CN116246181A - 一种基于卫星遥感技术的特高压密集通道易飘物监测方法 - Google Patents
一种基于卫星遥感技术的特高压密集通道易飘物监测方法 Download PDFInfo
- Publication number
- CN116246181A CN116246181A CN202310089820.1A CN202310089820A CN116246181A CN 116246181 A CN116246181 A CN 116246181A CN 202310089820 A CN202310089820 A CN 202310089820A CN 116246181 A CN116246181 A CN 116246181A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- objects
- hidden danger
- satellite
- flyable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于卫星遥感技术的特高压密集通道易飘物监测方法。包括以下步骤:S1:根据输电廊道的线路划分卫星监测范围;S2:将卫星监测数据处理后输出遥感影像,通过深度学习从遥感影像中提取地表信息;S3:基于前后两期的遥感影像中提取的地表信息,获取易飘物隐患信息并对比,根据不同维度的对比将易飘物定级分类;S4:根据季节性特点,统计各类易飘物隐患情况,预估变化趋势,制定隐患分级管控计划。识别卫星影像中易飘物的变化,实现对特高压密集通道范围内的易飘物风险隐患点自动监测、对比分析、登记建档和风险量化评估,大幅提高密集通道内易飘物的排查效率,确保易飘物隐患治理的及时性和全面性。
Description
技术领域
本发明涉及易飘物监测领域,尤其涉及一种基于卫星遥感技术的特高压密集通道易飘物监测方法。
背景技术
特高压密集通道周围多有塑料大棚、简易工房、彩钢瓦建筑物、养(种)殖防护网、养(种)殖遮阳网、广告牌(条幅、气球)、垃圾堆场等易飘物,在台风、飑线风等极端天气下可能将易飘物脱离原有固定位置,飘挂至线路杆塔、导地线或绝缘子上,严重危及线路安全运行。
目前采用人工巡视的方式对特高压密集通道的易飘物隐患进行治理,特高压密集通道区域跨度长,有大量巡检路线需要穿过地质条件复杂且偏远的山区。人工巡视方式对特高压密集通道内的易飘物进行巡视、加固,排查费时、费力、成本高。
也有采用无人机巡视的方式,利用无人机对线路通道开展精细化巡检,以高空视角对线路通道沿线易飘物风险进行分析研判。但无人机飞行过程中传回影像仍需人工观察分析,未能从根本上解决巡检难度问题。
例如,一种在中国专利文献上公开的“一种基于深度学习的无人机高压电网视频巡检飘挂物方法”,其公告号CN115311584A,包括:S1、构建高压电网飘挂物标签图像数据集并进行标注;S2、构建电网飘挂物视频中关键帧提取模型,针对关键帧进行特征提取检测飘挂物;S3、基于高压电网飘挂物图像数据集以及巡检视频中与飘挂物无关的图像数据进行训练;S4、将待识别的电网飘挂物视频数据送入高压电网飘挂物关键帧提取模型并将获取到的关键帧图像输入目标检测模型进行检测,获取检测框目标检测结果。该方案通过无人机巡检,巡检周期较长,对于区域跨度长的特高压密集通道效率不高。
发明内容
本发明主要解决现有技术对于易飘物监测需要人工分析,无人机巡检周期长,效率低的问题;提供一种基于卫星遥感技术的特高压密集通道易飘物监测方法,识别卫星影像中易飘物的变化,实现对特高压密集通道范围内的易飘物风险隐患点自动监测、对比分析、登记建档和风险量化评估,大幅提高密集通道内易飘物的排查效率,确保易飘物隐患治理的及时性和全面性。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种基于卫星遥感技术的特高压密集通道易飘物监测方法,包括以下步骤:
S1:根据输电廊道的线路划分卫星监测范围;
S2:将卫星监测数据处理后输出遥感影像,通过深度学习从遥感影像中提取地表信息;
S3:基于前后两期的遥感影像中提取的地表信息,获取易飘物隐患信息并对比,根据不同维度的对比将易飘物定级分类;
S4:根据季节性特点,统计各类易飘物隐患情况,预估变化趋势,制定隐患分级管控计划。
识别卫星影像中易飘物的变化,实现对特高压密集通道范围内的易飘物风险隐患点自动监测、对比分析、登记建档和风险量化评估,大幅提高密集通道内易飘物的排查效率,确保易飘物隐患治理的及时性和全面性。
作为优选,所述的步骤S1包括以下过程:
S101:根据输电廊道杆塔坐标信息生成坐标点数据;
S102:根据杆塔之间的电力传输关系连接坐标点数据转换为线矢量,确定输电廊道线路图;
S103:将获取的线矢量与前期的输电廊道测试影像范围进行套合,判断是否发生偏移;若是,则重新返回确定线矢量;若否,则进入下一步;获取的线路矢量与我们预先获取的影像范围内的十多个杆塔影像完全重合,可以确定坐标与影像均没有发生偏移,获取的拍摄范围真实可靠。
S104:将线矢量向宽度方向两侧外扩额定距离,确定卫星监测范围。
作为优选,调用高分辨率亚米级遥感卫星获取原始卫星监测数据,原始卫星监测数据依次经过正射校正、多光谱匹配融合、镶嵌拼接以及质检后获得无云高清的多光谱遥感影像。
面向对象和监督分类方法对小样本地表情况复杂的地区效果好,可以针对特殊的目标精确选取样本,对不同的地表类别可以使用多光谱影像获得更加突出的地物特征信息,分类精度高。
作为优选,通过深度学习从遥感影像中提取的地表信息包括密集通道周围建筑类型、各关键点经纬度分布和地形地貌。
信息提取通过模型提取到不同地区的外破因素分布和变化情况,模型的实用性增强。同时深度学习模型的训练过程可以积累大量的样本数据,能训练出泛化能力强稳定性高的模型。
作为优选,通过地表信息上对象的标定结合深度学习获得易飘物隐患信息,易飘物隐患信息包括密集通道周边大棚、简易工房、彩钢瓦建筑物隐患体的位置、材质以及加固方式。多源数据进行提取,通过获取到的卫星遥感影像,采用人工智能识别的方式训练出高效率、高准确率的易飘物自动提取AI模型。
作为优选,对比前后两期获取的易飘物隐患信息,根据易飘物与线路距离和易飘物隐患现状将隐患风险分为高、中、低、记录风险四个等级。
作为优选,根据前后两期地表信息变化,将易飘物状态分为存量易飘物、新增易飘物、破损易飘物三个类别。
作为优选,针对隐患不同风险等级,结合季节性特点,指定设备主人和护线员巡查频次计划;
对于高风险等级,日常巡查按一月一次;台风、强对流恶劣天气时段按设备主人预警时段每天巡查一次,护线员每天巡查两次;
对于中风险等级,日常巡查按三月一次;台风、强对流恶劣天气时段按设备主人每两天巡查一次,护线员每天巡查一次;
对于低风险等级,日常巡查按一年一次;台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次;
对于记录风险等级,台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次。
本发明的有益效果是:
1. 引入高分辨率商业遥感卫星数据资源,结合完善的影像采集手段实现特高压密集通道周边易飘物隐患的全面监测。
2. 融合天基(遥感卫星)地基(实地调查)数据资源,快速、全面、精准实现易飘物隐患分类分级管控,构建密集通道易飘物风险评估体系。
3. 基于卫星遥感技术,强化灾害天气全过程管控,掌握易飘物隐患前后变化,确保应急快速响应、精准处置,全面提升巡检质效。
附图说明
图1是本发明的易漂物监测方法流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,如图1所示,包括以下步骤:
S1:根据输电廊道的线路划分卫星监测范围。
S101:根据输电廊道杆塔坐标信息生成坐标点数据。
S102:根据杆塔之间的电力传输关系连接坐标点数据转换为线矢量,确定输电廊道线路图。
S103:将获取的线矢量与前期的输电廊道测试影像范围进行套合,判断是否发生偏移;若是,则重新返回确定线矢量;若否,则进入下一步。
获取的线路矢量与我们预先获取的影像范围内的十多个杆塔影像完全重合,可以确定坐标与影像均没有发生偏移,获取的拍摄范围真实可靠。
S104:将线矢量向宽度方向两侧外扩额定距离,确定卫星监测范围。
因卫星编程拍摄需要直接调动卫星资源进行针对性拍摄,对于卫星资源有一定的损耗,所以编程拍摄的最小宽度要求不能少于5公里,在本实施例中,根据输电廊道的6条线路线矢量进行左右2.5公里的外扩,再将6条线路外扩后的矢量范围进行合并,获取本次任务的计划拍摄范围。
高分辨率亚米级遥感影像可以清晰展现地表建筑物的分布和变化情况,通过获取高分辨率卫星遥感数据,能够实现对目标范围的跟踪监测。遥感信息提取可以对影像中用户感兴趣的区域进行识别、提取和信息增强。
S2:将卫星监测数据处理后输出遥感影像,通过深度学习从遥感影像中提取地表信息。
对卫星下达编程拍摄任务后,理想情况下预计每月中旬左右获取当月目标范围遥感卫星影像,但因光学遥感卫星受天气因素影响较大,具体影像获取时间点以实际天气状况为准。
调用高分辨率亚米级遥感卫星获取原始卫星监测数据,原始卫星监测数据依次经过正射校正、多光谱匹配融合、镶嵌拼接以及质检后获得无云高清的多光谱遥感影像。
面向对象和监督分类方法对小样本地表情况复杂的地区效果好,可以针对特殊的目标精确选取样本,对不同的地表类别可以使用多光谱影像获得更加突出的地物特征信息,分类精度高。
通过深度学习从遥感影像中提取的地表信息包括密集通道周围建筑类型、各关键点经纬度分布和地形地貌。
信息提取通过模型提取到不同地区的外破因素分布和变化情况,模型的实用性增强。同时深度学习模型的训练过程可以积累大量的样本数据,能训练出泛化能力强稳定性高的模型。
S3:基于前后两期的遥感影像中提取的地表信息,获取易飘物隐患信息并对比,根据不同维度的对比将易飘物定级分类。
通过地表信息上对象的标定结合深度学习获得易飘物隐患信息,易飘物隐患信息包括密集通道周边大棚、简易工房、彩钢瓦建筑物隐患体的位置、材质以及加固方式。多源数据进行提取,通过获取到的卫星遥感影像,采用人工智能识别的方式训练出高效率、高准确率的易飘物自动提取AI模型。
对比前后两期获取的易飘物隐患信息,根据易飘物与线路距离和易飘物隐患现状将隐患风险分为高、中、低、记录风险四个等级。根据前后两期地表信息变化,将易飘物状态分为存量易飘物、新增易飘物、破损易飘物三个类别。
S4:根据季节性特点,统计各类易飘物隐患情况,预估变化趋势,制定隐患分级管控计划。
针对隐患不同风险等级,结合季节性特点,指定设备主人和护线员巡查频次计划;
对于高风险等级,日常巡查按一月一次;台风、强对流恶劣天气时段按设备主人预警时段每天巡查一次,护线员每天巡查两次;
对于中风险等级,日常巡查按三月一次;台风、强对流恶劣天气时段按设备主人每两天巡查一次,护线员每天巡查一次;
对于低风险等级,日常巡查按一年一次;台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次;
对于记录风险等级,台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次。
本实施例的方案识别卫星影像中易飘物的变化,实现对特高压密集通道范围内的易飘物风险隐患点自动监测、对比分析、登记建档和风险量化评估,大幅提高密集通道内易飘物的排查效率,确保易飘物隐患治理的及时性和全面性。
应理解,实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (8)
1.一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,包括以下步骤:
S1:根据输电廊道的线路划分卫星监测范围;
S2:将卫星监测数据处理后输出遥感影像,通过深度学习从遥感影像中提取地表信息;
S3:基于前后两期的遥感影像中提取的地表信息,获取易飘物隐患信息并对比,根据不同维度的对比将易飘物定级分类;
S4:根据季节性特点,统计各类易飘物隐患情况,预估变化趋势,制定隐患分级管控计划。
2.根据权利要求1所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,所述的步骤S1包括以下过程:
S101:根据输电廊道杆塔坐标信息生成坐标点数据;
S102:根据杆塔之间的电力传输关系连接坐标点数据转换为线矢量,确定输电廊道线路图;
S103:将获取的线矢量与前期的输电廊道测试影像范围进行套合,判断是否发生偏移;若是,则重新返回确定线矢量;若否,则进入下一步;
S104:将线矢量向宽度方向两侧外扩额定距离,确定卫星监测范围。
3.根据权利要求1所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,调用高分辨率亚米级遥感卫星获取原始卫星监测数据,原始卫星监测数据依次经过正射校正、多光谱匹配融合、镶嵌拼接以及质检后获得无云高清的多光谱遥感影像。
4.根据权利要求1或2或3的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,通过深度学习从遥感影像中提取的地表信息包括密集通道周围建筑类型、各关键点经纬度分布和地形地貌。
5.根据权利要求4所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,通过地表信息上对象的标定结合深度学习获得易飘物隐患信息,易飘物隐患信息包括密集通道周边大棚、简易工房、彩钢瓦建筑物隐患体的位置、材质以及加固方式。
6.根据权利要求1或5所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,对比前后两期获取的易飘物隐患信息,根据易飘物与线路距离和易飘物隐患现状将隐患风险分为高、中、低、记录风险四个等级。
7.根据权利要求1或5所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,根据前后两期地表信息变化,将易飘物状态分为存量易飘物、新增易飘物、破损易飘物三个类别。
8.根据权利要求6所述的一种基于卫星遥感技术的特高压密集通道易飘物监测方法,其特征在于,针对隐患不同风险等级,结合季节性特点,指定设备主人和护线员巡查频次计划;
对于高风险等级,日常巡查按一月一次;台风、强对流恶劣天气时段按设备主人预警时段每天巡查一次,护线员每天巡查两次;
对于中风险等级,日常巡查按三月一次;台风、强对流恶劣天气时段按设备主人每两天巡查一次,护线员每天巡查一次;
对于低风险等级,日常巡查按一年一次;台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次;
对于记录风险等级,台风、强对流恶劣天气时段按设备主人每周巡查一次,护线员每两天巡查一次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089820.1A CN116246181A (zh) | 2023-01-17 | 2023-01-17 | 一种基于卫星遥感技术的特高压密集通道易飘物监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089820.1A CN116246181A (zh) | 2023-01-17 | 2023-01-17 | 一种基于卫星遥感技术的特高压密集通道易飘物监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116246181A true CN116246181A (zh) | 2023-06-09 |
Family
ID=86634373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310089820.1A Pending CN116246181A (zh) | 2023-01-17 | 2023-01-17 | 一种基于卫星遥感技术的特高压密集通道易飘物监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246181A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116506471A (zh) * | 2023-06-26 | 2023-07-28 | 中国铁建电气化局集团有限公司 | 无人机巡查*** |
CN117315322A (zh) * | 2023-08-25 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 一种输电线路隐患检测方法、装置、电子设备及存储介质 |
-
2023
- 2023-01-17 CN CN202310089820.1A patent/CN116246181A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116506471A (zh) * | 2023-06-26 | 2023-07-28 | 中国铁建电气化局集团有限公司 | 无人机巡查*** |
CN116506471B (zh) * | 2023-06-26 | 2023-09-12 | 中国铁建电气化局集团有限公司 | 无人机巡查*** |
CN117315322A (zh) * | 2023-08-25 | 2023-12-29 | 华大天元(北京)科技股份有限公司 | 一种输电线路隐患检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116246181A (zh) | 一种基于卫星遥感技术的特高压密集通道易飘物监测方法 | |
CN106441233B (zh) | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 | |
Rau et al. | Landslide mapping using imagery acquired by a fixed-wing UAV | |
Chen et al. | Valid: A comprehensive virtual aerial image dataset | |
KR102118802B1 (ko) | 무인 항공기를 이용한 하천 건천화 모니터링 방법 및 시스템 | |
CN110108257B (zh) | 一种基于无人机航拍影像和静态规划图相匹配的展示方法 | |
CN112270291B (zh) | 一种基于多源光学遥感图像的违法建设用地开发自动检测方法 | |
CN114240868A (zh) | 一种基于无人机的巡检分析***及方法 | |
JP2022522563A (ja) | 炭鉱地域のサイト特性を識別するための衛星/空中画像データ融合の方法 | |
Esch et al. | Urban remote sensing–how can earth observation support the sustainable development of urban environments? | |
CN112445241A (zh) | 一种基于无人机遥感技术的地表植被识别方法、***及可读存储介质 | |
CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN111477013B (zh) | 一种基于地图影像的车辆测量方法 | |
CN116993681A (zh) | 一种变电站巡检缺陷检测方法及*** | |
CN113823088B (zh) | 基于视觉识别技术的城市道路积水深度预测及预警方法 | |
KR20120132985A (ko) | 태풍을 포함하는 저기압 접근 시 재해기상의 시공간적 분포 검색 시스템 | |
WO2021138372A1 (en) | Feature coverage analysis | |
US20220284669A1 (en) | Method and system for creating ground control point within spatial area | |
Brigante et al. | USE OF MULTISPECTRAL SENSORS WITH HIGH SPATIAL RESOLUTION FOR TERRITORIAL AND ENVIRONMENTAL ANALYSIS. | |
Holland et al. | Detecting changes to topographic features using high resolution imagery | |
CN107133360B (zh) | 一种大尺度遥感影像特征点库的构建方法 | |
Dai et al. | [Retracted] Accurate Ranging Based on Transmission Line Channel Monitoring Image and Point Cloud Data Mapping | |
TWI597405B (zh) | System and method for monitoring slope with tree displacement | |
CN117710214B (zh) | 一种高分辨率遥感监测的输变电线路环水保监测方法 | |
Meng et al. | Object-oriented residential building land-use mapping using lidar and aerial photographs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |