(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210130693.0 (22)申请日 2022.02.12 (65)同一申请的已公布的文献号 申请公布号 CN 114445395 A (43)申请公布日 2022.05.06 (73)专利权人 河南城建学院 地址 467041 河南省平 顶山市新城区龙翔 大道 (72)发明人 刘恋　张敬普　刘荣辉　李忠　 刘佳　陈少峰　崔雪冰　郑征　 常亮　张仪方　 (74)专利代理 机构 河南新风向知识产权代理事 务所(普通 合伙) 41213 专利代理师 黄晶 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/73(2017.01) G06T 7/521(2017.01)G06V 10/44(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) (56)对比文件 CN 109215065 A,2019.01.15 CN 113537180 A,2021.10.2 2 CN 111578861 A,2020.08.25 CN 208833904 U,2019.0 5.07 CN 114036157 A,202 2.02.11 刘佳.适应不确定因素的输 配电系统优化 规 划研究. 《中国优秀博硕士学位 论文全文数据库 (博士)工程科技 Ⅱ辑》 .2020, 曾忱等.基 于无人机可见光点云的输电线路 树障隐患智能分析研究. 《电力设备 管理》 .2020, (第03期), 审查员 武茹茹 (54)发明名称 基于互联网和大数据的配电线路树障智能 定位方法和装置 (57)摘要 本申请涉及一种基于互联网和大数据的配 电线路树障智能定位方法和装置。 该方法通过训 练好的分类模型对采集的三维点云数据进行筛 选， 确定树木对应的目标点云数据， 将目标点云 数据和配电线路数据输入训练好的特征提取模 型， 确定目标特征信息， 将目标特征信息输入训 练好的权重回归模型， 确定目标回归值， 若目标 回归值不小于预设回归阈值， 则确定目标点云数 据对应的地理位置为树障位置， 通过分类模型、 特征提取模 型和权重回归模型的共同作用， 可以 有效地识别树木以及树木与配电线路之间的空 间位置关系， 并将信息量化为回归值与预设回归 阈值比较， 可以明确该目标点云数据对应的树木是否为树障， 提高了配电线路树障的分析和定位 的准确率。 权利要求书3页 说明书11页 附图3页 CN 114445395 B 2022.08.26 CN 114445395 B 1.一种基于互联网和大数据的配电线路树障智能定位方法， 其特征在于， 所述配电线 路树障智能定位方法包括： 获取目标区域内三维点云数据， 并通过训练好的分类模型对所述三维点云数据进行筛 选， 确定筛选结果为树木的目标点云数据； 获取所述目标区域内的配电线路数据， 并将所述目标点云数据和配电线路数据输入训 练好的特征提取模型， 确定对应的目标特征信息， 所述目标特征信息包括树木类型信息、 树 木生长信息和空域关联程度信息， 所述空域关联程度信息表征目标点云数据与配电线路数 据之间的空间位置关系； 将所述目标特征信息输入训练好的权重回归模型， 确定目标回归值， 训练过程为使用 预设模型对已知标注的特征信息进行计算， 将标注为树障的特征信息对应的回归值作为阈 值， 并以回归值小于所述阈值时标注为非树障作为条件， 对所有特征信息对应的标注进行 判断， 根据判断结果调整所述预设模型的参数， 直至满足第一迭代条件； 若所述目标回归值不小于预设回归阈值， 则确定所述目标点云数据对应的地理位置为 树障位置 。 2.根据权利要求1所述的配电线路树障智能定位方法， 其特征在于， 若所述目标回归值 不小于预设回归阈值， 则确定所述目标点云数据对应的地理位置为 树障位置包括： 若所述目标回归值不小于所述预设回归阈值， 则确定所述目标点云数据对应的树木为 树障； 提取所述目标点云数据的质心坐标， 并通过采集设备与地面的投影矩阵对所述质心坐 标进行变换， 确定变换后的坐标为 树障位置 。 3.根据权利要求1所述的配电线路树障智能定位方法， 其特征在于， 训练好的特征提取 模型包括训练好的第一分支网络、 第二分支网络和第三分支网络， 所述第一分支网络包括 第一编码器和第一全连接层， 所述第二分支网络包括第二编码器和第二全连接层， 所述第 三分支网络包括第三编码 器、 第四编码器和 第三全连接层， 所述第一编码 器、 所述第二编码 器和所述第三编码器为共享 参数的编码器； 将所述目标点云数据和配电线路数据输入训练好的特征提取模型， 确定对应的目标特 征信息包括： 将所述目标点云数据输入所述第一编码器， 经 所述第一全连接层， 确定树木类型信息； 将所述目标点云数据输入所述第二编码器， 经 所述第二全连接层， 确定树木生长信息； 将所述目标点云数据输入所述第三编码器， 将所述配电线路数据输入所述第四编码 器， 并将所述第三编 码器和所述第四编 码器的输出联结后， 经过所述第三全连接层， 确定空 域关联程度信息 。 4.根据权利要求1所述的配电线路树障智能定位方法， 其特征在于， 将所述目标特征信 息输入训练好的权 重回归模型， 确定目标回归值之后， 还 包括： 获取所述训练好的权 重回归模型中最后一次迭代运 算中的阈值； 将所述最后一次迭代运 算中的阈值作为预设回归阈值。 5.根据权利要求1所述的配电线路树障智能定位方法， 其特征在于， 将所述目标特征信 息输入训练好的权 重回归模型， 确定目标回归值之后， 还 包括： 获取所述目标区域的属于树障的历史点云数据和对应的配电线路数据， 并将所述历史权　利　要　求　书 1/3 页 2 CN 114445395 B 2点云数据和对应的配电线路数据输入所述训练好的特 征提取模型， 确定历史特 征信息； 将所述历史特征信 息输入所述训练好的权重回归模型， 确定对应的回归值为预设回归 阈值。 6.根据权利要求1至5任一项所述的配电线路树障智能定位方法， 其特征在于， 所述配 电线路树障智能定位方法还 包括： 在所述目标回归值小于预设回归阈值 时， 若检测到所述目标区域内的配电线路出现短 路， 则使用所述的 已知标注的特征信息对所述训练好的权重回归模型进行再训练， 得到再 训练好的权重回归模型， 在再训练过程中将所述 目标回归值作为阈值， 并以回归值小于所 述阈值时标注为非树障作为条件， 对所有特征信息对应的标注进行判断， 根据判断结果调 整所述训练好的权 重回归模型的参数， 直至满足第二迭代条件； 将标注为树障的特征信息输入所述再训练好的权重回归模型， 得到对应的回归值， 以 所有回归值中最小的回归值更新所述预设回归阈值。 7.一种基于互联网和大数据的配电线路树障智能定位装置， 其特征在于， 所述配电线 路树障智能定位装置包括： 分类模块， 用于获取目标区域内三维点云数据， 并通过训练好的分类模型对所述三维 点云数据进行筛 选， 确定筛选结果为树木的目标点云数据； 特征提取模块， 用于获取所述目标区域内的配电线路数据， 并将所述目标点云数据和 配电线路数据输入训练好的特征提取模型， 确定对应的目标特征信息， 所述 目标特征信息 包括树木类型信息、 树木生长信息和空域关联程度信息， 所述空域关联程度信息表征目标 点云数据与配电线路数据之间的空间位置关系； 回归分析模块， 用于将所述目标特征信息输入训练好的权重回归模型， 确定目标回归 值， 训练过程为使用预设模型对已知标注的特征信息进行计算， 将标注为树障的特征信息 对应的回归值作为阈值， 并以回归值小于所述阈值时标注为非树障作为条件， 对所有特征 信息对应的标注进行判断， 根据判断结果调整所述预设模型 的参数， 直至满足第一迭代条 件； 树障定位模块， 用于若所述目标回归值不小于预设回归阈值， 则确定所述目标点云数 据对应的地理位置为 树障位置 。 8.根据权利要求7所述的配电线路树障智能定位装置， 其特征在于， 所述树障定位模块 包括： 树障确定单元， 用于若所述目标回归值不小于所述预设回归阈值， 则确定所述目标点 云数据对应的树木为 树障； 位置确定单元， 用于提取所述目标点云数据的质心坐标， 并通过采集设备与地面的投 影矩阵对所述质心坐标进行变换， 确定变换后的坐标为 树障位置 。 9.根据权利要求7所述的配电线路树障智能定位装置， 其特征在于， 所述配电线路树障 智能定位装置还 包括： 模型参数获取模块， 用于将所述目标特征信息输入训练好的权重回归模型， 确定目标 回归值之后， 获取 所述训练好的权 重回归模型中最后一次迭代运 算中的阈值； 第一阈值确定模块， 用于将所述 最后一次迭代运 算中的阈值作为预设回归阈值。 10.根据权利要求7所述的配电线路树障智能定位装置， 其特征在于， 所述配电线路树权　利　要　求　书 2/3 页 3 CN 114445395 B 3