本發(fā)明涉及圖形圖像處理，尤其涉及一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法。

背景技術(shù)：

1、無人機(jī)系統(tǒng)具有機(jī)動(dòng)性強(qiáng)、敏捷安全的優(yōu)點(diǎn)，搭載紫外光學(xué)探測設(shè)備可完成對(duì)線路絕緣子電暈放電的拍攝任務(wù)。利用紫外光學(xué)探測設(shè)備數(shù)據(jù)可以構(gòu)建線路絕緣子檢測的數(shù)字孿生，通過多次孿生比對(duì)，可以獲取線路絕緣子的運(yùn)行狀態(tài)，避免出現(xiàn)因絕緣子故障導(dǎo)致輸電線路受損。然而，目前有關(guān)線路絕緣子紫外檢測，往往僅涉及單一場景下線路絕緣子數(shù)字孿生，對(duì)于復(fù)雜場景下的絕緣子狀況很難做出精準(zhǔn)的判斷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于：為解決當(dāng)前線路絕緣子紫外檢測不能適應(yīng)復(fù)雜場景的問題，本發(fā)明提供一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法。

2、本申請實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、本申請實(shí)施例第一方面提供一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，包括：

4、獲取樣本絕緣子在不同環(huán)境下的觀測數(shù)據(jù)；

5、基于所述觀測數(shù)據(jù)對(duì)每一類環(huán)境下的所述樣本絕緣子分別進(jìn)行數(shù)字孿生建模，形成至少兩個(gè)第一數(shù)字孿生體；

6、對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體；

7、利用所述第二數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；

8、將待測絕緣子孿生體輸入至所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，生成評(píng)價(jià)結(jié)果。

9、可選的，所述對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體，包括：

10、獲取所述第一數(shù)字孿生體中的每個(gè)數(shù)據(jù)點(diǎn)與對(duì)應(yīng)均值之間的標(biāo)準(zhǔn)差；

11、將標(biāo)準(zhǔn)差大于預(yù)設(shè)閾值的數(shù)據(jù)點(diǎn)確定為所述第一數(shù)字孿生體中的離群點(diǎn)；

12、將所述離群點(diǎn)進(jìn)行剔除，得到第二數(shù)字孿生體。

13、可選的，所述對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體，包括：

14、利用ror濾波器對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體。

15、可選的，在將待測絕緣子孿生體輸入至所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，生成評(píng)價(jià)結(jié)果之前，所述方法還包括：

16、對(duì)所述待測絕緣子孿生體進(jìn)行預(yù)處理，剔除所述待測絕緣子孿生體中的離群點(diǎn)。

17、可選的，所述初始神經(jīng)網(wǎng)絡(luò)模型為grid-gcn模型。

18、可選的，所述利用所述第二數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，包括：

19、利用所述第二數(shù)字孿生體和對(duì)應(yīng)的真實(shí)絕緣子模型對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型。

20、可選的，采用交叉熵?fù)p失函數(shù)作為所述初始神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練損失函數(shù)，所述訓(xùn)練損失函數(shù)滿足：

21、；

22、其中，為真實(shí)絕緣子模型中第i個(gè)數(shù)據(jù)點(diǎn)的值，是目標(biāo)神經(jīng)網(wǎng)絡(luò)模型預(yù)測的第i類別的概率。

23、本申請實(shí)施例第二方面提供一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生裝置，包括：獲取模塊、創(chuàng)建模塊、預(yù)處理模塊、訓(xùn)練模塊和生成模塊；

24、所述獲取模塊，配置為獲取樣本絕緣子在不同環(huán)境下的觀測數(shù)據(jù)；

25、所述創(chuàng)建模塊，配置為基于所述觀測數(shù)據(jù)對(duì)每一類環(huán)境下的所述樣本絕緣子分別進(jìn)行數(shù)字孿生建模，形成至少兩個(gè)第一數(shù)字孿生體；

26、所述預(yù)處理模塊，配置為對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體；

27、所述訓(xùn)練模塊，配置為利用所述第二數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；

28、所述生成模塊，配置為將待測絕緣子孿生體輸入至所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，生成評(píng)價(jià)結(jié)果。

29、本申請實(shí)施例第三方面提供一種電子設(shè)備，包括處理器和存儲(chǔ)器；所述存儲(chǔ)器有存儲(chǔ)計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序在被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法。

30、本申請實(shí)施例第四方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述方法的步驟。

31、與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑募夹g(shù)方案帶來的有益效果是：

32、本發(fā)明提供一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法、裝置和設(shè)備，通過獲取樣本絕緣子在不同環(huán)境下的觀測數(shù)據(jù)，對(duì)每一類環(huán)境下的樣本絕緣子分別進(jìn)行數(shù)字孿生建模，形成至少兩個(gè)第一數(shù)字孿生體，在剔除第一數(shù)字孿生體中的離群點(diǎn)后，利用數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，利用目標(biāo)神經(jīng)網(wǎng)絡(luò)模型判斷待測絕緣子孿生體的情況，充分考慮了復(fù)雜場景下的絕緣子的情況，便于準(zhǔn)確獲取線路絕緣子的運(yùn)行狀態(tài)。

技術(shù)特征：

1.一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，所述對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體，包括：

3.根據(jù)權(quán)利要求1所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，所述對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體，包括：

4.根據(jù)權(quán)利要求1所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，在將待測絕緣子孿生體輸入至所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，生成評(píng)價(jià)結(jié)果之前，所述方法還包括：

5.根據(jù)權(quán)利要求1所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，所述初始神經(jīng)網(wǎng)絡(luò)模型為grid-gcn模型。

6.根據(jù)權(quán)利要求1所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，所述利用所述第二數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，包括：

7.根據(jù)權(quán)利要求6所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，其特征在于，包括：采用交叉熵?fù)p失函數(shù)作為所述初始神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練損失函數(shù)，所述訓(xùn)練損失函數(shù)滿足：

8.一種線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生裝置，其特征在于，包括：獲取模塊、創(chuàng)建模塊、預(yù)處理模塊、訓(xùn)練模塊和生成模塊；

9.一種電子設(shè)備，包括處理器和存儲(chǔ)器；所述存儲(chǔ)器有存儲(chǔ)計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序在被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7中任一項(xiàng)所述的線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一所述方法的步驟。

技術(shù)總結(jié)
本申請?zhí)峁┮环N線路絕緣子紫外圖像數(shù)據(jù)流數(shù)字孿生方法，涉及圖形圖像處理技術(shù)領(lǐng)域，包括：獲取樣本絕緣子在不同環(huán)境下的觀測數(shù)據(jù)；基于所述觀測數(shù)據(jù)對(duì)每一類環(huán)境下的所述樣本絕緣子分別進(jìn)行數(shù)字孿生建模，形成至少兩個(gè)第一數(shù)字孿生體；對(duì)所述第一數(shù)字孿生體進(jìn)行預(yù)處理，剔除所述第一數(shù)字孿生體中的離群點(diǎn)，得到第二數(shù)字孿生體；利用所述第二數(shù)字孿生體對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；將待測絕緣子孿生體輸入至所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型，生成評(píng)價(jià)結(jié)果。

技術(shù)研發(fā)人員：鄧鶴鳴,楊柳,王恒宇,吳思杰,艾啟俊
受保護(hù)的技術(shù)使用者：湖北大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/29