(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210335356.5 (22)申请日 2022.03.31 (65)同一申请的已公布的文献号 申请公布号 CN 114419559 A (43)申请公布日 2022.04.29 (73)专利权人 南方电网数字电网研究院有限公 司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 李鹏　黄文琦　吴洋　曾群生　 周锐烨　陈佳捷　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 卢晓霞(51)Int.Cl. G06V 20/52(2022.01) G06V 20/17(2022.01) G06V 20/10(2022.01) G06V 10/25(2022.01) G06V 10/42(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (56)对比文件 CN 114022761 A,202 2.02.08 审查员 王秋平 (54)发明名称 基于注意力机制的配网线路杆塔藤蔓攀爬 隐患识别方法 (57)摘要 本申请涉及一种基于注意力机制的配网线 路杆塔藤蔓攀爬隐患识别方法， 所述方法包括： 获取待识别的杆塔区域图像； 对 杆塔区域图像中 是否存在 藤蔓和杆塔进行识别； 若识别的结果为 杆塔区域图像中存在藤蔓和杆塔， 则识别出杆塔 区域图像中的藤蔓所占区域 以及所有杆塔中的 主杆塔所占区域； 确定主 杆塔所占区域与藤蔓所 占区域的重叠度， 并根据重叠度确认主杆塔是否 存在藤蔓攀爬隐患。 采用本方法能够有效提高配 电杆塔藤蔓攀 爬隐患识别的准确性。 权利要求书3页 说明书11页 附图6页 CN 114419559 B 2022.07.29 CN 114419559 B 1.一种基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别方法， 其特征在于， 所述方 法包括： 获取待识别的杆塔区域图像； 对所述杆塔区域图像中是否存在藤蔓和杆塔进行识别； 若所述识别的结果为所述杆塔区域图像中存在藤蔓和杆塔， 则识别出所述杆塔区域图 像中的藤蔓所占区域以及所有杆塔中的主杆塔所占区域； 确定所述主杆塔所占区域与 所述藤蔓所占区域的重叠度， 并根据 所述重叠度确认主杆 塔是否存在藤蔓攀 爬隐患； 所述对所述杆塔区域图像中是否存在藤蔓和杆塔进行识别的步骤， 包括： 采用改进后的目标检测模型对所述杆塔区域图像中是否存在所述藤蔓和所述杆塔两 种目标进行识别； 所述改进后的目标检测模型为将Ghost模块和Efficient  Channel  Attention模块引入YOLO  v5基础网络结构中得到； 所述Ghost模块用于减少网络的整体参 数和计算 量； 所述Ef ficient Channel Attention模块用于提升特 征的提取能力； 所述将Ghost模块和Efficient  Channel Attention模块引入YOLO  v5基础网络结构中 的步骤， 包括： 基于Mobilenet  v3网络块， 通过使用所述Ghost模块代替所述Mobilenet  v3网络块中 的1*1卷积， 以及使用所述Efficient  Channel Attention模 块代替所述Mobilenet  v3网络 块中的Sque eze‑and‑Excitati on操作， 构建两个替换模块； 采用所述两个替换模块分别替换所述YOLO  v5基础网络结构中的CBL操作和CSP操作， 得到所述改进后的目标检测模型； 所述识别出所述杆塔区域图像中的藤蔓所占区域以及所有杆塔中的主杆塔所占区域 的步骤， 包括： 以预设外扩规则将识别到所述杆塔的所有杆塔检测框 中最大的杆塔检测框进行外扩， 得到外扩后的杆塔 检测框； 将所述外扩后的杆塔检测框所占区域确 认为所述主杆塔所占区域， 以及将识别到所述 藤蔓的藤蔓检测框所占区域确认为所述藤蔓所占区域。 2.根据权利要求1所述的基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别方法， 其 特征在于， 所述确定所述主杆塔所占区域与所述藤蔓所占区域的重叠度， 并根据所述重叠 度确认主杆塔是否存在藤蔓攀 爬隐患的步骤， 包括： 计算所述主杆塔所占区域的面积以及所述主杆塔所占区域与所述藤蔓所占区域之间 的重叠区域的重 叠面积； 根据所述主杆塔所占区域的面积和所述重叠面积， 得到所述重叠面积与所述主杆塔所 占区域的面积的比值， 并将所述比值确定为所述重 叠度； 将所述重 叠度与阈值进行比较； 若所述比较的结果为所述重叠度大于所述阈值， 则确 认所述主杆塔存在所述藤蔓攀爬 隐患； 若所述比较的结果为所述重叠度小于等于所述阈值， 则确认所述主杆塔不存在所述藤 蔓攀爬隐患。 3.根据权利要求1所述的基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别方法， 其权　利　要　求　书 1/3 页 2 CN 114419559 B 2特征在于， 所述方法还 包括： 若所述识别的结果为所述杆塔区域图像中只存在所述藤蔓或只存在所述杆塔， 则确 认 所述杆塔区域图像中的杆塔区域 不存在所述藤蔓攀 爬隐患。 4.一种基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别装置， 其特征在于， 所述装 置包括： 获取模块， 用于获取待识别的杆塔区域图像； 识别模块， 用于对所述杆塔区域图像中是否存在藤蔓和杆塔进行识别； 第一处理模块， 用于若所述识别的结果为所述杆塔区域图像中存在藤蔓和杆塔， 则识 别出所述杆塔区域图像中的藤蔓所占区域以及所有杆塔中的主杆塔所占区域； 第二处理模块， 用于确定所述主杆塔所占区域与所述藤蔓所占区域的重叠度， 并根据 所述重叠度确认主杆塔是否存在藤蔓攀 爬隐患； 所述识别模块还用于采用改进后的目标检测模型对所述杆塔区域图像中是否存在所 述藤蔓和所述杆塔两种目标进行识别； 所述改进后的目标检测模型为将Ghost模块和 Efficient  Channel Attention模块引入YOLO  v5基础网络结构中得到； 所述Ghost模块用 于减少网络的整体参数和计算量； 所述Efficient  Channel Attention模块用于提升特征 的提取能力； 基于Mobilenet  v3网络块， 通过使用所述Ghost模块代替所述Mobilenet  v3网 络块中的1*1卷积， 以及使用所述Efficient  Channel Attention模块代替所述Mobilenet   v3网络块中的Squeeze ‑and‑Excitation操作， 构建两个替换模块； 采用所述两个替换模块 分别替换所述YOLO  v5基础网络结构中的CBL操作和CSP操作， 得到所述改进后的目标检测 模型； 所述第一处理模块， 还用于以预设外扩规则将识别到所述杆塔的所有杆塔检测框 中最 大的杆塔检测框进行外扩， 得到外扩后的杆塔检测框； 将所述外扩后的杆塔检测框所占区 域确认为所述主杆塔所占区域， 以及将识别到所述藤蔓的藤蔓检测框所占区域确认为所述 藤蔓所占区域。 5.根据权利要求4所述的基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别装置， 其 特征在于， 所述第二处理模块， 还用于计算所述主杆塔所占区域的面积以及所述主杆塔所占区域 与所述藤蔓所占区域之 间的重叠区域的重叠面积； 根据所述主杆塔所占区域的面积和所述 重叠面积， 得到所述重叠面积与所述主杆塔所占区域的面积的比值， 并将所述比值确定为 所述重叠度； 将所述重叠度与阈值进行比较； 若所述比较的结果为所述重叠度大于所述阈 值， 则确认所述主杆塔存在所述藤蔓攀爬隐患； 若所述比较的结果为所述重叠度小于等于 所述阈值， 则确认所述主杆塔不存在所述藤蔓攀 爬隐患。 6.根据权利要求4所述的基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别装置， 其 特征在于， 还 包括： 第三处理模块， 用于若所述识别的结果为所述杆塔区域图像中只存在所述藤蔓或只存 在所述杆塔， 则确认所述杆塔区域图像中的杆塔区域 不存在所述藤蔓攀 爬隐患。 7.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 3中任一项所述的方法的步骤。 8.一种基于注意力 机制的配网线路杆塔藤蔓攀爬隐患识别系统， 其特征在于， 包括： 无权　利　要　求　书 2/3 页 3 CN 114419559 B 3