本发明属于输电线路水土保持监测，具体涉及一种输电线路水土保持风险监测评估方法。
背景技术：
1、随着我国能源需求的不断增长，输电线路的建设规模逐年扩大，输电线路穿越的地区也越来越多样化。在输电线路运行过程中，水土流失、生态环境破坏等问题日益突出，对输电线路的安全运行造成严重影响。因此，研究一种输电线路水土保持风险监测评估方法，对输电线路周边水土流失进行有效防治，提高输电线路安全运行水平，具有重要的现实意义。现有技术中，对于输电线路的水土流失监测工作，需要工作人员在特定点进行检测，从而获得水土流失数据，不仅人工工作量大，而且难以对水土保持进行有效地监测。
技术实现思路
1、本发明提供一种输电线路水土保持风险监测评估方法，用以解决现有技术中存在的技术问题。
2、一种输电线路水土保持风险监测评估方法，包括：
3、获取通过人机交互或者预先存储于数据库中的样本数据，并通过深度学习算法对所述样本数据进行识别，得到标的物识别模型；其中，所述样本数据为包含环水保标的物以及环水保标的物对应的标签；
4、将所述标的物识别模型部署于执飞无人机上，并控制所述执飞无人机沿输电线路飞行，按照预设采样频率实时获取视频帧以及位置信息；
5、通过标的物识别模型对所述视频帧进行识别，以确定包含环水保标的物的目标视频帧，并根据所述目标视频帧以及目标视频帧对应的位置信息，对输电线路水土保持风险进行监测评估，得到风险评估结果。
6、在一种可能的实施方式中，所述深度学习算法设置为yolov4智能算法。
7、在一种可能的实施方式中，获取通过人机交互或者预先存储于数据库中的样本数据，并通过深度学习算法对所述样本数据进行识别，得到标的物识别模型，包括：
8、获取通过人机交互或者预先存储于数据库中的样本数据；
9、初始化深度学习算法所对应的超参数，得到超参数个体，并重复获取多个超参数个体；其中，所有超参数个体共同构成种群；
10、根据样本数获取每个超参数个体对应的损失函数值，并根据所述损失函数值确定精英个体；
11、采用反向学习策略以及贪心策略对精英个体进行全局搜索，获取全局搜索之后的精英个体，并根据全局搜索之后的精英个体获取全局搜索之后的种群；
12、以全局搜索之后的精英个体为基础，确定出每个精英个体对应的权重，并根据精英个体对应的权重确定参考位置；
13、以所述参考位置为基础，采用种群信息融合策略对全局搜索之后的种群中的每个个体进行局部与全局的平衡搜索，得到平衡搜索之后的种群；
14、针对平衡搜索之后的种群，采用最优位置引导策略对平衡搜索之后的种群中每个个体进行局部精细搜索，得到局部精细搜索之后的种群；
15、判断是否满足训练结束条件，若是，则在局部精细搜索之后的种群中获取最佳个体，并将该最佳个体作为深度学习算法对应的最终超参数，得到标的物识别模型，否则返回确定精英个体的步骤。
16、在一种可能的实施方式中，根据样本数获取每个超参数个体对应的损失函数值，并根据所述损失函数值确定精英个体，包括：
17、根据样本数获取每个超参数个体对应的损失函数值；其中，损失函数值越小预示着超参数个体在解空间内所处的位置更优；
18、获取预设比例系数k，并根据所述预设比例系数k，从种群中确定出损失函数值最小的k％个超参数个体，得到精英个体；
19、其中，当k％与超参数个体总数之间的乘积不为整数时，通过四舍五入算法取整。
20、在一种可能的实施方式中，采用反向学习策略以及贪心策略对精英个体进行全局搜索，获取全局搜索之后的精英个体，并根据全局搜索之后的精英个体获取全局搜索之后的种群，包括：
21、采用反向学习策略获取每个精英个体所对应的反向学习个体；
22、判断反向学习个体的损失函数值是否小于对应的精英个体所对应的损失函数值，若是，则采用反向学习个体替换对应的精英个体，得到全局搜索之后的精英个体，并将全局搜索之后的精英个体与非精英个体共同组成全局搜索之后的种群，否则保留原有的精英个体，得到全局搜索之后的精英个体，并将全局搜索之后的精英个体与非精英个体共同组成全局搜索之后的种群。
23、在一种可能的实施方式中，以全局搜索之后的精英个体为基础，确定出每个精英个体对应的权重，并根据精英个体对应的权重确定参考位置，包括；
24、以全局搜索之后的精英个体为基础，重新确定每个精英个体对应的损失函数值，并将该损失函数值转换为适应度值；其中，适应度值越大预示着超参数个体在解空间内所处的位置更优；
25、以所有全局搜索之后的精英个体对应的适应度值为基础，确定每个精英个体对应的权重；其中，所有精英个体对应的权重之和为1；
26、通过精英个体与精英个体对应的权重相乘，得到每个精英个体对应的分量个体，并将所有精英个体对应的分量个体进行融合，得到种群对应的参考位置。
27、在一种可能的实施方式中，以所述参考位置为基础，采用种群信息融合策略对全局搜索之后的种群中的每个个体进行局部与全局的平衡搜索，得到平衡搜索之后的种群，包括：
28、以当前训练次数为基础，确定非线性收敛因子；
29、针对任一待更新个体，令待更新个体与其他个体之间的信息交互，得到初始更新量；
30、以所述初始更新量以及非线性收敛因子，确定出待更新个体的最终更新量，并结合最终更新量与参考位置对待更新个体进行局部与全局的平衡搜索，得到平衡搜索之后的种群。
31、在一种可能的实施方式中，针对平衡搜索之后的种群，采用最优位置引导策略对平衡搜索之后的种群中每个个体进行局部精细搜索，得到局部精细搜索之后的种群，包括：
32、以当前训练次数为基础，结合非线性函数，获取非线性惯性权重；
33、以平衡搜索之后的种群为基础，确定最佳个体；
34、针对平衡搜索之后的超参数个体，根据非线性惯性权重对超参数个体进行加权，并结合最佳个体对加权之后的超参数个体进行引导，从而实现局部精细搜索，得到局部精细搜索之后的种群。
35、在一种可能的实施方式中，判断是否满足训练结束条件，包括：判断当前训练次数是否到达最大训练次数，若是，则确定满足训练结束条件，否则确定不满足训练结束条件。
36、在一种可能的实施方式中，通过标的物识别模型对所述视频帧进行识别，以确定包含环水保标的物的目标视频帧，并根据所述目标视频帧以及目标视频帧对应的位置信息，对输电线路水土保持风险进行监测评估，得到风险评估结果，包括：
37、通过标的物识别模型对所述视频帧进行识别，以确定包含环水保标的物的目标视频帧；
38、根据所述目标视频帧以及目标视频帧对应的位置信息，确定每个目标视频帧中环水保标的物所对应的目标位置信息；
39、调用预先存储的参考位置信息；所述参考位置信息为存储于数据库中关于环水保标的物所对应的定位信息；
40、根据所述参考位置信息以及目标位置信息，对输电线路水土保持风险进行监测评估，得到风险评估结果。
41、本发明提供的一种输电线路水土保持风险监测评估方法，通过在水电线路上设置环水保标的物，并通过深度学习算法对该环水保标的物进行识别，从而获取水土保持情况，相比于现有技术，不需要繁琐的传感器布置以及后期维度，在一次布置之后，实现了免维护的技术效果，不需要工作人员去到现场就能够对水土保持进行监测，从而有效地提高了水土保持的监测效率，节省了大量的人力成本。
1.一种输电线路水土保持风险监测评估方法，其特征在于，包括：
2.根据权利要求1所述的输电线路水土保持风险监测评估方法，其特征在于，所述深度学习算法设置为yolov4智能算法。
3.根据权利要求1所述的输电线路水土保持风险监测评估方法，其特征在于，获取通过人机交互或者预先存储于数据库中的样本数据，并通过深度学习算法对所述样本数据进行识别，得到标的物识别模型，包括：
4.根据权利要求3所述的输电线路水土保持风险监测评估方法，其特征在于，根据样本数获取每个超参数个体对应的损失函数值，并根据所述损失函数值确定精英个体，包括：
5.根据权利要求3所述的输电线路水土保持风险监测评估方法，其特征在于，采用反向学习策略以及贪心策略对精英个体进行全局搜索，获取全局搜索之后的精英个体，并根据全局搜索之后的精英个体获取全局搜索之后的种群，包括：
6.根据权利要求5所述的输电线路水土保持风险监测评估方法，其特征在于，以全局搜索之后的精英个体为基础，确定出每个精英个体对应的权重，并根据精英个体对应的权重确定参考位置，包括；
7.根据权利要求6所述的输电线路水土保持风险监测评估方法，其特征在于，以所述参考位置为基础，采用种群信息融合策略对全局搜索之后的种群中的每个个体进行局部与全局的平衡搜索，得到平衡搜索之后的种群，包括：
8.根据权利要求7所述的输电线路水土保持风险监测评估方法，其特征在于，针对平衡搜索之后的种群，采用最优位置引导策略对平衡搜索之后的种群中每个个体进行局部精细搜索，得到局部精细搜索之后的种群，包括：
9.根据权利要求3所述的输电线路水土保持风险监测评估方法，其特征在于，判断是否满足训练结束条件，包括：判断当前训练次数是否到达最大训练次数，若是，则确定满足训练结束条件，否则确定不满足训练结束条件。
10.根据权利要求1所述的输电线路水土保持风险监测评估方法，其特征在于，通过标的物识别模型对所述视频帧进行识别，以确定包含环水保标的物的目标视频帧，并根据所述目标视频帧以及目标视频帧对应的位置信息，对输电线路水土保持风险进行监测评估，得到风险评估结果，包括：
