一种基于卷积神经网络的输电线路杆塔外力破坏检测方法
专利汇可以提供一种基于卷积神经网络的输电线路杆塔外力破坏检测方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 卷积神经网络 的输电线路杆塔外 力 破坏检测方法，属于卫星遥感 图像处理 在输电线路运维及应用技术领域。该检测方法首先对原始遥感图像进行预处理，并从中划分出训练集、验证集、测试集；卷积神经网络通过训练样本进行学习，利用Adam 算法 优化。训练得到最优模型后，将完整的图像数据输入到模型中，最终得到遥感图像中每基杆塔的检测结果，判断有无外力破坏。通过该检测方法可减少外力破坏造成的线路故障，通过卫星遥感检测，及时发现可能造成的输电线路杆塔受损，及早管控，降低输电线路因外力破坏引起的跳闸停运。，下面是一种基于卷积神经网络的输电线路杆塔外力破坏检测方法专利的具体信息内容。
1.一种基于卷积神经网络的输电线路杆塔外力破坏检测方法，其特征在于，包括以下步骤：
步骤（1），获得遥感图像原始数据；
步骤（2），对遥感图像进行预处理，分离出各个杆塔图像并进行划分，获得具有标签的训练集、验证集、测试集，所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；
步骤（3），构建卷积神经网络模型，初始化各参数，将训练集输入到网络中学习；
步骤（4），训练集输入到模型后，经过前向传播得到输出值，该输出值即杆塔被破坏的概率；计算代价函数来衡量输出值与真实值间的误差，然后通过反向传播误差进行反馈，更新卷积核的参数继续训练；第一轮训练结束后，将验证集作为输入，运行模型并观察结果，重复多次直到观察到代价函数收敛，得到当前参数最优的神经网络模型；
步骤（5），将测试集中的杆塔遥感图输入到训练好的最优模型中，得到杆塔是否外力破坏的分类结果，并评估模型的准确度；
步骤（6），当模型准确度达标后，所得的模型即可用于新的杆塔外力破坏检验。
2.根据权利要求1所述的基于卷积神经网络的输电线路杆塔外力破坏检测方法，其特征在于，所述步骤（2）的具体过程为：
步骤（2.1），对卫星遥感图的处理：截取杆塔位置，并保证杆塔位置在各个图片正中心；
步骤（2.2），训练集的划分：取一条线路60％的杆塔作为训练集，20％的杆塔作为验证集，20％的杆塔作为测试集。
3.根据权利要求1所述的基于卷积神经网络的电线杆塔遥感图像二分类方法，其特征在于，步骤（4）中最后一层采用logistic回归，每个神经元的输出值对应着杆塔破坏与否的概率；代价函数采用交叉熵损失函数，表达式为 ：其中y表示
真实值，a为模型输出值；然后通过Adam算法反向传播误差，更新所有卷积核的参数，以使代价函数趋于收敛。
4.根据权利要求1所述的基于卷积神经网络的电线杆塔遥感图像二分类方法，其特征在于，步骤（5）中当准确度高于80%时，固定模型，若低于80%，将测试集中的25%的数据输入到网络中重新训练。
一种基于卷积神经网络的输电线路杆塔外力破坏检测方法
技术领域
背景技术
发明内容
步骤（1），获得遥感图像原始数据；
步骤（2），对遥感图像进行预处理，分离出各个杆塔图像并进行划分，获得具有标签的训练集、验证集、测试集，所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；
步骤（3），构建卷积神经网络模型，初始化各参数，将训练集输入到网络中学习；
步骤（4），训练集输入到模型后，经过前向传播得到输出值，该输出值即杆塔被破坏的概率；计算代价函数来衡量输出值与真实值间的误差，然后通过反向传播误差进行反馈，更新卷积核的参数继续训练；第一轮训练结束后，将验证集作为输入，运行模型并观察结果，重复多次直到观察到代价函数收敛，得到当前参数最优的神经网络模型；
步骤（5），将测试集中的杆塔遥感图输入到训练好的最优模型中，得到杆塔是否外力破坏的分类结果，并评估模型的准确度；
步骤（6），当模型准确度达标后，所得的模型即可用于新的杆塔外力破坏检验。
步骤（2.2），训练集的划分：取一条线路60％的杆塔作为训练集，20％的杆塔作为验证集，20％的杆塔作为测试集。（但不限于此，还可以按照30%、30%、40%的比例进行划分）训练集划分的时候，采用随机的方式。
法反向传播误差，更新所有卷积核的参数，以使代价函数趋于收敛。本发明所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；可采用标签“1”表示被外力破坏，“0”为表示未被外力破坏。
具体实施方式
步骤（2），对遥感图像进行预处理，分离出各个杆塔图像并进行划分，获得具有标签的训练集、验证集、测试集，所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；
步骤（3），构建卷积神经网络模型，初始化各参数，将训练集输入到网络中学习；
步骤（4），训练集输入到模型后，经过前向传播得到输出值，该输出值即杆塔被破坏的概率；计算代价函数来衡量输出值与真实值间的误差，然后通过反向传播误差进行反馈，更新卷积核的参数继续训练；第一轮训练结束后，将验证集作为输入，运行模型并观察结果，重复多次直到观察到代价函数收敛，得到当前参数最优的神经网络模型；
步骤（5），将测试集中的杆塔遥感图输入到训练好的最优模型中，得到杆塔是否外力破坏的分类结果，并评估模型的准确度；
步骤（6），当模型准确度达标后，所得的模型即可用于新的杆塔外力破坏检验。
步骤（2.2），训练集的划分：取一条线路60％的杆塔作为训练集，20％的杆塔作为验证集，20％的杆塔作为测试集。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种新型铝合金熔炼炉热烟气流量控制装置 | 2020-05-11 | 55 |
| 一种用于防止煤料窜仓的闸门装置 | 2020-05-11 | 751 |
| 一种物联网综合实训实景沙盘系统 | 2020-05-08 | 368 |
| 一种电动卷闸用安全机构 | 2020-05-08 | 807 |
| 一种高炉炉前出铁场全封闭式除尘罩 | 2020-05-11 | 907 |
| 一种环保固废处理装置 | 2020-05-12 | 58 |
| 一种具有磁感应装置的加密闸阀 | 2020-05-12 | 990 |
| 一种防雨雪电气柜 | 2020-05-08 | 668 |
| 真石漆的放料装置 | 2020-05-11 | 955 |
| 一种多功能老年病人助行器 | 2020-05-11 | 679 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
-
10 一种可移动式检修电源箱
