(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210701000.9 (22)申请日 2022.06.21 (71)申请人 国网江苏省电力有限公司电力科 学 研究院 地址 210000 江苏省南京市江宁区帕威尔 路1号 申请人 国网江苏省电力有限公司 　 江苏省电力试验研究院有限公司 　 国网江苏省电力有限公司双创中心 (72)发明人 路永玲　高超　王真　薛海　 吴奇伟　胡成博　朱雪琼　刘子全　 李鸿泽　贾骏　杨景刚　孙蓉　 柏仓　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林(51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/12(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01D 21/02(2006.01) G01N 21/88(2006.01) (54)发明名称 一种输电通道外破隐患检测的边缘融合终 端及其识别方法 (57)摘要 本发明公开了一种输电通道外破隐患检测 的边缘融合终端及其识别方法， 其终端包括终端 核心单元、 终端协处理单元、 供电单元 以及通信 单元， 所述通信单元包括通信模块和通信网关， 所述通信模块用于将终端核心单元外接至管理 平台， 所述通信网关用于将终端协处理单元外接 至输变电物联网传感器； 所述终端协处理单元与 终端核心单元连接， 所述终端核心单元上还 连接 有可视化采集单元； 所述可视化采集单元用于实 现图像采集； 所述供电单元用于为终端核心单 元、 终端协处理单元以及通信单元提供电力支 持； 本发明能够实现低功耗的管理运行， 同时通 过机器识别有效的减少人力投入， 提高输电运维 效率。 权利要求书2页 说明书4页 附图2页 CN 114972927 A 2022.08.30 CN 114972927 A 1.一种输电通道外破隐患检测的边缘融合终端， 其特征在于， 包括终端核心单元、 终端 协处理单元、 供电单元以及通信单元， 所述通信单元包括通信模块和通信网关， 所述通信模 块用于将终端核心单元外接至管理平台， 所述通信网关用于将终端协处理单元外接至输变 电物联网传感器； 所述终端协处理单元与终端核心单元连接， 所述终端核心单元上还连接 有可视化采集单元； 所述可视化采集单元用于实现图像采集； 所述供电单元用于为终端核 心单元、 终端协处 理单元以及通信单 元提供电力支持。 2.根据权利要求1所述的一种输电通道外破隐患检测的边缘融合终端， 其特征在于， 所 述供电单元包括依 次连接的太阳能电池板、 太阳能控制器以及蓄电池， 所述太阳能控制器 还连接终端协处 理单元。 3.根据权利要求1所述的一种输电通道外破隐患检测的边缘融合终端， 其特征在于， 所 述可视化采集单元包括普光摄像头、 夜光摄像头以及光照传感器， 所述光照传感器用于感 知环境亮度， 根据环境亮度切换普光摄像头或夜光摄像头进行图像采集； 所述普光摄像头 和夜光摄像头具备电动变焦功能、 定时和手动抓拍功能、 Starvis星光全彩摄像功能以及视 频录制功能。 4.根据权利要求3所述的一种输电通道外破隐患检测的边缘融合终端， 其特征在于， 所 述可视化采集单 元还包括声光报警器和语音 告警器。 5.根据权利要求1所述的一种输电通道外破隐患检测的边缘融合终端， 其特征在于， 所 述终端核心单元采用瑞芯微RK1808芯片， 所述终端协处理单元采用NRF52840芯片， 所述通 信模块采用SX1280射频芯片。 6.一种适用于权利要求1 ‑5任一项所述的一种输电通道外破隐患检测的边缘融合终端 的识别方法， 其特 征在于， 包括： 通过可视化采集单 元采集输电通道图像； 将输电通道图像输入部署在终端核心单元的目标检测模型中进行输电通道外破隐患 识别； 其中， 所述目标检测模型的部署过程包括： 基于ResNet ‑34卷积神经网络构建输电通道外破隐患的目标检测模型； 获取输电通道图像并添加标注信息构建训练样本集； 将训练样本集输入目标检测模型中进行训练； 将训练后的目标检测模型部署至终端 核心单元中。 7.根据权利要求6所述的一种输电通道外破隐患检测的识别方法， 其特征在于， 所述标 注信息包括 位置坐标和目标类型， 所述目标类型包括塔吊、 挖掘机、 吊车和鸟巢。 8.根据权利要求6所述的一种轻量化输电通道外破隐患识别方法， 其特征在于， 所述将 训练样本集输入目标检测模型中进行训练包括： 利用ResNet ‑34卷积神经网络对训练样本集中的训练样本进行特征提取获取高低层特 征图； 通过FPN网络将高低层特征横向连接进行特征融合并在相应尺度特征图上产生候选 框； 通过FCN子网络对候选 框进行选择分类与回归获取候选 框的预测信息； 通过非极大值抑制方式对候选 框的预测信息进行筛 选处理；权　利　要　求　书 1/2 页 2 CN 114972927 A 2通过标注信 息和每轮筛选处理后的预测信 息计算模型损失， 并根据模型损失优化模型 参数， 直至模型参数收敛。权　利　要　求　书 2/2 页 3 CN 114972927 A 3