所属领域：电力视觉

成果持有人：翟永杰

（一）基本情况

成果解决的问题：传统图像处理方法无法很好的解决雨雪、雾霾、沙尘等恶劣气候条件下输电线路监视影像中的侵入目标识别；对输电线路三跨点侵入目标的运动趋势无法准确预测预警；对山火、浓烟、地质灾害等危害的识别预警达不到预期；现有监控系统存在系统孤立、设备多样、传输速度慢、识别效率低、数据不统一等问题。

解决思路方案：

1、研究输电线路不同图像监测装置在设备运行过程中包括数据传输、命令控制等方面差异性，实现异构系统不同设备图像数据统一监控管理，通过同一化处理技术建立标准非结构化数据样本库

2、通过卷积神经网络对有雾图像进行去雾处理，通过加入修复模块，利用点运算的图像增强方法对去雾图像进行修正，从而得到细节清晰、视觉效果更好的去雾图像；基于背景建模技术，实现侵入目标的运动趋势判断；基于CNN的烟雾检测方法检测早期山火发生时产生的烟雾。

3、建立基于边缘设备的分布式识别分析传输技术，形成边云协同图像分析传输方案，提高传输速度和识别效率。

（二）技术特点

1、通过神经网络方法提高了图像去雾、去雨雪效果，通过同一化标注技术，建立了图像增强的输电线路图像样本库；

2、基于背景建模技术，实现侵入目标的运动趋势判断，提高了对侵入目标的预警精度；

3、实现了输电线路边云协同方案，提高了图像传输速度和识别效率。

（三）应用场景

项目建立的三跨线路非结构化数据样本库解决了图像一致性问题，在此基础上形成的系统融合泛化方法可用于解决系统异构孤立、设备差异等问题。项目研究的图像去雾、背景建模、山火识别等算法模型集合适用于多种场景，可有效解决全天候图像识别、运动识别问题，具备良好成果转化基础和推广应用价值。

（四）成果产出

出版专著1部《电力视觉技术》；授权发明专利3项。