【技術實現步驟摘要】
本專利技術涉及圖像模糊分類和電網安全監測，尤其是一種基于mamba的圖像模糊分類以及覆冰預測方法、系統和存儲介質。
技術介紹
1、根據覆冰期間的數據統計，輸電線路覆冰前通常會遭受降雨。近年來，受極端惡劣氣候天氣影響，雨凇覆冰造成輸電線路斷線、倒塔、舞動等事故頻繁發生，嚴重威脅到電網的安全穩定運行。雨凇具有密度大、粘附力強和結構緊密的特點，對輸電線路造成的危害程度遠大于霧凇、雪凇和混合凇。因此，若能提前預警雨凇覆冰形成，對優化電網運行方式和保障電網安全運行都具有重要意義。
2、凍雨是導致輸電線路形成雨凇覆冰的主要原因。目前，國內外學者針對凍雨的形成已展開了大量研究。根據當前研究，凍雨的形成與特定的地理環境和氣候條件有關，利用氣象站監測和探空數據無法準確預測凍雨的形成。因此，基于降雨監測來定量評估雨凇覆冰對輸電線路的危害較為困難。
3、然而，惡劣天氣下輸電線路桿塔上可視化在線監測裝置拍攝的圖像存在不同程度的模糊現象，可見圖像模糊也可作為輸電線路覆冰預測的條件之一。但是，當前缺乏適用于不同天氣下的圖像模糊分類方法，難以為輸電線路的覆冰預測提供可靠的參照。
技術實現思路
1、為了克服上述現有技術中缺乏適用于不同天氣影響下的圖像模糊分類方法的缺陷，本專利技術提出了一種基于mamba的圖像模糊分類模型的訓練方法，其訓練的圖像模糊分類模型實現了高精度的圖像模糊程度快速分類。
2、本專利技術提出的一種基于mamba的圖像模糊分類模型的訓練方法，首先構建基礎模型和
3、基礎模型包括順序連接的：stem-p網絡和4個mamba-e網絡；stem-p網絡的輸入即為基礎模型的輸入，最后一個mamba-e網絡的輸出即為基礎模型的輸出；stem-p網絡包括順序連接的卷積層、池化層、線性層和非線性特征網絡；
4、mamba-e網絡包括順序連接的第一層歸一化網絡、第一多層感知機、第二層歸一化網絡、mamba網絡、第一維度疊加單元、第三層歸一化網絡、第二多層感知器和第二維度疊加單元；其中，第一層歸一化網絡的輸入為mamba-e網絡的輸入，第二維度疊加單元的輸出為mamba-e網絡的輸出；mamba-e網絡的輸入還連接第一維度疊加單元的輸入，第一維度疊加單元的輸出還連接第二維度疊加單元的輸入。
5、優選的，mamba-e網絡中的mamba網絡采用雙向序列建模。
6、優選的，mamba網絡在雙向序列建模時，同時包含水平方向上的正反序列以及垂直方向上的正反序列。
7、優選的，基礎模型訓練過程包含以下步驟：
8、sa1、構建基礎模型和標注數據集；標注數據集用于存儲標注有模糊程度分類標簽的可視化圖像；
9、sa2、從標注數據集中抽取訓練樣本，令基礎模型對訓練樣本進行學習；
10、sa3、從標注數據集中抽取驗證樣本輸入基礎模型，獲取基礎模型輸出的預測標簽，并判斷基礎模型是否收斂；否，則執行步驟sa4；是，則固定基礎模型作為圖像模糊分類模型；
11、sa4、在驗證樣本上結合預測標簽和真實標簽計算模型損失，通過模型損失的反向傳播更新基礎模型的參數，然后返回步驟sa2。
12、優選的，sa4中，模型損失采用交叉熵損失或者均方差損失。
13、本專利技術還提出了一種覆冰預測方法，首先采用所述的基于mamba的圖像模糊分類模型的訓練方法得到圖像模糊分類模型；將監測區域的可視化圖像輸入圖像模糊分類模型，得到可視化圖像的模糊類別；并獲取測雨雷達反射率z和降雨量r；計算覆冰評估值e；
14、
15、其中，a為反映降雨量對覆冰影響程度的權重值，b為反映圖像模糊程度對覆冰影響程度的權重值；yi表示圖像模糊類別對應的模糊程度值；
16、如果0<e≤2b，則判斷監測區域無覆冰；如果2b<e≤5a+2b且r≤5，則判斷監測區域輕中度覆冰；如果e>5a+2b且r>5，則判斷監測區域重度覆冰。
17、優選的，圖像模糊類別包括：清晰、輕中度模糊和重度模糊，令i∈{0，1，2}，其中，“清晰”對應的模糊程度值y0＝0，“輕中度模糊”對應的模糊程度值y1＝1，“重度模糊”對應的模糊程度值y2＝2。
18、優選的，降雨量r的計算方法為：獲取z-r曲線，將測雨雷達反射率z代入z-r曲線得到對應的降雨量r；或者，降雨量r通過天氣預報系統或雨量傳感器得到。
19、本專利技術提出的一種覆冰預測系統，包括存儲器和處理器，存儲器中存儲有計算機程序和采用所述的基于mamba的圖像模糊分類模型的訓練方法得到的圖像模糊分類模型，處理器連接存儲器，處理器用于執行所述計算機程序，以實現所述的覆冰預測方法。
20、本專利技術提出的一種存儲介質，存儲有計算機程序，所述計算機程序被執行時用于實現所述的覆冰預測方法。
21、本專利技術的優點在于：
22、(1)本專利技術提出的基于mamba的圖像模糊分類模型的訓練方法，利用stem-p網絡對輸入圖像進行池化和線性處理，實現了對圖像隱藏特征的顯性處理，利于后續mamba-e網絡對圖像數據信息進行特征捕獲，從而提高圖像模糊程度識別效率和精度。
23、(2)本專利技術中，通過引入選擇性狀態空間模型(selective?ssm)，顯著提升了計算效率，并且能夠在保持高性能的同時大幅降低計算資源消耗。利用mamba網絡對圖像數據信息進行捕獲，并在單向mamba網絡的基礎上，引入改進的雙向序列建模，提升了對視覺輸入的感知能力。
24、(3)本專利技術中，雙向序列建模能夠同時考慮序列中的前后信息，實現有效捕捉圖像中像素之間的雙向依賴關系，從而提高全局上下文信息的獲取與理解能力。本專利技術中，雙向序列建模在提取水平方向(左、右)正反向序列基礎上，還提取了垂直方向(上、下)正反向序列。同時，提取圖像的水平和垂直雙向序列，使提取的圖像特征更加完整，更加全面有效地捕獲圖像完整信息，使得圖像的模糊程度分類準確度更高。
25、(4)本專利技術提出的覆冰預測方法，結合圖像模糊程度分類結果和測雨雷達反射率預測降雨量情況，可實現對監測區域覆冰程度的預測，從而實現對覆冰的提前預警。而圖像模糊程度分類只需要將遠程采集的可視化圖像輸入模型進行識別即可，測雨雷達反射率則由氣象局的氣象雷達在線提供，結合簡單的輸入數據，便可快速得到精確的覆冰程度預測結果，適用性非常廣泛。
本文檔來自技高網...【技術保護點】
1.一種基于Mamba的圖像模糊分類模型的訓練方法，其特征在于，首先構建基礎模型和標注數據集；標注數據集用于存儲標注有模糊程度分類標簽的可視化圖像；基礎模型輸入為可視化圖像，輸出為可視化圖像的模糊程度分類標簽；在標注數據集上對基礎模型進行訓練，得到收斂后的基礎模型作為圖像模糊分類模型；
2.如權利要求1所述的基于Mamba的圖像模糊分類模型的訓練方法，其特征在于，Mamba-E網絡中的Mamba網絡采用雙向序列建模。
3.如權利要求2所述的基于Mamba的圖像模糊分類模型的訓練方法，其特征在于，Mamba網絡在雙向序列建模時，同時包含水平方向上的正反序列以及垂直方向上的正反序列。
4.如權利要求1所述的基于Mamba的圖像模糊分類模型的訓練方法，其特征在于，基礎模型訓練過程包含以下步驟：
5.如權利要求4所述的基于Mamba的圖像模糊分類模型的訓練方法，其特征在于，SA4中，模型損失采用交叉熵損失或者均方差損失。
6.一種采用權利要求1-5任一項所述的基于Mamba的圖像模糊分類模型的訓練方法的覆冰預測方法，其特征在于，
7.如權利要求6所述的覆冰預測方法，其特征在于，圖像模糊類別包括：清晰、輕中度模糊和重度模糊，令i∈{0，1，2}，其中，“清晰”對應的模糊程度值Y0＝0，“輕中度模糊”對應的模糊程度值Y1＝1，“重度模糊”對應的模糊程度值Y2＝2。
8.如權利要求6所述的覆冰預測方法，其特征在于，降雨量R的計算方法為：獲取Z-R曲線，將測雨雷達反射率Z代入Z-R曲線得到對應的降雨量R；或者，降雨量R通過天氣預報系統或雨量傳感器得到。
9.一種覆冰預測系統，其特征在于，包括存儲器和處理器，存儲器中存儲有計算機程序和采用權利要求1-5任一項所述的基于Mamba的圖像模糊分類模型的訓練方法得到的圖像模糊分類模型，處理器連接存儲器，處理器用于執行所述計算機程序，以實現如權利要求6或7或8任一項所述的覆冰預測方法。
10.一種存儲介質，其特征在于，存儲有計算機程序，所述計算機程序被執行時用于實現如權利要求6或7或8任一項所述的覆冰預測方法。
...【技術特征摘要】
1.一種基于mamba的圖像模糊分類模型的訓練方法，其特征在于，首先構建基礎模型和標注數據集；標注數據集用于存儲標注有模糊程度分類標簽的可視化圖像；基礎模型輸入為可視化圖像，輸出為可視化圖像的模糊程度分類標簽；在標注數據集上對基礎模型進行訓練，得到收斂后的基礎模型作為圖像模糊分類模型；
2.如權利要求1所述的基于mamba的圖像模糊分類模型的訓練方法，其特征在于，mamba-e網絡中的mamba網絡采用雙向序列建模。
3.如權利要求2所述的基于mamba的圖像模糊分類模型的訓練方法，其特征在于，mamba網絡在雙向序列建模時，同時包含水平方向上的正反序列以及垂直方向上的正反序列。
4.如權利要求1所述的基于mamba的圖像模糊分類模型的訓練方法，其特征在于，基礎模型訓練過程包含以下步驟：
5.如權利要求4所述的基于mamba的圖像模糊分類模型的訓練方法，其特征在于，sa4中，模型損失采用交叉熵損失或者均方差損失。
6.一種采用權利要求1-5任一項所述的基于mamba的圖像模糊分類模型的訓練方法的覆冰預測方法，其特征在于，首先采用權利要求1-5任一項所述的基于mamba的圖...
【專利技術屬性】
技術研發人員：林世忠，張樂，朱理宏，張凱，童賢德，吳維國，鄒鑫，王晨起，費建彪，寇奧永，何葉飛，徐鄭，常歡，
申請(專利權)人：安徽送變電工程有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。