(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 202210674948.X (22)申请日 2022.06.15 (71)申请人 国网山东省电力公司济 宁市任城区 供电公司 地址 272075 山 东省济宁市任城区环城西 路西侧 申请人 国网山东省电力公司济 宁供电公司 　 国家电网有限公司 (72)发明人 李楠　王磊　杨智文　郭超　东海　 付超　赵树佳　王元会　张同年　 洪迪　魏亚　翟恩腾　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅(51)Int.Cl. G06V 20/17(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) G06V 10/46(2022.01) G06T 7/73(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 基于深度学习的电网线路故障识别方法及 系统 (57)摘要 本发明公开了一种基于深度学习的电网线 路故障识别方法， 包括： 根据预先收集的电网输 电线路图像数据训练目标检测模 型； 利用无人机 采集当前的输电线路的 图像数据； 将获取的图像 数据输入所述目标检测模型中， 识别图像中输电 线路的目标设备； 将识别的目标设备图像输入训 练完成的故障识别模型中， 确定识别的目标设备 的类型及判断目标设备是否故障。 本发明采用级 联网络将小样本故障检测问题分解为目标检测 和小样本学习两部分， 先利用检测网络定位所有 目标部件， 后对定位的目标部件进行精确的故障 识别， 实现电网巡检图像的自动化判读， 实现输 电线路故障的精确识别。 权利要求书2页 说明书8页 附图2页 CN 115170988 A 2022.10.11 CN 115170988 A 1.一种基于深度学习的电网线路故障识别方法， 其特 征是， 包括： 根据预先收集的电网输电线路图像数据训练目标检测模型， 所述目标检测模型训练包 括： 对目标检测算法的损失函数进行优化， 利用预先收集的图像数据和优化后的损失函数 进行网络模型训练， 得到目标检测模型； 利用无人机采集当前的输电线路的图像数据； 将获取的图像数据输入所述目标检测模型中， 识别图像中输电线路的目标设备； 将识别的目标设备图像输入训练完成的故障识别模型中， 确定识别的目标设备的类型 及判断目标设备 是否故障。 2.如权利要求1所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 所述目 标检测算法采用YOLOv3结构， 所述深度学习网络模型为Mobi lenet网络模型 结构。 3.如权利要求1所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 训练目 标检测模型时， 对预先收集的输电线路图像数据进行预处理， 标注图像中输电线路设备 的 类型， 利用正常 设备图像数据和故障设备图像数据共同训练目标检测模型。 4.如权利要求3所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 输电线 路设备包括 绝缘子、 防震锤、 螺 栓、 杆塔、 塔 基。 5.如权利要求1所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 所述对 目标检测算法的损失函数进行优化， 包括： 定义损失函数， 所述损失函数的参数包括回归损失、 置信度损失及分类损失； 计算目标框与预测框之间的损失值， 根据该损失值计算所述回归损失； 计算所述置信度损失及所述分类损失； 根据所述回归损失、 所述置信度损失以及所述分类损失得到所述优化后的损失函数。 6.如权利要求1所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 所述故 障识别模型的训练过程包括： 将标注为正常和故障的多种类型的输电线路设备图像作为训 练样本， 输入故障识别模型中进行训练， 输出输电线路目标设备图像的类型及目标设备是 否故障。 7.如权利要求6所述的一种基于深度 学习的电网线路故障识别方法， 其特征是， 将训练 样本图像输入故障识别模型进 行训练之前， 采用样本图像特征增强方法对样本图像进 行图 像特征增强； 图像特征增强的步骤 包括： 对待增强图像分别进行多次仿射变换， 获得待增强图像的多个特 征图像； 计算所选的关键特 征图像与其 他非关键特 征图像之间的相似性权 重； 采用相似性权 重对关键特 征图像的特 征进行增强， 获得增强后的关键特 征图像。 8.一种基于深度学习的电网线路故障识别系统， 其特 征是， 包括： 输电线路图像获取模块， 用于获取当前输电线路的图像数据； 目标检测模块， 用于将获取的图像数据输入目标检测模型中， 识别图像中输电线路的 目标设备； 故障识别模块， 用于将识别的目标设备图像输入故障识别模型中， 确定识别的目标设 备的类型及判断目标设备 是否故障。 9.一种电子设备， 其特征是： 包括存储器和处理器以及存储在存储器上并在处理器上权　利　要　求　书 1/2 页 2 CN 115170988 A 2运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成如权利要求 1‑7中任一项 所述的 一种基于深度学习的电网线路故障识别方法的步骤。 10.一种计算机可读存储介质， 其特征是： 用于存储计算机指令， 所述计算机指令被处 理器执行时， 完成如权利要求1 ‑7中任一项所述的一种基于深度学习的电网线路故障识别 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115170988 A 3