(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 202210644728.2 (22)申请日 2022.06.09 (71)申请人 国网江苏省电力有限公司泰州供电 分公司 地址 225309 江苏省泰州市凤 凰西路2号 (72)发明人 张泽　戴永东　蒋中军　鞠玲　 (74)专利代理 机构 武汉强知 知识产权代理事务 所(特殊普通 合伙) 42303 专利代理师 丁倩 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/764(2022.01) G06N 20/10(2019.01) (54)发明名称 一种基于无人机巡检的冬季配电区覆雪状 态检测方法 (57)摘要 本申请属于输电线路通道 运维技术领域， 尤 其涉及一种基于无人机巡检的冬季配电区覆雪 状态检测方法。 测试训练数据采集和分类数据库 建立； 测试训练数据的预处理， 矩形供电区图像 中覆雪指标的提取， 基于图像内部边缘密度特征 指标的提取； 覆雪指标与覆雪状态关联匹配， 基 于支持向量机的覆雪状态识别模 型训练， 基于覆 雪状态识别模 型进行覆雪状态识别。 本申请的基 于无人机巡检的冬季配电区覆雪状态检测方法， 通过针对不同区域在不同覆雪状态下的影像资 料的分析， 利用影像资料中的颜色和轮廓等要素 构建覆雪指标特征， 并通过覆雪指标与覆雪状态 的关联匹配构建其影响权重， 优化支持向量机的 输入， 进而提高覆雪 状态的识别的准确率。 权利要求书2页 说明书6页 附图1页 CN 115100548 A 2022.09.23 CN 115100548 A 1.一种基于无 人机巡检的冬季配电区覆雪状态检测方法， 其特 征在于， 包括如下步骤： 步骤一、 测试训练数据采集和分类数据库建立， 具体包括： 从现有数据中收集相应的覆雪影像资料作为原始数据， 根据不同地貌、 不同分区功能 进行分类， 分别建立与各类型相对应的测试训练数据库； 步骤二、 测试训练数据的预处 理， 具体包括： 2.1供电区截取 具体是指： 获取源数据图像， 以图像 中各配电区中心为圆心、 以离配电站最远的用户与 配电站的距离为半径绘制圆形供电区图像， 以圆形供电区图像为外接圆绘制矩形供电区图 像， 使该矩形 供电区图像的至少一个顶点 位于最远的用电用户处； 2.2像素调节 具体是指： 获取所有的矩形供电区图像， 在保持原有高宽比的同时将所有矩形供电区 图像调节为统一的像素高度或者宽度； 2.3状态标注 具体是指： 利用现有的图像标注程序采用人工或者机器识别的方法， 将所有的矩形供 电区图像按照覆雪指数F(H,S,T)进行分级 标注； 覆雪状态 w分为： 低度 覆雪、 中度 覆雪、 高度 覆雪、 极高度覆雪； 其 中 其中 是指当前供电区形成后的历史覆雪 厚度； 是指当前 供电区形成后的历史环境温度； 步骤三、 各矩形 供电区图像中覆雪指标的提取， 具体包括： 3.1基于HSV色彩空间的双通道特 征指标GSV的提取 具体是指： 以通道的取值范围作为横轴并分为R个区间， 以相应取值区间内的像素个数 绘制直方图， 建立基于 HSV色彩空间的双通道特 征指标GSV； 其中 QS(x)为S通道内饱和值等于x的像素的个数， 为S通道分布在区间[0,i]内 的像素个数， 为S通道内 的总像素个数； 其 中QV(x)为V通道内明度值等于x的像素的个 数， 为V通道分布在区间[j， R]内的像 素的个数， 为V通道内的总像素个数， 其中i， j为控制双通道特征指标GSV评价的 阈值参数； 3.2基于图像内部边 缘密度特 征指标的提取 具体是指： 基于次建立图像的内部边缘密度特征指标EDGE且 其中Qedge为 矩形供电区图像中可检测到的边缘的像素的数量； Qsum为矩形供电区图像的总像素的数量； 其中， 各算法中涉及用于像素点是否归属于边 缘的边缘判定阈值 参数k； 步骤四、 覆雪指标与覆雪状态关联匹配， 具体包括：权　利　要　求　书 1/2 页 2 CN 115100548 A 2利用方差分析评价方法来分析覆雪指标属性对于覆雪状态的影响程度， 对于每一个覆 雪指标， 其对于覆雪状态的影响程度可表达为相关度系数 其中 为状态间离差平方和； w为状态分类； nr为属于状态w的矩形供电区 图像的个数； 为属于状态w的矩 形供电区图像的特征指标均值， 为所有矩 形供电区图像 的特征指标均值； xiw为属于状态w的矩形供电区图像组内第 i个样本的特征指标值； 具体计 算过程如下： 4.1分别获取每一分类数据库中所有的矩形供电区图像， 在阈值参数i、 j以及边缘判定 阈值参数k的不同取值情形下， 分别计算双通道特征指标GSV和内部边缘密度特征指标 EDGE； 4.2计算前述不同取值情形下双通道特征指标GSV和内部边缘密度特征指标EDGE对于 覆雪状态的影响程度 μGSV和 μEDGE； 4.3基于经验判断， 选取 μGSV和 μEDGE的关度系数为0.15以上的取值情形作为有相关性的 判断准则， 删除关度系数低于 0.15的取值情形； 4.4根据实际算力资源以及准确度需求， 按照关度系数由高到低的顺序选取有效的取 值情形； 4.5基于前述有效取值情形， 分别得到若干双通道特征指标GSV和内部边缘密度特征指 标EDGE； 步骤五、 基于支持向量机的覆雪状态 识别模型训练， 具体包括： 基于前述步骤四得到覆雪特征指标后， 将其作为支持向量机的输入， 以覆雪状态作为 输出， 训练支持向量机， 得到覆雪状态 识别模型； 步骤六、 基于覆雪状态 识别模型进行覆雪状态 识别， 具体包括： 基于前述步骤五得到的覆雪状态识别模型， 将待分析巡检图像作为输入， 得到覆雪状 态识别结果。 2.根据权利要求1所述的一种基于无人机巡检的冬季配电区覆雪状态检测方法， 其特 征在于， 所述步骤二中， 为提高识别的准确率， 应当对源数据进行多轮标注， 并根据矩形供 电区图像的各轮分级标注结果， 按照分级 结果出现最高的概率对各矩形供电区图像进 行最 终分级标注。 3.根据权利要求1所述的一种基于无人机巡检的冬季配电区覆雪状态检测方法， 其特 征在于， 其特征在于， 所述步骤二中， 在计算得到覆雪指标F(H,S,T)的前提下， 根据当前供 电区域历史数据中不同覆雪指标对应的覆雪状态进行经验判定， 指定不同供电区域在低度 覆雪、 中度覆雪、 高度覆雪、 极高度覆雪下对应的具体覆雪指标值。 4.根据权利要求1所述的一种基于无人机巡检的冬季配电区覆雪状态检测方法， 其特 征在于， 所述步骤一中， 地貌类型至少包括山区、 平原、 丘陵； 所述分区功能类型至少包括农 村、 城市、 工业区、 农业区。权　利　要　求　书 2/2 页 3 CN 115100548 A 3