本申请涉及机器视觉，特别是涉及一种输电线路检测方法、装置、设备以及存储介质。
背景技术：
1、随着电力技术的广泛应用，主要通过输变电站等电力设施提供电力来源，其输电线路的安全稳定运行对于电网的整体性能至关重要。
2、电网系统的输电线路覆盖广泛，常常穿越各种地形，包括山区、河流、荒漠等。目前，这些线路的巡检和维护主要依赖于人工，不仅耗时耗力，且难以实时响应。
3、因此，现亟需能够准确高效地检测输电线路异常问题的方法来保证电网的正常运行。
技术实现思路
1、本申请至少提供一种输电线路检测方法、装置、设备以及计算机可读存储介质。
2、本申请第一方面提供了一种输电线路检测方法，包括：获取对于待检测的输电线路的感知数据，所述感知数据包括所述输电线路的图像数据和所述输电线路所处环境的环境数据；基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果；响应于接收到用于检测所述输电线路的自然语言指令，基于所述多模态大模型对所述自然语言指令进行解析处理，得到所述自然语言指令对应的语义特征；基于所述自然语言指令对应的语义特征与各融合特征之间的匹配结果从所述检测结果中确定目标检测结果。
3、在一实施例中，所述基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果的步骤，包括：基于所述多模态大模型分别对所述图像数据和所述环境数据进行特征提取，得到所述图像数据对应的图像特征和所述环境数据对应的文本特征；对所述图像特征和所述文本特征进行特征融合处理，得到所述融合特征；对所述融合特征进行自然语言描述处理，得到所述融合特征对应的检测结果。
4、在一实施例中，所述多模态大模型包括视觉编码模块和文本编码模块，所述基于所述多模态大模型分别对所述图像数据和所述环境数据进行特征提取，得到所述图像数据对应的图像特征和所述环境数据对应的文本特征的步骤，包括：将所述图像数据输入所述多模态大模型的视觉编码模块中，得到所述图像特征；将所述环境数据输入所述多模态大模型的文本编码模块中，得到所述文本特征。
5、在一实施例中，在所述响应于接收到用于检测所述输电线路的自然语言指令，基于所述多模态大模型对所述自然语言指令进行解析处理，得到所述自然语言指令对应的语义特征的步骤之后，所述方法还包括：基于所述语义特征确定待执行的目标任务，所述目标任务包括针对于所述自然语言指令所含目标数据的查询任务；查找所述检测结果中和所述目标数据相匹配的目标检测结果，并将所述目标检测结果返回所述目标对象。
6、在一实施例中，所述基于所述语义特征确定待执行的目标任务的步骤，包括：获取预设的自然语言规则，并基于所述语义特征确定所述自然语言规则中和所述自然语言指令匹配的目标规则；基于所述目标规则生成所述目标任务。
7、在一实施例中，在所述基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果的步骤之后，所述方法还包括：响应于所述检测结果为输电线路异常，基于所述多模态大模型生成所述检测结果对应的多模态数据，所述多模态数据包括异常图像和异常文本；将所述异常图像和所述异常文本发送至目标设备，所述目标设备用于反馈接收到的所述异常图像和所述异常文本。
8、在一实施例中，所述获取对于待检测的输电线路的感知数据的步骤，包括：控制采集设备执行预设的采集任务，所述采集设备上设有多种传感器，所述多种传感器包括图像传感器和环境传感器；基于所述图像传感器采集所述图像数据，以及基于所述环境传感器采集所述环境数据。
9、本申请第二方面提供了一种输电线路检测装置，包括：获取模块，用于获取对于待检测的输电线路的感知数据，所述感知数据包括所述输电线路的图像数据和所述输电线路所处环境的环境数据；特征提取模块，用于基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果；指令解析模块，用于响应于接收到用于检测所述输电线路的自然语言指令，基于所述多模态大模型对所述自然语言指令进行解析处理，得到所述自然语言指令对应的语义特征；结果确定模块，用于基于所述自然语言指令对应的语义特征与各融合特征之间的匹配结果从所述检测结果中确定目标检测结果。
10、本申请第三方面提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述输电线路检测方法。
11、本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述输电线路检测方法。
12、上述方案，通过获取对于待检测的输电线路的多种感知数据，并将感知数据输入预先训练的多模态大模型中进行特征提取，得到由多种感知数据的特征整合而成的融合特征，提供全方面的线路检测结果；并且多模态大模型能对接收到的自然语言指令进行解析以理解其语义特征，由此能够在检测结果中查找到和其语义特征相匹配的目标检测结果并给予反馈，便于非专业的目标对象使用本方法对线路进行异常检测，还能基于多模态技术实现准确高效地输电线路检测。
13、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
1.一种输电线路检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述多模态大模型包括视觉编码模块和文本编码模块，所述基于所述多模态大模型分别对所述图像数据和所述环境数据进行特征提取，得到所述图像数据对应的图像特征和所述环境数据对应的文本特征的步骤，包括：
4.根据权利要求1所述的方法，其特征在于，在所述响应于接收到用于检测所述输电线路的自然语言指令，基于所述多模态大模型对所述自然语言指令进行解析处理，得到所述自然语言指令对应的语义特征的步骤之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述语义特征确定待执行的目标任务的步骤，包括：
6.根据权利要求1所述的方法，其特征在于，在所述基于预先训练的多模态大模型对所述图像数据和所述环境数据进行特征提取处理，得到所述图像数据和所述环境数据之间的融合特征以及所述融合特征对应的检测结果的步骤之后，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述获取对于待检测的输电线路的感知数据的步骤，包括：
8.一种输电线路检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至7任一项所述的方法。
