像数据集；使用特征融合算法对绝缘子巡检图像中的绝缘子进行定位；使用目标检测模型对绝缘子巡检图像中的绝缘子区域进行鸟粪图像检测；使用特征匹配模型根据鸟粪图像特征数据识别鸟类种类；根据鸟粪图像特征数据和鸟类种类采取清洁策略对绝缘子进行清理，并制定防鸟粪污染策略以及环境状态防污策略；本发明通过绝缘子上鸟粪图像来推断鸟类种类，制定防鸟粪污染策略以及环境状态防污策略，只需要汇总绝缘子巡检图像，对其中的带鸟粪的绝缘子巡检图像进行分析即可，大大降低了防鸟监测成本。

主权项：1.一种基于鸟粪图像特征的电网鸟害识别方法，其特征在于，包括如下步骤：步骤S1：获取绝缘子巡检图像，并建立绝缘子巡检图像数据集；步骤S2：使用特征融合算法对绝缘子巡检图像中的绝缘子进行定位，得到绝缘子区域；步骤S3：使用目标检测模型对绝缘子巡检图像中的绝缘子区域进行鸟粪图像检测，并输出鸟粪图像特征数据；所述目标检测模型采用改进Faster-RCNN模型，所述改进Faster-RCNN模型是将Faster-RCNN模型的特征提取网络由VGGNet替换为InceptionV4网络模型，所述改进Faster-RCNN模型由InceptionV4网络模型、区域建议网络和检测网络组成；步骤S4：使用BERT-FC特征匹配模型根据鸟粪图像特征数据识别鸟类种类；所述BERT-FC特征匹配模型由BERT模型与全连接层组成，所述全连接层位于BERT模型之后，并引入交叉熵作为损失函数进行BERT-FC特征匹配模型的迭代优化；BERT模型由输入层、编码层、第一双向编码器、第二双向编码器和输出层组成，BERT模型的第一双向编码器和第二双向编码器均包含了12层转换器，每个转换器都包含6个编码层，各转换器之间运用基于自注意力机制的多头注意力机制来计算每个特征与其所有输入特征的关系；所述转换器为Transformer网络；所述全连接层将BERT模型的输出的特征向量转换为相应的类别进行分类，从而将BERT模型输出的特征向量映射到不同的类别；所述全连接层由一个接受特征向量的输入层、一个用于算法优化的隐藏层和一个用于映射的输出层组成；步骤S5：根据鸟粪图像特征数据和鸟类种类采取清洁策略对绝缘子进行清理，并制定防鸟粪污染策略以及环境状态防污策略。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司电力科学研究院;国家电网有限公司 一种基于鸟粪图像特征的电网鸟害识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD