(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 202210385285.X (22)申请日 2022.04.13 (71)申请人 广西电网有限责任公司电力科 学研 究院 地址 530023 广西壮 族自治区南宁市民主 路6-2号 申请人 南方电网科 学研究院有限责任公司 (72)发明人 唐捷　黄志都　崔志美　俸波　 王乐　廖永力　朱登杰　黄增浩　 (74)专利代理 机构 广州市专 注鱼专利代理有限 公司 44456 专利代理师 刘玉珠 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/762(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种架空线缆覆冰类型的辨识方法 (57)摘要 本申请公开了一种架空线缆覆冰类型的辨 识方法， 包括： 获取覆冰形态训练样本集和待检 测覆冰图像； 根据所述覆冰形态训练样本集构建 覆冰形态特征库； 将所述待检测覆冰图像输入所 述覆冰形态特征库来确定覆冰形态。 本申请先通 过构建一个覆冰形态特征库来确定图像的覆冰 形态， 减少了一张一张的图像进行检测覆冰的状 态的计算量和降低了计算的复杂度， 能够快速准 确地检测架空电缆上的覆冰形态， 建立雨凇、 雾 凇、 混合凇、 无覆冰四类 状态的自动识别方法。 权利要求书1页 说明书4页 附图1页 CN 114821310 A 2022.07.29 CN 114821310 A 1.一种架空线缆覆冰类型的辨识方法， 其特 征在于， 包括： 获取覆冰形态训练样本集和待检测覆冰图像； 根据所述覆冰形态训练样本集构建覆冰形态特 征库； 将所述待检测覆冰图像输入所述覆冰形态特 征库来确定覆冰形态。 2.根据权利要求1所述的辨识方法， 其特征在于， 所述根据 所述覆冰形态训练样本集构 建覆冰形态特 征库， 包括： 对所述覆冰形态训练样本集进行 预处理获取预处理图像样本集； 将所述预处理图像样本集输入预设训练VGG模型中进行训练来获取所述预处理图像样 本集的纹 理特征； 使用k‑means聚类方法对所述纹 理特征进行聚类确定类聚中心； 根据所述类聚中心构建覆冰形态特 征库。 3.根据权利要求1所述的辨识方法， 其特征在于， 所述获取覆冰形态训练样本集和待检 测覆冰图像， 包括： 利用架设在高压线上的摄 像头来获取覆冰形态训练样本集和待检测覆冰图像。 4.根据权利要求1所述的辨识方法， 其特征在于， 所述将所述待检测覆冰图像输入所述 覆冰形态特 征库来确定覆冰形态， 包括： 将所述待检测 覆冰图像输入覆冰形态特征库， 以使得所述覆冰形态特征库根据 所述类 聚中心来确定待检测图像的纹 理特征， 并根据所述待检测图像的纹 理特征确定覆冰形态。权　利　要　求　书 1/1 页 2 CN 114821310 A 2一种架空线 缆覆冰类型的辨识 方法 技术领域 [0001]本申请实施例 涉及输配电技术领域， 特别涉及一种架空线缆覆冰类型的辨  识方 法。 背景技术 [0002]高压架空线缆在冻雨、 冰雪、 白霜、 大雾等恶 劣天气状况下容易产生覆冰。  覆冰会 增加线缆所承受重量， 同时因面积加大而增加了风压， 在 冰、 风综合负 荷过大时， 线路容易 损坏乃至杆塔的倒塌， 造成重大的经济损失， 威胁电网的  安全稳定。 因此， 准确掌握线缆的 覆冰状态， 有利于人们及时采取措施， 避免  重大的安全 事故， 减少经济损失。 [0003]由于产生的原因不同， 覆冰的类型也不尽相同。 不同类型的覆冰对线缆的  危害程 度不同， 去除方式也有所不同： 软雾凇、 白霜等危害相 对较小； 雨凇、  干雪存在时间一般较 短； 而混合凇一般密度较高、 生长速度较快， 对导线危害  特别严重。 人工检测效率低、 准确 度受观察人员的知识技能水平所限， 难以适  应范围大、 类型多、 时间长的输电线缆。 发明内容 [0004]本申请实施例提供了一种架空线缆覆冰类型的辨识方法， 能够快速准确地  检测 架空电缆上的覆冰形态， 建立 雨凇、 雾凇、 混合 凇、 无覆冰四类 状态的自 动识别方法。 [0005]本申请第一方面 提供了一种架空线缆覆冰类型的辨识方法， 包括： [0006]获取覆冰形态训练样本集和待检测覆冰图像； [0007]根据所述覆冰形态训练样本集构建覆冰形态特 征库； [0008]将所述待检测覆冰图像输入所述覆冰形态特 征库来确定覆冰形态。 [0009]可选的， 所述 根据所述覆冰形态训练样本集构建覆冰形态特 征库， 包括： [0010]对所述覆冰形态训练样本集进行 预处理获取预处理图像样本集； [0011]将所述预处理图像样本集输入预设训练VGG模型中进行训练来获取所述预  处理 图像样本集的纹 理特征； [0012]使用k‑means聚类方法对所述纹 理特征进行聚类确定类聚中心； [0013]根据所述类聚中心构建覆冰形态特 征库。 [0014]可选的， 所述获取覆冰形态训练样本集和待检测覆冰图像， 包括： [0015]利用架设在高压线上的摄 像头来获取覆冰形态训练样本集和待检测覆冰图  像。 [0016]可选的， 所述将所述待检测覆冰图像输入所述覆冰形态特征库来确定覆冰  形态， 包括： [0017]将所述待检测覆冰图像输入覆冰形态特征库， 以使得所述覆冰形态特征库  根据 所述类聚中心来确定待检测图像的纹理特征， 并根据所述待检测图像的纹  理特征确定覆 冰形态。 [0018]从以上技术中： 获取覆冰形态训练样本集和待检测覆冰图像； 根据所述覆  冰形态 训练样本集构建覆冰形态特征库； 将所述待检测覆冰图像输入所述覆冰  形态特征库来确说　明　书 1/4 页 3 CN 114821310 A 3