本發明實施例涉及機輸電線路覆冰監測，涉及但不限于一種基于單目深度估計的輸電線路覆冰厚度預測方法及裝置。

背景技術：

1、輸電線路覆冰具有強隨機性和不可抗拒性，可能會引發塔桿傾倒、金具損壞和導線燒毀等機械性和電氣性故障，更甚之會導致大面積停電，進而引發電網崩潰瓦解等重特大電力事故，嚴重威脅輸電線路及電力系統的安全穩定運行。傳統覆冰測量方法（如人工巡檢、稱重法、激光測距等）存在效率低、成本高、難以實時監測等問題。因此，如何借助智能化手段對輸電線路覆冰進行監測，對于提升電力系統本質安全運行及保障居民用電具有重要意義。

2、單目深度估計是計算機視覺領域的關鍵技術之一，其核心任務是通過二維圖像反映出三維深度幾何信息，主流方法可分為傳統算法和基于深度學習的兩大類：傳統方法主要依賴手工特征（如紋理梯度、遮擋關系）和幾何先驗（如馬爾可夫隨機場），通過立體匹配或運動恢復結構實現，但精度有限且依賴場景假設。深度學習方法通過端到端訓練，并采用多尺度特征融合、注意力機制和自監督學習等方法顯著提升了性能。最新研究中，transformer架構通過長程依賴建模進一步提高了細節保持能力。

3、考慮到當前對輸電線路覆冰厚度測量的研究主要聚焦于通過覆冰前后的線路邊緣差異來反映出輸電線路兩側的覆冰厚度，對于輸電線路表面覆冰厚度的研究存在一定不足。在實際應用中，線路表面覆冰過厚容易出現過負載現象進而引起電力事故。

技術實現思路

1、基于相關技術中的問題，本發明實施例提供一種基于單目深度估計的輸電線路覆冰厚度預測方法及裝置。

2、本發明實施例的技術方案是這樣實現的：

3、本發明實施例提供一種基于單目深度估計的輸電線路覆冰厚度預測方法，所述方法包括：

4、獲取待預測區域的目標輸電線路覆冰圖像和輸電線路未覆冰圖像；

5、基于預先訓練的覆冰厚度預測模型，對所述目標輸電線路覆冰圖像進行區域劃分，得到包含目標區域的輸電線路覆冰子圖像；

6、通過預設改進單目深度估計算法，分別確定所述輸電線路覆冰子圖像對應的覆冰前單目深度圖像和覆冰后單目深度圖像；

7、在所述覆冰前單目深度圖像和所述覆冰后單目深度圖像的深度尺寸一致的情況下，對所述覆冰前單目深度圖像和所述覆冰后單目深度圖像進行像素級減法處理，得到覆冰前后差異深度圖；

8、通過預設圖像矩陣轉換算法，對所述覆冰前后差異深度圖進行矩陣轉換，得到覆冰差異矩陣；

9、基于預設比例關系計算公式，對所述覆冰差異矩陣和真實線路參數進行計算，得到像素-真實厚度比例關系；所述預設比例關系計算公式為：；式中，a表示像素-真實厚度比例關系；r表示線路真實半徑距離；表示線路中心點后端的深度值；表示線路中心點前端的深度值；

10、基于預設真實厚度定位算法和所述像素-真實厚度比例關系，對所述待預測區域的輸電線路進行覆冰厚度預測，得到覆冰厚度預測結果。

11、本發明實施例提供一種基于單目深度估計的輸電線路覆冰厚度預測裝置，所述裝置包括：

12、獲取模塊，用于獲取待預測區域的目標輸電線路覆冰圖像和輸電線路未覆冰圖像；

13、劃分模塊，用于基于預先訓練的覆冰厚度預測模型，對所述目標輸電線路覆冰圖像進行區域劃分，得到包含目標區域的輸電線路覆冰子圖像；

14、確定模塊，用于通過預設改進單目深度估計算法，分別確定所述輸電線路覆冰子圖像對應的覆冰前單目深度圖像和覆冰后單目深度圖像；

15、處理模塊，用于在所述覆冰前單目深度圖像和所述覆冰后單目深度圖像的深度尺寸一致的情況下，對所述覆冰前單目深度圖像和所述覆冰后單目深度圖像進行像素級減法處理，得到覆冰前后差異深度圖；

16、轉換模塊，用于通過預設圖像矩陣轉換算法，對所述覆冰前后差異深度圖進行矩陣轉換，得到覆冰差異矩陣；

17、計算模塊，用于基于預設比例關系計算公式，對所述覆冰差異矩陣和真實線路參數進行計算，得到像素-真實厚度比例關系；所述預設比例關系計算公式為：；式中，a表示像素-真實厚度比例關系；r表示線路真實半徑距離；表示線路中心點后端的深度值；表示線路中心點前端的深度值；

18、預測模塊，用于基于預設真實厚度定位算法和所述像素-真實厚度比例關系，對所述待預測區域的輸電線路進行覆冰厚度預測，得到覆冰厚度預測結果。

19、在一些實施例中，所述獲取模塊，還用于通過圖像采集設備實時采集所述待預測區域的初始輸電線路覆冰圖像；對所述初始輸電線路覆冰圖像進行降噪處理，得到降噪后的輸電線路覆冰圖像；對所述降噪后的輸電線路覆冰圖像進行對齊處理，得到對齊后的輸電線路覆冰圖像；對所述對齊后的輸電線路覆冰圖像進行灰度化處理，得到所述目標輸電線路覆冰圖像。

20、在一些實施例中，在所述基于預先訓練的覆冰厚度預測模型，對所述目標輸電線路覆冰圖像進行區域劃分，得到包含目標區域的子圖像之前，所述方法還包括：訓練模塊，用于獲取樣本輸電線路覆冰圖像；對所述樣本輸電線路覆冰圖像中的覆冰目標區域進行標注，得到標注后的樣本輸電線路覆冰圖像；設置訓練學習率、批次大小、迭代次數，對初始yolov10目標檢測模型進行訓練，得到訓練后的yolov10目標檢測模型；基于所述訓練后的yolov10目標檢測模型，對所述樣本輸電線路覆冰圖像進行預測，得到樣本覆冰厚度預測結果；基于所述樣本覆冰厚度預測結果和所述標注后的樣本輸電線路覆冰圖像進行誤差計算，得到最優權重。

21、在一些實施例中，所述劃分模塊，還用于基于所述預先訓練的覆冰厚度預測模型確定出的最優權重，對所述目標輸電線路覆冰圖像進行邊界檢測，得到預測邊界框信息；基于所述預測邊界框信息，對所述目標輸電線路覆冰圖像進行區域裁剪，得到所述輸電線路覆冰子圖像。

22、在一些實施例中，所述確定模塊，還用于對所述輸電線路覆冰子圖像和所述輸電線路未覆冰圖像中的同一角度不同時刻下的圖像分別進行歸一化處理，對應得到處理后的輸電線路覆冰子圖像和處理后的輸電線路未覆冰圖像；基于所述預設改進單目深度估計算法，分別對所述處理后的輸電線路覆冰子圖像和所述處理后的輸電線路未覆冰圖像進行單目深度估計，對應得到所述輸電線路覆冰子圖像中每一像素的第一深度估計值和所述輸電線路未覆冰圖像中每一像素的第二深度估計值；將所述第一深度估計值和所述第二深度估計值進行格式轉換，分別得到所述覆冰前單目深度圖像和所述覆冰后單目深度圖像。

23、在一些實施例中，所述處理模塊，還用于將所述覆冰后單目深度圖像中每一坐標的像素值減去所述覆冰前單目深度圖像中每一坐標的像素值，得到對應坐標處的像素值；計算公式如下：；式中，表示第i行，第j列處的坐標。

24、本發明實施例提供一種基于單目深度估計的輸電線路覆冰厚度預測設備，包括：存儲器，用于存儲可執行指令；處理器，用于執行所述存儲器中存儲的可執行指令時，實現上述的基于單目深度估計的輸電線路覆冰厚度預測方法。

25、本發明實施例提供一種計算機可讀存儲介質，存儲有可執行指令，用于引起處理器執行所述可執行指令時，實現上述的基于單目深度估計的輸電線路覆冰厚度預測方法。

26、本發明實施例中提供的一個或多個技術方案，至少具有如下技術效果或優點：

27、本發明構建了一種基于單目深度估計的輸電線路表面覆冰厚度監測方法，實現了輸電線路表面覆冰厚度的精確測量，為輸電線路覆冰重量計算及嚴重程度評估提供研究基礎和算法工具；本發明提出了一種改進擴散單目深度估計模型，在單目深度估計算法的基礎上增加空間注意力機制，使模型聚焦于圖片中的待檢測信息區域，幫助模型更清晰的捕捉輸電線路表面覆冰的位置厚度信息，從而更精確的估計深度值；除此之外，增加空間注意力機制還能起到抑制噪聲的作用，通過對圖像中不同通道進行加權，增強對有用信息主導通道的權重，減少對噪聲信息主導通道的權重，使其能夠具備準確辨識噪聲與非噪聲的能力，從而提高原圖像的質量，為深度估計模型提供更可靠的輸入，全面提升深度估計算法在黑夜場景下的檢測效果；本發明提出一種圖像-矩陣轉換模型，可以將深度圖中的每個像素值所代表的深度值提取出來，轉換為二維深度數值矩陣，以便于后續的數值計算。