本發(fā)明涉及輸電線路圖像處理，具體而言，涉及一種基于ai的輸電線路鄉(xiāng)間小道圖像分割方法、設備和介質。

背景技術：

1、隨著電網(wǎng)的快速發(fā)展，輸電網(wǎng)絡的覆蓋程度日益提升，輸電線路架設過程中涉及大量的輸電線路新建或改造工程。在設計輸電線路時，需要對施工區(qū)域的自然環(huán)境、地質、地形、氣候條件等因素進行全面監(jiān)測，提出與之相匹配的可執(zhí)行方案，確保設計的合理性。針對不同地形條件，選擇合適的運輸方式是至關重要的。例如，在平地、河網(wǎng)泥沼、丘陵、山地和高山大嶺等不同地形條件下，可以選擇輕型卡車、履帶式運輸車、索道、濕地地旱船、水陸兩用運輸車等不同的運輸方式。在一些特殊地形條件下，如無法修建道路的地方，可以采用索道運輸。在不同的地形條件下，人力運輸和索道運輸?shù)馁M用也有所不同。例如，在平地地形，人力運輸費用較?。欢谇鹆?、山地、高山以及峻嶺地形中，則需要考慮兩種運輸方式的費用臨界值。

2、為評判不同運輸方案的經(jīng)濟性、可靠性等指標，提出了輸電線路地形和運輸條件綜合評價系統(tǒng)。在輸電線路地形和運輸條件綜合評價系統(tǒng)中，準確識別地形特征對于提高小運和卸料點的計算準確性至關重要。傳統(tǒng)方案中通常通過現(xiàn)場勘探的方式獲取詳細的道路數(shù)據(jù)，進而形成可靠的規(guī)劃方案，但這種方式極大的浪費人力物力。也有一些技術中，可以通過路網(wǎng)數(shù)據(jù)進行運輸方案的規(guī)劃設計，路網(wǎng)數(shù)據(jù)是指用于描述和分析道路網(wǎng)絡的地理信息數(shù)據(jù)；然而，這種技術中過于依賴現(xiàn)有路網(wǎng)數(shù)據(jù)，這些數(shù)據(jù)可能不完整或不準確。例如，一些鄉(xiāng)間小道、臨時窄路等特殊道路在路網(wǎng)數(shù)據(jù)中缺失的情況時有發(fā)生。gis圖像技術能夠使以上問題得到有效解決，gis圖像(geographic?information?system圖像)是指通過地理信息系統(tǒng)生成或處理的圖像，這些圖像通常用于展示和分析空間數(shù)據(jù)。由于以上指出的路網(wǎng)數(shù)據(jù)缺失的特殊道路能夠在gis圖像中獲取，因此如何在gis圖像中有效識別這些特殊道路以應用至輸電線路運輸規(guī)劃之中亟待解決；傳統(tǒng)的圖像分割方法難以自動且準確地分割出這些特定區(qū)域。

技術實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一。

2、為此，本發(fā)明第一方面提供了一種基于ai的輸電線路鄉(xiāng)間小道圖像分割方法。

3、本發(fā)明第二方面提供了一種計算機設備。

4、本發(fā)明第三方面提供了一種計算機可讀存儲介質。

5、本發(fā)明提出的基于ai的輸電線路鄉(xiāng)間小道圖像分割方法，包括：

6、選中gis圖像中表示鄉(xiāng)間小道的任意一點，獲取該點的顏色值，形成查詢向量矩陣；

7、從gis圖像中提取所有像素的顏色值構成鍵向量矩陣；

8、根據(jù)查詢向量矩陣與鍵向量矩陣計算每個像素的相關性，得到注意力分數(shù)；

9、對注意力分數(shù)應用softmax函數(shù)，計算得到注意力權重；

10、使用注意力權重對gis圖像進行加權求和，重塑原始gis圖像生成分割后的圖像，在分割后的圖像中，鄉(xiāng)間小道的像素值會被標注顯示。

11、根據(jù)本發(fā)明上述技術方案的基于ai的輸電線路鄉(xiāng)間小道圖像分割方法，還可以具有以下附加技術特征：

12、在上述技術方案中，所述選中gis圖像中表示鄉(xiāng)間小道的任意一點，獲取該點的顏色值，形成查詢向量矩陣，包括：

13、通過鼠標點擊的方式選中gis圖像中表示鄉(xiāng)間小道的任意一點；

14、所述查詢向量矩陣q表示為：

15、q＝image[y,x,:]

16、其中，image表示輸入的gis圖像；[y,x,:]表示圖像在(y,x)位置處的顏色值，(y,x)為用戶點擊點的坐標。

17、在上述技術方案中，所述從gis圖像中提取所有像素的顏色值構成鍵向量矩陣，包括：

18、k＝image.reshape(-1,image.shape[-1])

19、其中，k表示鍵向量矩陣；reshape表示矩陣重塑函數(shù)；shape表示形狀函數(shù)，用于返回矩陣的維度。

20、在上述技術方案中，所述根據(jù)查詢向量矩陣與鍵向量矩陣計算每個像素的相關性，得到注意力分數(shù)，包括：

21、attentionscores＝q·kt

22、其中，attentionscores表示注意力分數(shù)。

23、在上述技術方案中，所述根據(jù)查詢向量矩陣與鍵向量矩陣計算每個像素的相關性，得到注意力分數(shù)，還包括：

24、對通過點積計算獲得的注意力分數(shù)進行縮放，縮放方法包括：

25、

26、其中，scaled?scores表示縮放后的注意力分數(shù)，dk表示顏色值的維度。

27、在上述技術方案中，所述對注意力分數(shù)應用softmax函數(shù)，計算得到注意力權重，包括：

28、attentionweights＝softmax(scaledscores)

29、其中，attentionweights表示注意力權重；

30、所述softmax函數(shù)的表達式為：

31、

32、其中，xi表示softmax函數(shù)的輸入向量中的第i個元素，j表示索引變量，xj表示表示softmax函數(shù)的輸入向量中的第j個元素。

33、在上述技術方案中，所述使用注意力權重對gis圖像進行加權求和，包括：

34、通過設置相似度閾值，過濾注意力權重，包括：

35、attentionweights[attentionweights<threshold]＝0

36、其中，threshold表示設置的相似度閾值；

37、根據(jù)過濾后的注意力權重對gis圖像進行加權求和，包括：

38、

39、其中，segmentationoutput(y,x)表示最終生成的分割后圖像在(y,x)位置處的像素值，attentionweights(i)表示第i個像素的注意力權重，color(i)表示原始gis圖像中第i個像素的顏色值。

40、在上述技術方案中，所述重塑原始gis圖像生成分割后的圖像，包括：

41、segmentationoutput

42、＝attentionweights.reshape(image.shape[0],image.shape[1])

43、其中，segmentationoutput表示最終生成的分割后的圖像。

44、本發(fā)明提供的一種計算機設備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，當所述計算機程序被所述處理器加載并執(zhí)行時實現(xiàn)如上述技術方案中任一項所述的基于ai的輸電線路鄉(xiāng)間小道圖像分割方法。

45、本發(fā)明提供的一種計算機可讀存儲介質，存儲有程序，當所述程序被處理器加載時實現(xiàn)如上述技術方案中任一項所述的基于ai的輸電線路鄉(xiāng)間小道圖像分割方法。

46、綜上所述，由于采用了上述技術特征，本發(fā)明的有益效果是：

47、本發(fā)明提供了一種基于用戶點擊顏色值的圖像分割方法，通過用戶點擊圖像中的某個點，獲取該點的顏色值作為查詢向量矩陣，結合鍵向量矩陣進行顏色相似性計算，生成注意力權重，從而實現(xiàn)特定顏色區(qū)域的分割。本發(fā)明的方法簡單高效，能夠顯著提高鄉(xiāng)間小道等特定區(qū)域的分割準確性。

48、具體地，通過本發(fā)明，能夠有效提高圖像中特定顏色區(qū)域的分割精度，特別適用于從gis圖像中分割出鄉(xiāng)間小道等特定區(qū)域。該方法簡單、高效，且具有較高的實際應用價值，能夠顯著提升小運和卸料點計算的準確性，優(yōu)化輸電線路的地形和運輸條件評價系統(tǒng)。

49、本發(fā)明的附加方面和優(yōu)點將在下面的描述部分中變得明顯，或通過本發(fā)明的實踐了解到。