一种夜视场景下无间隔棒高压输电线路舞动预警方法

1.本发明涉及计算机视觉与输电线路监控领域，尤其涉及的是一种夜视场景下无间隔棒高压输电线路舞动预警方法。


背景技术：

2.我国越来越多的高压输电线路裸露横跨在山丘森林、田野平原，在极端恶劣天气等多种因素的影响，极易导致高压输电线路发生舞动事故。输电线路舞动是指在一定自然条件下线路偏心覆冰，在风激励下产生的低频、大振幅自激振动。一旦发生舞动事故可造成高压输电线路本身断裂、杆塔损坏等，严重威胁高压输电线路的安全运行，影响电网稳定运行。
3.目前的舞动风险监测主要是以线路间隔棒为检测特征点，通过图像处理技术监测特征点的中心坐标，跟踪中心坐标在水平、竖直方向的位移轨迹，实现线路舞动监测。但一些特殊场景如露天煤矿的高压输电线路一般不存在间隔棒，以固定间隔棒为特征点的舞动监测方法已经不再适用。除此之外，在图像、视频摄像技术用于高压输电线路舞动监测的同时，也面临夜视场景下线路轮廓清晰度低的问题。


技术实现要素：

4.考虑到目前缺少无间隔棒高压输电线路的舞动监测方法，且夜视场景下舞动监测效果不佳的现状，本发明要解决的技术问题是提供一种能够能对夜视场景下的线路图像进行暗通道增强，有效提高夜视线路的清晰度；在此基础上，基于yolov5模型对图像进行检测和分割，采用形态学方法对线路边界进行提取和跟踪，对边界进行椭圆轨迹检测，结合各预警指标，实现夜视场景下无间隔棒高压输电线路舞动预警的一种夜视场景下无间隔棒高压输电线路舞动预警方法。
5.本发明所采用的技术方案为：一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：包括以下步骤：
6.s1、在需要监控的供电区域线路杆塔上安装高像素监控抓拍一体机，采集夜间场景下线路样本图片集；
7.s2、利用暗通道先验理论对高压输电线路进行夜视图像增强；
8.s3、使用几何旋转、缩放、mosaic数据增强等方式对样本集进行扩充，对数据集进行标注，构建夜间线路检测及分割数据集；
9.s4、采用yolov5目标检测模型快速识别每帧图像中的高压输电线路；
10.s5、对yolov5添加一个分割头对高压输电线路进行语义分割；
11.s6、利用形态学方法进行线路边界提取与跟踪；
12.s7、对跟踪的边界进行椭圆轨迹检测，结合不同预警指标，实现夜间无间隔棒高压输电线路舞动预警。
13.优选的，所述步骤s1中的高像素监控抓拍一体机的安装位置应与高压输电线路保
持合适距离，且摄像头的视角和焦距保持固定，按照设定的等时间间隔进行抓拍。
14.优选的，所述步骤s2中利用暗通道先验理论对高压输电线路进行夜视图像增强，具体流程包括：首先将图像划分成统一高度的小格子，在每一个小格子中分别计算rgb三个颜色通道的最小值，根据暗通道先验理论，即对于一张户外无雾图像(非天空区域)的大部分局部区域，存在一些像素点(暗像素)在至少一个颜色通道中具有非常低的值，趋近于0，用公式表示为：
[0015][0016]jdark
→0[0017]
jc(y)表示j的任意一个颜色通道，j
dark
为暗通道，ω(x)表示在像素点x的窗口。
[0018]
然后针对光照强度和暗通道图像计算大气透射率，最终复原图像：
[0019][0020][0021][0022]
将后两式代入首式，得到
[0023][0024]ac
表示大气光照强度，为透射率，j(x)为增强后的图像。
[0025]
优选的，所述步骤s3中需要扩充的样本集一部分来自采集的夜视高压输电线路图像，另一部分来自基于暗通道先验增强后的图像。针对检测和分割数据集的标注，图像目标类型标签选取三种：线路、杆塔、树木。
[0026]
优选的，所述步骤s4中建立yolov5目标检测网络后，使用步骤s3所构建的检测数据集，设置不同的训练参数对模型进行训练。
[0027]
优选的，所述步骤s5中添加的分割头使用fpn的最底层特征图(w/8，h/8，256)作为输入，进行三次最近邻上采样，最终输出(w，h，2)的特征图；在传输线路分割头中，传输线路为前景，其他为背景。
[0028]
优选的，所述步骤s6中针对无间隔棒的高压输电线路，将线路形态变化作为舞动分析的依据，利用形态学方法进行线路边界提取与跟踪，具体步骤如下：
[0029]
1)边界提取
[0030]
s61:用一个3*3的卷积核逐行扫描分割后的图像；
[0031]
s62:若一个黑点(像素0)的8个邻域都是黑点或者一个白点(像素255)的8个邻域都是白点，则该点为内部点，白色内部点之外的像素点被腐蚀(置为背景色)；
[0032]
s63:用原图像减去腐蚀后的图像，保留了边界像素，实现线路边界提取；
[0033]
2)边界跟踪
[0034]
s64:线路边界提取后，选取目标线路边界上的一个像素，以该像素为起点，以3*3卷积核扫描该像素点及其邻域；
[0035]
s65:若该像素点为内部点，则将按照顺时针(或逆时针)顺序将其邻域一个像素点置为起点；
[0036]
s66:如此反复，直至找出线路边界上其他所有像素点，然后再次重复s64～s66，实现整条线路边界的跟踪。
[0037]
优选的，所述步骤s7中对跟踪的边界进行椭圆轨迹检测，提取到线路边界弧段时，去除无效弧段，对有效弧段进行椭圆拟合和验证，具体步骤如下：
[0038]
s711:提取到线路边界弧段，利用边界像素数阈值条件剔除像素数较小的无效弧段；
[0039]
s712:根据弧段上像素点的梯度方向将有效弧段分为两类，像素点求导为正值的弧段记为d＝+1，像素点求导为负值的弧段记为d＝-1；
[0040]
s713:根据凹凸性将有效弧段分为凹弧和凸弧两类，通过连接弧段始末端点的直线l和弧上像素点的相对位置进行划分，判别公式为如下；如果恒有f(x,y)》0，则为凸弧，若恒有f(x,y)《0，则为凹弧，若既有f(x,y)》0又有f(x,y)《0，则剔除此弧段。
[0041][0042]
其中，(x
l
,y
l
)和(xr,yr)分别是弧段始末端点的坐标。
[0043]
s714:结合步骤s712和s713，可以根据像素点灰度方向和凹凸性将弧段分为(凸，d＝+1)，(凸，d＝-1)，(凹，d＝-1)，(凹，d＝+1)四类；从弧段(凸，d＝+1)和(凹，d＝+1)，或者(凸，d＝-1)和(凹，d＝-1)中选取5个数据点进行椭圆方程拟合，求解椭圆方程参数；
[0044]
s715:利用求得的椭圆模型进行像素点评估，以几何距离二范数为判断条件判断出符合该椭圆模型的内点集；
[0045]
s716:若求出的内点集数量大于上一次内点集数量，则更新最优内点集及最优椭圆模型；
[0046]
s717:判断最优内点集是否达到预期数量，如果是，则输出最优椭圆模型，直接执行步骤s719；
[0047]
s718:循环s714-s717，完成弧段椭圆拟合；
[0048]
s719:如果属于当前椭圆的像素点个数与椭圆周长的比值小于设定阈值(0.45)，则认为这个椭圆是虚假椭圆。
[0049]
优选的，所述步骤s7中针对所验证的轨迹是否可能构成椭圆，将上述三种舞动预警指标和构成椭圆概率相结合执行以下步骤：
[0050]
s721:若所验证的轨迹不可能构成椭圆，则预警级别为不处理；若可能构成椭圆，则计算构成椭圆的概率p，往下执行s722；
[0051]
s722:若概率p小于25％，则预警级别也为不处理；反之，则往下执行步骤s723；
[0052]
s723:若概率p小于50％，则预警级别为二级预警；反之，则预警级别为一级预警。
[0053]
相关步骤执行下来，现场运维人员可以最终判断是否发生线路夜间舞动以及舞动的威胁等级，以采取对应针对措施。
[0054]
本发明的有益效果：
[0055]
(1)本发明解决了夜视场景下监控图片中目标清晰度低，致使检测精度低，存在误检、漏检的问题；
[0056]
(2)本发明采用形态学理论和椭圆轨迹检测相结合的算法，实现线路舞动预警，解决了特殊场景下无间隔棒高压输电线路舞动检测方法匮乏的问题。
[0057]
(3)本发明将专家领域知识和大数据ai相结合，对人工智能落地提供更好的思路借鉴。
[0058]
整体来看，本发明能对夜视场景下的线路图像进行暗通道增强，有效提高夜视线路的清晰度；在此基础上，基于yolov5模型对图像进行检测和分割，采用形态学方法对线路边界进行提取和跟踪，对边界进行椭圆轨迹检测，结合各预警指标，实现夜视场景下无间隔棒高压输电线路舞动预警。
附图说明
[0059]
图1是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法的实施例的夜视场景下无间隔棒高压输电线路舞动预警方法的流程图；
[0060]
图2是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法的实施例所获取的夜视图像数据增强结果对比图；
[0061]
图3是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法采用的mosaic数据增强方法示意图；
[0062]
图4是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法采用的yolov5网络模型框架；
[0063]
图5是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法实施例的高压输电线路识别结果示意图；
[0064]
图6是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法实施例的高压输电线路分割结果示意图；
[0065]
图7是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法实施例的基于形态学的线路边界提取与跟踪示意图；
[0066]
图8是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法实施例的基于yolov5模型线路检测并分割的结果示意图；
[0067]
图9是本发明一种夜视场景下无间隔棒高压输电线路舞动预警方法实施例的基于弧段提取的椭圆检测结果示意图。
具体实施方式
[0068]
下面结合附图对本发明作进一步说明。
[0069]
为了使本领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚的描述，所述的实施例仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
[0070]
如图1所示，本发明实施例的一种夜视场景下无间隔棒高压输电线路舞动预警方法，包括以下步骤：
[0071]
s1、在需要监控的供电区域线路杆塔上安装高像素监控抓拍一体机，采集夜间场景下线路样本图片集；
[0072]
具体实施例中，步骤s1中的所述高像素监控抓拍一体机的安装位置应与高压输电线路保持合适距离，且摄像头的视角和焦距保持固定，按照设定的每十分钟时间间隔进行抓拍。
[0073]
s2、利用暗通道先验理论对高压输电线路进行夜视图像增强；
[0074]
具体实施例中，步骤s2中利用暗通道先验理论对高压输电线路进行夜视图像增强，包括步骤：
[0075]
首先将图像划分成统一高度的小格子，在每一个小格子中分别计算rgb三个颜色通道的最小值，根据暗通道先验理论，即对于一张户外无雾图像(非天空区域)的大部分局部区域，存在一些像素点(暗像素)在至少一个颜色通道中具有非常低的值，趋近于0，用公式表示为：
[0076][0077]jdark
→0[0078]
jc(y)表示j的任意一个颜色通道，j
dark
为暗通道，ω(x)表示在像素点x的窗口。
[0079]
然后针对光照强度和暗通道图像计算大气透射率，最终复原图像：
[0080][0081][0082][0083]
将后两式代入首式，得到
[0084][0085]ac
表示大气光照强度，为透射率，j(x)为增强后的图像。
[0086]
s3、使用几何旋转、缩放、mosaic数据增强等方式对样本集进行扩充，对数据集进行标注，构建夜间线路检测及分割数据集；
[0087]
具体实施例中，步骤s3中需要扩充的样本集一部分来自采集的夜视高压输电线路图像，另一部分来自基于暗通道先验增强后的图像；针对检测和分割数据集的标注，图像目标类型标签选取三种：线路、杆塔、树木。
[0088]
s4、采用yolov5目标检测模型快速识别每帧图像中的高压输电线路；
[0089]
具体实施例中，步骤s4中建立yolov5目标检测网络后，使用步骤s3所构建的检测数据集，设置不同的训练参数对模型进行训练如表1所示。在本发明的该实施例的中，当epochs为300，bacth-size为8，阈值为0.55时，线路识别效果最好，识别结果如图5所示。
[0090]
表1训练参数设置
[0091][0092][0093]
s5、对yolov5添加一个分割头对高压输电线路进行语义分割；
[0094]
具体实施例中，步骤s5中添加的分割头使用fpn的最底层特征图(w/8，h/8，256)作为输入，进行三次最近邻上采样，最终输出(w，h，2)的特征图；在传输线路分割头中，传输线路为前景，其他为背景，分割结果如图6所示。
[0095]
s6、利用形态学方法进行线路边界提取与跟踪；
[0096]
具体实施例中，步骤s6中所述利用形态学方法进行线路边界提取与跟踪，具体步骤如下：
[0097]
1)边界提取
[0098]
s61:用一个3*3的卷积核逐行扫描分割后的图像；
[0099]
s62:若一个黑点(像素0)的8个邻域都是黑点或者一个白点(像素255)的8个邻域都是白点，则该点为内部点，白色内部点之外的像素点被腐蚀(置为背景色)；
[0100]
s63:用原图像减去腐蚀后的图像，保留了边界像素，实现线路边界提取；
[0101]
2)边界跟踪
[0102]
s64:线路边界提取后，选取目标线路边界上的一个像素，以该像素为起点，以3*3卷积核扫描该像素点及其邻域；
[0103]
s65:若该像素点为内部点，则将按照顺时针(或逆时针)顺序将其邻域一个像素点置为起点；
[0104]
s66:如此反复，直至找出线路边界上其他所有像素点，然后再次重复s64～s66，实现整条线路边界的跟踪，提取与跟踪结果如图7所示。
[0105]
s7、对跟踪的边界进行椭圆轨迹检测，结合不同预警指标，实现夜间无间隔棒高压输电线路舞动预警。
[0106]
具体实施例中，步骤s7中对跟踪的边界进行椭圆轨迹检测，提取到线路边界弧段时，去除无效弧段，对有效弧段进行椭圆拟合和验证，步骤如下：
[0107]
s711:提取到线路边界弧段，利用边界像素数阈值条件剔除像素数较小的无效弧段；
[0108]
s712:根据弧段上像素点的梯度方向将有效弧段分为两类，像素点求导为正值的弧段记为d＝+1，像素点求导为负值的弧段记为d＝-1；
[0109]
s713:根据凹凸性将有效弧段分为凹弧和凸弧两类，通过连接弧段始末端点的直线l和弧上像素点的相对位置进行划分，判别公式为如下；如果恒有f(x,y)》0，则为凸弧，若恒有f(x,y)《0，则为凹弧，若既有f(x,y)》0又有f(x,y)《0，则剔除此弧段。
[0110][0111]
其中，(x
l
,y
l
)和(xr,yr)分别是弧段始末端点的坐标。
[0112]
s714:结合步骤s712和s713，可以根据像素点灰度方向和凹凸性将弧段分为(凸，d＝+1)，(凸，d＝-1)，(凹，d＝-1)，(凹，d＝+1)四类；从弧段(凸，d＝+1)和(凹，d＝+1)，或者(凸，d＝-1)和(凹，d＝-1)中选取5个数据点进行椭圆方程拟合，求解椭圆方程参数；
[0113]
s715:利用求得的椭圆模型进行像素点评估，以几何距离二范数为判断条件判断出符合该椭圆模型的内点集；
[0114]
s716:若求出的内点集数量大于上一次内点集数量，则更新最优内点集及最优椭圆模型；
[0115]
s717:判断最优内点集是否达到预期数量，如果是，则输出最优椭圆模型，直接执行步骤s719；
[0116]
s718:循环s714-s717，完成弧段椭圆拟合；
[0117]
s719:如果属于当前椭圆的像素点个数与椭圆周长的比值小于设定阈值(0.45)，则认为这个椭圆是虚假椭圆。
[0118]
具体实施例中，针对所验证的轨迹是否可能构成椭圆，将上述三种舞动预警指标和构成椭圆概率相结合执行以下步骤：
[0119]
s721:若所验证的轨迹不可能构成椭圆，则预警级别为不处理；若可能构成椭圆，则计算构成椭圆的概率p，往下执行s722；
[0120]
s722:若概率p小于25％，则预警级别也为不处理；反之，则往下执行步骤s723；
[0121]
s723:若概率p小于50％，则预警级别为二级预警；反之，则预警级别为一级预警。
[0122]
相关步骤执行下来，现场运维人员可以最终判断是否发生线路夜间舞动以及舞动的威胁等级，以采取对应针对措施。
[0123]
在本发明实施例中，基于弧段提取的椭圆检测结果如图9所示，在没有间隔棒作为观察基点进行线路舞动判断依据的前提下，利用专家知识，如果线路运动状态能构成椭圆的就可以基本判断线路舞动事故发生。线路一和线路二形成椭圆运动的概率比较大，线路三有形成椭圆运动的可能性，线路四不具备形成椭圆运动轨迹。
[0124]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0125]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：包括以下步骤：s1、在需要监控的供电区域线路杆塔上安装高像素监控抓拍一体机，采集夜间场景下线路样本图片集；s2、利用暗通道先验理论对高压输电线路进行夜视图像增强；s3、使用几何旋转、缩放、mosaic数据增强等方式对样本集进行扩充，对数据集进行标注，构建夜间线路检测及分割数据集；s4、采用yolov5目标检测模型快速识别每帧图像中的高压输电线路；s5、对yolov5添加一个分割头对高压输电线路进行语义分割；s6、利用形态学方法进行线路边界提取与跟踪；s7、对跟踪的边界进行椭圆轨迹检测，结合不同预警指标，实现夜间无间隔棒高压输电线路舞动预警。2.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s1中，高像素监控抓拍一体机的安装位置应与高压输电线路保持合适距离，且摄像头的视角和焦距保持固定，按照设定的等时间间隔进行抓拍。3.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s2中，利用暗通道先验理论对高压输电线路进行夜视图像增强，具体过程包括：首先将图像划分成统一高度的小格子，在每一个小格子中分别计算rgb三个颜色通道的最小值，根据暗通道先验理论，即对于一张户外无雾图像(非天空区域)的大部分局部区域，存在一些像素点(暗像素)在至少一个颜色通道中具有非常低的值，趋近于0，用公式表示为：j
dark
→
0j
c
(y)表示j的任意一个颜色通道，j
dark
为暗通道，ω(x)表示在像素点x的窗口。然后针对光照强度和暗通道图像计算大气透射率，最终复原图像：然后针对光照强度和暗通道图像计算大气透射率，最终复原图像：然后针对光照强度和暗通道图像计算大气透射率，最终复原图像：将后两式代入首式，得到a
c
表示大气光照强度，为透射率，j(x)为增强后的图像。4.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s3中，需要扩充的样本集一部分来自采集的夜视高压输电线路图像，另一
部分来自基于暗通道先验增强后的图像。5.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s3中，针对检测和分割数据集的标注，图像目标类型标签选取三种：线路、杆塔、树木。6.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s4中，建立yolov5目标检测网络后，使用步骤s3所构建的检测数据集，设置不同的训练参数对模型进行训练。7.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s5中，添加的分割头使用fpn的最底层特征图(w/8，h/8，256)作为输入，进行三次最近邻上采样，最终输出(w，h，2)的特征图；在传输线路分割头中，传输线路为前景，其他为背景。8.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s6中，针对无间隔棒的高压输电线路，将线路形态变化作为舞动分析的依据，利用形态学方法进行线路边界提取与跟踪，具体步骤如下：1)边界提取s61：用一个3*3的卷积核逐行扫描分割后的图像；s62：若一个黑点(像素0)的8个邻域都是黑点或者一个白点(像素255)的8个邻域都是白点，则该点为内部点，白色内部点之外的像素点被腐蚀(置为背景色)；s63：用原图像减去腐蚀后的图像，保留了边界像素，实现线路边界提取；2)边界跟踪s64：线路边界提取后，选取目标线路边界上的一个像素，以该像素为起点，以3*3卷积核扫描该像素点及其邻域；s65：若该像素点为内部点，则将按照顺时针(或逆时针)顺序将其邻域一个像素点置为起点；s66：如此反复，直至找出线路边界上其他所有像素点，然后再次重复s64～s66，实现整条线路边界的跟踪。9.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s7中，对跟踪的边界进行椭圆轨迹检测，提取到线路边界弧段时，去除无效弧段，对有效弧段进行椭圆拟合和验证，具体步骤如下：s711:提取到线路边界弧段，利用边界像素数阈值条件剔除像素数较小的无效弧段；s712:根据弧段上像素点的梯度方向将有效弧段分为两类，像素点求导为正值的弧段记为d＝+1，像素点求导为负值的弧段记为d＝-1；s713:根据凹凸性将有效弧段分为凹弧和凸弧两类，通过连接弧段始末端点的直线l和弧上像素点的相对位置进行划分，判别公式为如下；如果恒有f(x,y)>0，则为凸弧，若恒有f(x,y)<0，则为凹弧，若既有f(x,y)>0又有f(x,y)<0，则剔除此弧段。其中，(xl,yl)和(xr,yr)分别是弧段始末端点的坐标。s714:结合步骤s712和s713，可以根据像素点灰度方向和凹凸性将弧段分为(凸，d＝+
1)，(凸，d＝-1)，(凹，d＝-1)，(凹，d＝+1)四类；从弧段(凸，d＝+1)和(凹，d＝+1)，或者(凸，d＝-1)和(凹，d＝-1)中选取5个数据点进行椭圆方程拟合，求解椭圆方程参数；s715:利用求得的椭圆模型进行像素点评估，以几何距离二范数为判断条件判断出符合该椭圆模型的内点集；s716:若求出的内点集数量大于上一次内点集数量，则更新最优内点集及最优椭圆模型；s717:判断最优内点集是否达到预期数量，如果是，则输出最优椭圆模型，直接执行步骤s719；s718:循环s714-s717，完成弧段椭圆拟合；s719:如果属于当前椭圆的像素点个数与椭圆周长的比值小于设定阈值(0.45)，则认为这个椭圆是虚假椭圆。10.根据权利要求1所述的一种夜视场景下无间隔棒高压输电线路舞动预警方法，其特征在于：所述步骤s7中，针对所验证的轨迹是否可能构成椭圆，将上述三种舞动预警指标和构成椭圆概率相结合执行以下步骤：s721:若所验证的轨迹不可能构成椭圆，则预警级别为不处理；若可能构成椭圆，则计算构成椭圆的概率p，往下执行s722；s722:若概率p小于25％，则预警级别也为不处理；反之，则往下执行步骤s723；s723:若概率p小于50％，则预警级别为二级预警；反之，则预警级别为一级预警。相关步骤执行下来，现场运维人员可以最终判断是否发生线路夜间舞动以及舞动的威胁等级，以采取对应针对措施。

技术总结
本发明公开一种夜视场景下无间隔棒高压输电线路舞动预警方法，包括以下步骤：S1、在线路杆塔上安装高像素监控抓拍一体机，采集夜间场景下线路样本图片集；S2、利用暗通道先验理论对高压输电线路进行夜视图像增强；S3、使用几何旋转、缩放等方式对样本集进行扩充，对数据集进行标注，构建夜间线路检测及分割数据集；S 4、采用YOLOv5目标检测模型快速识别每帧图像中的高压输电线路；S5、对YOLOv5添加一个分割头对高压输电线路进行语义分割；S6、利用形态学方法进行线路边界提取与跟踪；S7、对跟踪的边界进行椭圆轨迹检测，结合不同预警指标，实现夜间无间隔棒高压输电线路舞动预警。本发明能有效预警夜视场景下高压输电线路舞动事件的发生。动事件的发生。动事件的发生。


技术研发人员：梁睿 蒋昊 金沫含 刘舒 徐丽华 张辰 王飞
受保护的技术使用者：中国矿业大学
技术研发日：2022.10.21
技术公布日：2023/7/21