一种基于图像识别的线路运维监控方法及系统

1.一种基于图像识别的线路运维监控方法，其特征在于，包括以下步骤：S1、采集输电线路图像；S2、根据光照和天气条件信息对输电线路图像进行自适应图像增强处理；S3、构建图像质量评估与自适应筛选模型对增强后的输电线路图像进行模糊度检测，根据预设阈值对输电线路图像进行筛选得到有效图像；S4、基于深度学习对有效图像进行分割，识别关键信息；S5、提取有效图像中的信息，并建立与预设关键字的映射关系，自动分类并更新数据-关键字数据库；S6、实时监控数据处理和运维人员的工作效率，根据工作效率数据生成提醒信息并发送至相关人员的工作终端；其中，所述步骤S4的具体步骤包括：S401、对有效图像进行标准化处理和增强处理；S402、引入自注意力机制的Transformer模型捕捉有效图像的长距离依赖，表达如下： ；其中，Attention表示注意力；Q,K,V分别表示查询、键和值矩阵，d k 表示键向量的维度，T表示转置；S403、设计一个输电线路特征的位置编码器增强模型对输电线路结构的感知，引入结构化标签作为监督信号进行训练；S404、设计一个用于图像语义分割的输出头，所述输出头将Transformer模型的输出映射到每个像素的类别预测，使用交叉熵损失函数L进行端到端的训练，表示如下： ；其中，C是类别数， 是像素点o的标签在类别c上的真实值， 是对应的预测概率。 2.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述方法还包括：S7、在运维人员的AR眼镜或移动设备上，实时显示关键信息和维护指南；S8、使用机器学习算法分析历史和实时数据，预测潜在故障和维护需求。 3.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S1中，还包括，在采集的环境安装环境光线感应器，实时测量当前光照强度 ，并将数据实时传输至控制系统，根据光照强度动态调整摄像头的ISO和快门速度，再通过图像处理算法实时评估焦点的清晰度，最大化焦点清晰度，然后进行多曝光图像采集再合成一张HDR图像；其中，所述根据光照强度动态调整摄像头的ISO和快门速度，计算如下： ；其中，t s 是快门速度，K是设备性能相关的常数，S是ISO值；所述进行多曝光图像采集再合成一张HDR图像，计算如下： ；其中，H表示合成的HDR图像，w(e n )是基于曝光偏差的权重函数，I n 是第n张输电线路图像，e n 是相应的曝光偏差。 4.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S2具体包括：S201、将输入的输电线路图像分为若干小区域，每个区域将独立进行对比度调整，对于每个区域，定义局部对比度增强函数 ，表示如下： ；其中， 是像素点 的亮度值，m和M分别是该区域内的最小和最大亮度值；S202、使用光照校正算法对整个输电线路图像进行处理，再计算整个输电线路图像的平均亮度 ，并调整每个像素的亮度 ；S203、使用边缘增强算法提升输电线路图像中输电线路及其附件的边缘清晰度，使用拉普拉斯算子 提取边缘细节，并加权回原输电线路图像，表示如下： ；其中， 是增强强度系数， 表示增强后的输电线路图像， 表示原输电线路图像；S204、对增强后的输电线路图像进行颜色校正。 5.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S3具体包括：S301、对于增强后的输电线路图像 ，将其分割成 的网格，每个网格单元内计算清晰度指标S i ；S302、计算全局清晰度S g 作为图像整体清晰度的评价；S303、将环境因子进行量化，然后设计机器学习模型，然后将量化后的环境因子输入机器学习模型进行分析，用于对清晰度进行分析；其中环境因子包括拉普拉斯方差、光照指数、天气状况、拍摄距离。 6.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S5具体包括：S501、根据语义分割的结果识别有效图像中的关键输电线路组件并进行特征提取，并根据预设关键字和与有效图像特征关联；S502、根据特征关联构建有效图像与关键字匹配模型，并使用机器学习技术训练有效图像与关键字匹配模型，自动学习和识别有效图像特征与关键字之间的关联，其中训练数据由标注过的有效图像和关键字对组成；S503、预测与有效图像关联的关键字，并将预测结果及时更新到数据-关键字数据库中，提供实时的监控信息和潜在的维护建议。 7.根据权利要求6所述的一种基于图像识别的线路运维监控方法，其特征在于，所述预设关键字包括维护需求、损坏、腐蚀和线路超载。 8.根据权利要求1所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S6具体包括：S601、建立效率评估模型，使用指数加权移动平均对效率值 进行平均，表示如下： ；其中，E EWMA (t)表示t时刻加权移动后的效率值E平均值，E EWMA (t-1)表示t-1时刻加权移动后的效率值E平均值，E(t)表示在时间点t的实际效率值，α表示平滑系数， 0<α≤1；S602、动态阈值调整，具体表示如下： ；其中，E threshold 表示调整后的阈值， 和 分别表示E EWMA 的均值和标准差，k表示一个设计参数，根据维护操作的严格程度调整；S603、在每个时间点t，计算E EWMA 并与E threshold 比较，反馈内容根据效率下降的程度和预测的原因定制；若E EWMA (t)<E threshold ，则触发反馈机制；S604、自动生成的反馈信息通过电子方式实时传递给相关的工作人员和管理者。 9.根据权利要求5所述的一种基于图像识别的线路运维监控方法，其特征在于，所述步骤S303中，将环境因子整合成特征向量[V L , L I , W C , D]，其中V L 表示拉普拉斯方差，L I 表示光照指数，W C 表示天气状况，D表示拍摄距离；将特征向量 使用核技巧将数据映射到高维空间，表示如下： ；其中， 是径向基函数或多项式核，以适应非线性关系，w表示权重，w T 表示权重的转置，b表示偏置，i是索引表示当前训练样本的编号，x i 表第i个样本的特征向量，y i 表示第i个样本的标签， 表示第i个样本的松弛变量，ω表示松弛变量的权重。 10.一种基于图像识别的线路运维监控系统，用于实施权利要求1所述的基于图像识别的线路运维监控方法，其特征在于，所述系统包括：图像采集模块，用于采集输电线路图像；图像增强模块，用于根据光照和天气条件信息对输电线路图像进行自适应图像增强处理；模糊度检测模块，用于构建输电线路图像质量评估与自适应筛选模型对增强后的输电线路图像进行模糊度检测，根据预设阈值对输电线路图像进行筛选得到有效图像；分割模块，用于基于深度学习对有效图像进行分割，识别关键信息；特征提取模块，用于提取有效图像中的信息，并建立与预设关键字的映射关系，自动分类并更新数据-关键字数据库；数据监控模块，用于实时监控数据处理和运维人员的工作效率，根据工作效率数据生成提醒信息并发送至相关人员的工作终端。