具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种基于智能网关的输电线路外力破坏监测方法，本实施例以该方法应用于智能网关进行举例说明，智能网关可以用独立的服务器或者是多个服务器组成的服务器集群来实现。可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法可以包括以下步骤：

步骤101，获取针对输电线路设备采集的环境图像。

其中，环境图像表征输电线路设备所处位置预设范围内的环境状态。例如，环境图像中可以包括输电线路设备和输电线路设备周边的环境，如施工状况、交通状况。输电线路设备可以包括架设在户外的输电线路。

在具体实现中，可以通过摄像设备采集输电线路设备的环境图像，并上传到智能网关，从而可以使智能网关获取到输电线路设备的环境图像。

步骤102，调用所述智能网关中的模型接口，通过所述模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在破坏对象。

其中，破坏对象可以是对输电线路设备造成破坏的对象，如正在或将要破坏、损毁输电线路设备的桩机、水泥灌浆成、压路机、运输车辆、山火、烟雾、导线异物、薄膜等。具体例如，位于线行下保护区范围内或塔基预设范围内的的桩机、水泥灌浆成、压路机、运输车辆等可能影响输电线路设备的正常运作，位于线行下保护区范围内、塔基预设范围内的山火可能引起线路跳闸，烟雾有可能是山火引起的，导线异物、薄膜等则可能影响线路安全。

在实际应用中，在获取到输电线路设备对应的环境图像后，可以调用智能网关中的模型接口，在模型接口中封装有预先训练好的图像识别模型，图像识别模型可以识别环境图像中会损坏输电线路设备的破坏对象。具体而言，图像识别模型可以基于环境图像，识别输电线路设备所处位置预设范围内是否存在破坏对象，并输出对应的识别结果。通过将图像识别模型封装在接口中并将该接口部署在智能网关，提高了图像识别模型的使用便捷性，便于工作人员复用图像识别模型。

步骤103，当确定所述输电线路设备所处位置预设范围内存在破坏对象时，发送针对所述输电线路设备的预警信息。

在获取到图像识别模型输出的识别结果后，智能网关可以读取并作进一步处理。具体而言，若根据识别结果确定输电线路设备所处位置存在破坏对象时，可以发送针对输电线路设备的预警信息。

在本实施例中，可以获取针对输电线路设备采集的环境图像，调用智能网关中的模型接口，通过模型接口中封装的图像识别模型基于环境图像，识别输电线路设备所处位置预设范围内是否存在破坏对象，当确定输电线路设备所处位置预设范围内存在破坏对象时，发送针对所述输电线路设备的预警信息，实现了输电线路设备的实时损毁防范，及时发现妨碍输电线路设备正常运行的因素并作出警示，将事后处理转变为事前预防，提高了防范效率。

在一个实施例中，所述调用所述智能网关中的模型接口，通过所述模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在破坏对象，包括：

调用所述智能网关中的多个模型接口，通过每个模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在指定类型的破坏对象；

其中，图像识别模型包括：桩机识别模型、水泥灌浆车识别模型、压路机识别模型、运输车辆识别模型、山火识别模型、烟雾识别模型、导线异物识别模型、薄膜识别模型。

在实际应用中，针对拨通的破坏对象，可以分别训练不同的图像识别模型，每种类型的破坏对象训练一种图像识别模型，并将每个图像识别模型单独封装在一个模型接口中。

在获取到输电线路设备的环境图像后，可以调用智能网关中的多个模型接口，每个模型接口中封装的图像识别模型针对当前输入的环境图像，可以对其进行分析，识别输电线路设备所处位置预设范围内是否存在指定类型的破坏对象。例如，桩机识别模型可以识别环境图像中是否存在桩机影像，水泥灌浆车识别模型可以识别环境图像中是否存在水泥灌浆车影像，运输车辆识别模型可以识别环境图像中是否存在运输车辆影像，山火识别模型可以识别环境图像中是否存在山火影像，烟雾识别模型可以识别环境图像中是否存在烟雾的相关影像，导线异物识别模型可以识别环境图像中的导线上是否存在异物，薄膜识别模型可以识别环境图像中的导线上是否被薄膜覆盖。

在本实施例中，通过调用智能网关中的多个模型接口，通过每个模型接口中封装的图像识别模型基于所述环境图像，识别输电线路设备所处位置预设范围内是否存在指定类型的破坏对象，能够准确识别出输电线路设备附近的一种或多种破坏对象，提高识别效率。

在一个实施例中，所述方法还可以包括如下步骤：

获取样本环境图像和所述样本环境图像对应的破坏对象标签；将所述样本环境图像输入到待训练的神经网络模型，通过所述神经网络模型预测所述样本环境图像中存在的破坏对象，得到预测结果；根据所述预测结果和所述破坏对象标签，调整所述神经网络模型对应的模型参数，直到满足训练结束条件，得到训练好的图像识别模型。

作为一示例，破坏对象标签可以包括以下至少一种：桩机标签、水泥灌浆车标签、压路机标签、运输车辆标签、山火标签、烟雾标签、导线异物标签、薄膜标签。神经网络模型可以是人工智能神经网络算法。

在具体实现中，可以获取样本环境图像和该样本环境图像对应的破坏对象标签，其中，样本环境图像的拍摄方式可以与监控过程中环境图像的拍摄方式相同。

在获取样本环境图像后，可以将样本环境图像输入到待训练的神经网络模型，通过神经网络模型基于输入的样本环境图像，预测样本环境图像中存在的破坏对象，得到预测结果。在获取到该预测结果后，可以根据预测结果和破坏对象标签，调整神经网络模型对应的模型参数，例如通过反向传播算法进行调整。在调整参数后，可以返回到将样本环境图像输入到待训练的神经网络模型的步骤，重复上述过程，直到满足训练结束条件，例如损失函数达到阈值或者当前迭代次数达到预设的迭代次数，则可以得到训练好的图像识别模型，该图像识别模型可以以接口形式进行封装。

在本实施例中，可以获取样本环境图像和所述样本环境图像对应的破坏对象标签，将样本环境图像输入到待训练的神经网络模型，通过神经网络模型预测样本环境图像中存在的破坏对象，得到预测结果，根据预测结果和破坏对象标签，调整神经网络模型对应的模型参数，直到满足训练结束条件，得到训练好的图像识别模型，能够为快速识别出可能损毁输电线路设备的破坏对象提供图像识别模型。

在一个实施例中，所述获取针对输电线路设备采集的环境图像，可以包括如下步骤：

获取摄像设备针对输电线路设备采集的监控视频；从所述监控视频中抽取多帧图像，作为环境图像。

在具体实现中，可以通过摄像设备对输电线路设备进行视频监控，并存储对应的监控视频。在获取监控视频后，摄像设备可以将监控视频上传到智能网关进行统一处理。在获取到摄像设备针对输电线路设备采集的监控视频，智能网关中可以从监控视频中抽取多帧图像，作为环境图像。

具体地，智能网关从监控视频中抽取图像时，可以按照预设时间间隔进行抽取，也可以基于历史损毁记录，确定输电线路设备出现损毁的高频时段，基于该高频时段从监控视频中选取连续的多帧图像作为环境图像。

在本实施例中，通过获取摄像设备针对输电线路设备采集的监控视频，从监控视频中抽取多帧图像，作为环境图像，能够及时快速地对输电线路设备进行监控。

在一个实施例中，所述获取摄像设备针对输电线路设备采集的监控视频，可以包括如下步骤：

获取无人机巡检时针对输电线路设备采集的监控视频；和/或，获取监控设备采集的监控视频；所述监控设备位于输电线路设备的预设范围内。

具体地，针对户外的输电电路设备，可以通过无人机对其进行巡检，无人机巡检时针对输电线路设备采集的监控视频，其对应的角度可以为俯视角度，智能网关对其进行分析时，可以确定破坏对象在平面上的分布情况。

或者，也可以在输电线路设备的预设范围内设置固定的监控设备，例如安装在墙上或柱上的监控摄像头，通过该监控摄像头获取针对输电线路设备的监控视频。其中，由监控设备采集的监控视频可以是仰视角度下的视频。

在本实施例中，可以获取无人机巡检时针对输电线路设备采集的监控视频，或者，可以获取监控设备采集的监控视频，能够多角度地采集输电线路设备附近的环境图像，有效提高破坏对象的识别准确性，提高防范效率。

在一个实施例中，所述发送针对所述输电线路设备的预警信息，可以包括如下步骤：

获取所述破坏对象对应的危险等级；确定与所述危险等级对应的关联终端，并向所述关联终端发送针对所述输电线路设备的预警信息。

在具体实现中，不同的破坏对象可以具有不同的危险等级。具体例如，针对识别出的水泥灌浆车、压路机、运输车、导线异物和薄膜，由于其对输电线路设备正常运行的影响较低或发生异常的可能性较低，因此其对应的危险等级可以是一般隐患等级；当识别出桩机时，由于桩机在施工作业时可能对输电线路设备产生重大影响，例如将地下的输电线路截断，因此其对应的危险等级为重大隐患等级；当识别出山火或烟雾等于火灾相关的破坏对象时，由于容易造成火灾，其对应的危险等级为紧急隐患等级。

当通过图像识别模型确定出破坏对象后，可以根据预设的映射关系，获取破坏对象对应的危险等级，并确定危险等级对应的关联终端，例如，针对一般隐患等级，对应的关联终端可以是一名巡检人员对应的终端，针对紧急隐患等级，对应的关联终端可以是相关负责人员的终端。在确定关联终端后，可以向关联终端发送针对输电线路设备的预警信息，提醒用户及时查看现场情况，作出相应预防措施。

在本实施例中，可以获取破坏对象对应的危险等级，确定与危险等级对应的关联终端，并向关联终端发送针对输电线路设备的预警信息，能够及时提醒相关人员进行处理，提高防范效率。

在一个实施例中，在所述获取所述破坏对象对应的危险等级的步骤之后，所述方法还可以包括如下步骤：

判断所述危险等级是否达到预设的危险等级；若是，执行所述确定与所述危险等级对应的关联终端，并向所述关联终端发送针对所述输电线路设备的预警信息；若否，再次执行所述获取针对输电线路设备采集的环境图像。

在实际应用中，在获取到破坏对象对应的危险等级后，可以判断该危险等级是否达到预设的危险等级。若确定当前的危险等级达到预设的危险等级，例如重大隐患等级，则可以确定与该危险等级对应的关联终端，并向关联终端发送针对输电线路设备的预警信息，通知相关人员。若确定当前的危险等级未达到预设的危险等级，例如轻微隐患等级，由于其产生的损害程度小，可以暂不提示相关人员，智能网关可以再次获取针对输电线路设备采集的环境图像，对输电线路设备进行持续监控。

在本实施例中，可以判断危险等级是否达到预设的危险等级，若是，确定与危险等级对应的关联终端，并向关联终端发送针对所述输电线路设备的预警信息；若否，再次获取针对输电线路设备采集的环境图像，能够节省数据处理资源，避免频繁进行提醒。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图2所示，提供了一种基于智能网关的输电线路外力破坏监测装置，应用于智能网关，所述装置包括：

环境图像采集模块201，用于获取针对输电线路设备采集的环境图像；所述环境图像表征所述输电线路设备所处位置预设范围内的环境状态；

接口调用模块202，用于调用所述智能网关中的模型接口，通过所述模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在破坏对象；所述破坏对象为对所述输电线路设备造成破坏的对象；

预警信息发送模块203，用于当确定所述输电线路设备所处位置预设范围内存在破坏对象时，发送针对所述输电线路设备的预警信息。

在一个实施例中，所述接口调用模块202，具体用于调用所述智能网关中的多个模型接口，通过每个模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在指定类型的破坏对象；

其中，所述图像识别模型包括：桩机识别模型、水泥灌浆车识别模型、压路机识别模型、运输车辆识别模型、山火识别模型、烟雾识别模型、导线异物识别模型、薄膜识别模型。

在一个实施例中，所述装置还包括：

标签获取模块，用于获取样本环境图像和所述样本环境图像对应的破坏对象标签；

预测模块，用于将所述样本环境图像输入到待训练的神经网络模型，通过所述神经网络模型预测所述样本环境图像中存在的破坏对象，得到预测结果；

模型训练模块，用于根据所述预测结果和所述破坏对象标签，调整所述神经网络模型对应的模型参数，直到满足训练结束条件，得到训练好的图像识别模型。

在一个实施例中，所述环境图像采集模块201，包括：

监控视频获取子模块，用于获取摄像设备针对输电线路设备采集的监控视频；

图像抽取子模块，用于从所述监控视频中抽取多帧图像，作为环境图像。

在一个实施例中，所述监控视频获取子模块，具体用于：

获取无人机巡检时针对输电线路设备采集的监控视频；

和/或，

获取监控设备采集的监控视频；所述监控设备位于输电线路设备的预设范围内。

在一个实施例中，所述预警信息发送模块203，包括：

危险等级确定子模块，用于获取所述破坏对象对应的危险等级；

关联终端确定子模块，用于确定与所述危险等级对应的关联终端，并向所述关联终端发送针对所述输电线路设备的预警信息。

在一个实施例中，所述预警信息发送模块203，还包括：

判断子模块，用于判断所述危险等级是否达到预设的危险等级；若是，调用所述关联终端确定子模块；若否，调用所述环境图像采集模块201。

关于一种基于智能网关的输电线路外力破坏监测装置的具体限定可以参见上文中对于一种基于智能网关的输电线路外力破坏监测方法的限定，在此不再赘述。上述一种基于智能网关的输电线路外力破坏监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储环境图像。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于智能网关的输电线路外力破坏监测方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取针对输电线路设备采集的环境图像；所述环境图像表征所述输电线路设备所处位置预设范围内的环境状态；

调用所述智能网关中的模型接口，通过所述模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在破坏对象；所述破坏对象为对所述输电线路设备造成破坏的对象；

当确定所述输电线路设备所处位置预设范围内存在破坏对象时，发送针对所述输电线路设备的预警信息。

在一个实施例中，处理器执行计算机程序时还实现上述其他实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取针对输电线路设备采集的环境图像；所述环境图像表征所述输电线路设备所处位置预设范围内的环境状态；

调用所述智能网关中的模型接口，通过所述模型接口中封装的图像识别模型基于所述环境图像，识别所述输电线路设备所处位置预设范围内是否存在破坏对象；所述破坏对象为对所述输电线路设备造成破坏的对象；

当确定所述输电线路设备所处位置预设范围内存在破坏对象时，发送针对所述输电线路设备的预警信息。

在一个实施例中，计算机程序被处理器执行时还实现上述其他实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。