目录

前言

输电线路走廊漂浮物故障风险现状

输电走廊GIS平台可视化情况

高压杆塔及大棚数据集构造方法

2.1引言

2.2遥感图像高压杆塔及大棚目标检测数据集

2.2.1数据集情况分析

2.2.2数据集构造处理方法

2.3算法评价指标

目标检测相关技术

3.1引言

3.2典型的卷积神经网络

3.2.1 VGGNet网络

3.2.2 ResNet网络

3.3 YOLOv1

3.4 YOLOv2

3.5 YOLOv3

3.5.1网络架构

3.5.2网络输出

3.5.3损失函数

3.6 YOLOv4

基于深度学习的遥感目标检测算法

4.1引言

4.2基于卷积神经网络的目标检测算法

4.2.1自适应多尺度特征提取器

4.2.2基于自适应特征融合特征图金字塔结构设计

4.2.3 Transformer-Decoder模块

4.3高压输电杆塔及易漂浮物目标检测验证

4.3.1实验环境

4.3.2训练过程

4.3.3结果分析

输电走廊的易漂浮物风险分析及可视化方法

5.1引言

5.2易漂浮物风险等级划分算法

5.2.1线路信息采集及JPDF分析计算

5.2.2线路漂浮物跳闸率计算

5.2.3风险等级评定

5.3输电走廊的易漂浮物风险分析方法

5.3.1识别的大棚目标坐标聚合构建大棚区域信息集

5.3.2由杆塔信息矫正并构建输电走廊

5.3.3分析计算各大棚区域的风险等级

5.4 GIS平台可视化方案

5.4.1转换输出输电走廊相关数据

5.4.3 GIS平台可视化验证

前言

随着遥感摄像技术的飞速发展、信息科技水平的不断提升，航空遥感、激 光遥感等遥感图像的获取更加便捷，对遥感图像地物识别广泛应用于管理评估 各类土地生态资源，并起到了十分重要的作用。通过模板匹配、机器学习、深 度学习等方法提取分析遥感图像特征，能有效提高识别速度和精度，得到的结 果令人满意[1]。
在发输变电行业里，高压输电走廊长度大，涉及地理范围范围广，分布较 松散，导致人工巡线成本高且评估、预测的难度较大，所以研究可行的智能识 别分析输电走廊风险点方法的必要性大；输电走廊如此广阔的范围也会导致遥 感影像数据量极为庞大，靠传统的人工处理耗时巨大且容易错漏，处理结果实 时性较为低下将降低遥感数据的应用价值。故应用图像识别技术以快速高效地 分析输电走廊遥感图像，发现、评估、预测出可能危害到输电走廊的风险点， 这一技术能有效提升电网安全运行能力。
由于近年来随着西部大开发战略的实施，线路保护区内种树、新建大棚、 机械施工、以及周边园区内防尘网、塑料薄膜等外破隐患及通道涉及的地质灾 害等风险威胁线路安全运行。而电力系统中对遥感分析输电