基于影像处理技术的电网设备灾害受损类型识别数据

用于实现对国网浙江温州供电公司电力资产受损精准识别，主要识别内容为基础导线破损与散断股检测。算法通过对可能存在目标的区域进行提取，然后再对区域内的目标进行确定，提升小目标的检测识别精度，并且自动识别导线受损类型，精准发现导线破损与散断股等问题，为后续的抢修和保险赔付提供重要数据支持，推进与保险公司系统信息双向互通，推进索赔数字化升级、流程信息化应用。相较于传统的人工定损评估，成本更低，无需大量人力参与，降低了人力成本。特别是在地形复杂、环境恶劣的区域，基于无人机航拍影像定损评估能够显著减少人员的工作量和风险，极大的提高了发现问题的效率，避免出现无效的巡查赔付。 该技术具备良好的外部复用价值：可推广至其他电力公司、能源设施运维单位及保险公司，适用于输电、配电线路的无人机巡检，实现微小缺陷自动识别。同时可作为保险定损的第三方工具，提供客观影像证据，支撑快速理赔与反欺诈。还可延伸至通信线缆、铁路接触网、风力发电机组等线型基础设施的损伤检测。整体方案低成本、高精度、信息化，助力各行业从人工目视向智能化运维转型。基于无人机巡视线路的可见光照片影像数据，通过YOLO算法进行实时目标检测。对采集的可见光照片，进行了缩放、色彩空间调整以及马赛克增强处理，通过不同尺度池化，在不同尺度的特征图上进行目标检测，每个尺度的特征图负责检测不同大小的目标。 预测每个区域的概率，所有单元格上具有最大概率的类被选择并分配给特定的网单元，生成预测点坐标(x，y)，坐标系为CGCS2000，坐标为东经、北纬。在预测类概率后，进行NMS运算，来消除不必要的锚点。算法识别下一个最高类别概率的边界框并进行相同的运算过程，直到剩下所有不同的边界框。算法输出所需的要素，并显示各个类的边界框的细节。抽取部分样本进行识别准确度验证，小于0.6视为识别错误，显示为FALSE:一般样本的识别准确度在0.8至1之间，大于或等于0.6视为识别正确，显示为TRUE，通过判断结果正确或错误来纳入或排除数据，将识别正确的点位判定为绿化带破损缺失类别。最后将纳入的点位坐标、问题类型等信息自动上传至绿化带破损缺失智能监管平台，获得绿化带破损缺失遥感监测识别数据。

搜集汇总

背景与挑战

背景概述

该数据集基于无人机航拍可见光影像，利用YOLO算法进行实时目标检测，精准识别电网设备中基础导线的破损与散断股等灾害受损类型。数据包含事件编号、坐标（CGCS2000坐标系）、受损种类及识别准确度等字段，识别准确度≥0.6视为正确，并支持将结果上传至智能监管平台。该技术可降低人工定损成本，提升复杂环境下的巡检效率，并具备向其他电力公司、保险公司及线型基础设施领域推广的复用价值。