(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 202211012559.7 (22)申请日 2022.08.23 (71)申请人 国网河南省电力公司电力科 学研究 院 地址 450000 河南省郑州市二七区嵩 山南 路85号 申请人 国网河南省电力公司 　 国网河南省电力公司卫辉市供电公 司　 天津大学　杭州电子科技大 学 (72)发明人 郭志民　田杨阳　齐企业　库永恒　 姜亮　张焕龙　李斌　王楠　 刘善峰　毛万登　刘昊　李哲　 苏海涛　曾平良　吴秋轩　梁允　 朱新山　王倩　陈岑　谭磊　(74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 张红莲 (51)Int.Cl. G06V 20/52(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/26(2022.01) G06V 10/75(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) (54)发明名称 一种基于语义分割的变电站水位监测方法 及系统 (57)摘要 一种基于语义分割的变电站水位监测方法 及系统， 方法包括： 获取汛期变电站监控设备的 视频图像数据样本， 利用数据标注软件提取视频 图像数据 样本中的水位信息， 利用水位信息构建 变电站语义分割数据集； 基于UNet语义分割算 法， 建立变电站水位监测模型； 使用变电站语义 分割数据集， 基于迁移学习的方法， 对变电站水 位监测模型进行迭代训练； 以训练好的水位监测 模型， 对汛期变电站水位进行监测。 本发明解决 在没有水尺、 不具备相机标定条件 下实现变电站 水位监测， 可在水位上升时及时发出预警， 尽可 能让电力运维人员提前开展防汛工作， 避免后期 的严重财产损失。 权利要求书4页 说明书9页 附图5页 CN 115546713 A 2022.12.30 CN 115546713 A 1.一种基于语义分割的变电站水位 监测方法， 其特 征在于， 所述方法包括： 步骤1， 获取汛期变电站监控设备的视频图像数据样本， 利用数据 标注软件提取视频图 像数据样本中的水位信息， 利用水位信息构建变电站水位 监测数据集； 步骤2， 基于神经网络框架和混合坐标注意力机制的语义分割算法UNet， 建立变电站水 位监测模型； 步骤3， 使用变电站水位监测数据集， 基于迁移学习的方法， 对变电站水位监测模型进 行迭代训练； 步骤4， 以训练好的变电站水位监测模型从汛期变电站监控设备的视频图像数据样本 中提取水面监测区域图像； 通过筛选像素高度平均值对水面监测区域图像进行修正， 从水 面监测区域图像中去除孤立区域图像； 步骤5， 建立水面监测区域图像的坐标系； 在水面监测区域图像的坐标系下比较水位像 素高度与水位预警线像素高度， 当水位像素高度大于水位预警线像素高度时发出 预警。 2.根据权利要求1所述的基于语义分割的变电站水位 监测方法， 其特 征在于， 步骤1中， 在不同光照、 时间、 天气条件下， 采集汛期变电站监控设备的视频图像数据样 本； 利用数据标注软件对视频图像数据样本 中的水面 区域和非水面 区域进行标注， 并且提 取水面和水面 位置作为水位信息 。 3.根据权利要求1所述的基于语义分割的变电站水位 监测方法， 其特 征在于， 步骤2中， 混合 坐标注意力机制的语义分割算法UNet包括： 步骤2.1， 将语义分割算法UNet中的收缩路径特征图通过坐标注意力模块进行处理， 得 到第一收缩路径特 征图和第二收缩路径特 征图； 步骤2.2， 将第一收缩路径特 征图和第二收缩路径特 征图与扩展路径特 征图进行融合。 4.根据权利要求3所述的基于语义分割的变电站水位 监测方法， 其特 征在于， 步骤2.1包括： 步骤2.1.1， 设定坐标注意力 模块的输入特征图X的维度为H ×W×C， 分别采用第一池化 核(H,1)、 第二池化核(1,W)对输入特 征图X的不同通道沿水平方向与垂直方向进行编码； 步骤2.1.2， 以第一池化核(H,1)对高度 为h的收缩路径特征图进行池化， 满足如 下关系 式： 式中， 为第c个通道的第一收缩路径特 征图； xc(h,i)为对输入特征图中坐标点(h,i)进行池 化操作， 即将第c个通道的空间特征编码 为一个全局特 征； W为输入特 征图的宽度； 步骤2.1.2， 以第二池化核(1,W)对宽度 为w的收缩路径特征图进行池化， 满足如 下关系 式：权　利　要　求　书 1/4 页 2 CN 115546713 A 2式中， 为第c个通道的第二收缩路径特 征图； xc(j,w)为对输入特征图中坐标点(j,w)进行池 化操作， 即将第c个通道的空间特征编码 为一个全局特 征； H为输入特 征图的高度。 5.根据权利要求3所述的基于语义分割的变电站水位 监测方法， 其特 征在于， 步骤2.2包括： 步骤2.2.1， 将第一收缩路径特征图和第二收缩路径特征图进行拼接， 然后使用1 ×1卷 积函数F1对拼接后的特 征图进行变换操作， 满足如下关系式： f＝ δ(F1([zh,zw])) 式中， f为空间信息在水平方向和竖直方向的中间特 征图， zh为第一收缩路径特 征图， zw为第二收缩路径特 征图， δ 为第一非线性激活函数； 步骤2.2.2， 将f沿着空间维度拆分为第一张量fh和第二张量fw， 并采用第一附加1 ×1卷 积函数Fh第二附加1 ×1卷积函数Fw分别对第一张量fh和第二张量fw进行分离， 得到和输入 特征图X相同维度的张量， 如下关系式所示： gh＝σ(Fh(fh)) gw＝σ(Fw(fw)) 式中， gh为第一输出张量， gw为第二输出张量， σ 为第二非线性激活函数； 步骤2.2.3， 对第一输出 张量gh和第二输出 张量gw扩展为第一注意力权重和第二注意力 权重， 得到坐标注意力模块的输出Y＝{yc(i,j)}满足如下关系式： 式中， yc(i,j)为输出 特征图， xc(i,j)为输入特 征图， 为第一注意力权 重， 为第二注意力权 重。 6.根据权利要求1所述的基于语义分割的变电站水位 监测方法， 其特 征在于， 步骤3包括： 步骤3.1， 使用数据增强方法对变电站水位监测数据集进行数据增强和扩充， 得到变电 站水位监测增强数据集； 将变电站水位监测增强数据集按照9： 1的比例随机划分为训练集权　利　要　求　书 2/4 页 3 CN 115546713 A 3