一种基于人工智能的无人机智能巡线识别方法及系统技术方案

本发明专利技术公开了一种基于人工智能的无人机智能巡线识别方法及系统，用以解决现有的无人机巡线精度低的问题。该方法包括：获取无人机原始飞行信息、管线综合信息及航拍原始图像；将所述无人机原始飞行信息按预设格式转换为无人机飞行信息并且将所述航拍原始图像经过图像识别与物体检测得到检出目标信息；整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息；根据所述检测结果信息及所述检出目标信息生成检测报告。本发明专利技术集成了无人机平台与算法硬件平台，基于人工智能对无人机航拍管线的照片进行智能识别和分析，使定位更加准确，分析结果更加精确。

Intelligent patrol line recognition method and system for UAV Based on Artificial Intelligence

The invention discloses an intelligent patrol line recognition method and system for UAV Based on artificial intelligence, so as to solve the problem of low accuracy of existing UAV's patrol line. The method includes: obtaining the original flight information of the UAV, the integrated information of the pipeline and the original image of the aerial photograph. The original flight information of the UAV is converted to the UAV flight information according to the preset format, and the original image of the aerial photograph is detected by the image recognition and physical examination, and the UAV flight is integrated. The information, the integrated information of the pipeline and the detected target information get the detection result information, and the detection report is generated according to the detection result information and the detected target information. The invention integrates the unmanned aerial vehicle platform and the algorithm hardware platform. Based on artificial intelligence, the intelligent recognition and analysis of the aerial photograph of the UAV aerial photograph pipeline makes the positioning more accurate and the analysis result more accurate.

【技术实现步骤摘要】
一种基于人工智能的无人机智能巡线识别方法及系统
本专利技术涉及无人机
，尤其涉及一种基于人工智能的无人机智能巡线识别方法及系统。
技术介绍
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。无人机巡线相比传统的人工巡线节约了大量的人力和时间，但是，现有技术普遍存在巡线检测过程过于依赖图像拼接以及背景差分方法、物体检测以及识别精度不高的问题。
技术实现思路
本专利技术要解决的技术问题目的在于提供一种基于人工智能的无人机智能巡线识别方法及系统，用以解决现有的无人机巡线精度低的问题。为了实现上述目的，本专利技术采用的技术方案为：一种基于人工智能的无人机智能巡线识别方法，包括步骤：获取无人机原始飞行信息、管线综合信息及航拍原始图像；将所述无人机原始飞行信息按预设格式转换为无人机飞行信息并且将所述航拍原始图像经过图像识别与物体检测模型得到检出目标信息；整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息；根据所述检测结果信息及所述检出目标信息生成检测报告。进一步地，所述检出目标信息包括目标物类型、目标物位置及目标物置信度。进一步地，所述整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息的步骤具体包括：将飞行中的地理信息坐标与所述检出目标信息结合并生成对应的检出目标信息的地理信息位置；在所述航拍原始图像中根据所述地理信息坐标生成管线的地理信息位置；根据目标物与管线的距离标记相应的威胁程度；将所述威胁程度在预设范围内的目标物标记为高威胁目标物。进一步地，所述检测结果信息包括目标物类型、目标物地理信息位置、目标物置信度、目标物距离管线的距离及目标物的威胁程度。进一步地，所述根据所述检测结果信息及所述检出目标信息生成检测报告的步骤具体包括：生成包括所述检测结果信息的文本报告；将所述检测结果信息叠加于所述航拍原始图像以生成可视化报告。一种基于人工智能的无人机智能巡线识别系统，包括：获取模块，用于获取无人机原始飞行信息、管线综合信息及航拍原始图像；处理模块，用于将所述无人机原始飞行信息按预设格式转换为无人机飞行信息并且将所述航拍原始图像经过图像识别与物体检测模型得到检出目标信息；整合模块，用于整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息；报告模块，用于根据所述检测结果信息及所述检出目标信息生成检测报告。进一步地，所述处理模块的检出目标信息包括目标物类型、目标物位置及目标物置信度。进一步地，整合模块具体包括：结合单元，用于将飞行中的地理信息坐标与所述检出目标信息结合并生成对应的检出目标信息的地理信息位置；生成单元，用于在所述航拍原始图像中根据所述地理信息坐标生成管线的地理信息位置；威胁程度标记单元，用于根据目标物与管线的距离标记相应的威胁程度；威胁程度判定单元，用于将所述威胁程度在预设范围内的目标物标记为高威胁目标物。进一步地，所述整合模块的检测结果信息包括目标物类型、目标物地理信息位置、目标物置信度、目标物距离管线的距离及目标物的威胁程度。进一步地，所述根据所述检测结果信息及所述检出目标信息生成检测报告的步骤具体包括：文本单元，用于生成包括所述检测结果信息的文本报告；可视化单元，用于将所述检测结果信息叠加于所述航拍原始图像以生成可视化报告。本专利技术与传统的技术相比，有如下优点：本专利技术集成了无人机平台与算法硬件平台，基于人工智能对无人机航拍管线的照片进行智能识别和分析，使定位更加准确，分析结果更加精确。附图说明图1是实施例一提供的一种基于人工智能的无人机智能巡线识别方法流程图；图2是实施例二提供的一种基于人工智能的无人机智能巡线识别系统结构图。具体实施方式以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。实施例一本实施例提供了一种基于人工智能的无人机智能巡线识别方法，如图1所示，包括步骤：S11：获取无人机原始飞行信息、管线综合信息及航拍原始图像；S12：将无人机原始飞行信息按预设格式转换为无人机飞行信息并且将航拍原始图像经过图像识别与物体检测得到检出目标信息；S13：整合无人机飞行信息、管线综合信息及检出目标信息得到检测结果信息；S14：根据检测结果信息及检出目标信息生成检测报告。本实施例集成了无人机平台与算法硬件平台，用于对无人机航拍管线的照片进行智能巡线识别与分析。本实施例的原始输入信息为无人机原始飞行信息、管线综合信息及航拍原始图像。其中，无人机飞行信息经无人机飞行信息接口导入，主要包括飞行线路信息以及重要参数。航拍原始图像则需要输入基于人工智能的图像识别与物体检测模型。智能图像识别与物体检测模型输出分为两部分，其中一部分检测结果与无人机飞行信息以及管线综合信息一同输入信息综合与智能定位模型。之后智能定位模型与智能图像识别与物体检测模型将必要的检测结果信息输入检测报告生成流程，继而生成文本报告及可视化报告，进而完成一次巡线识别任务。本实施例中，步骤S11为获取无人机原始飞行信息、管线综合信息及航拍原始图像。具体的，无人机原始飞行信息通过无人机飞行信息接口输入，航拍原始图像输入至基于人工智能的图像识别与物体检测模型，管线综合信息输入信息综合与智能定位模型。本实施例中，步骤S12为将无人机原始飞行信息按预设格式转换为无人机飞行信息并且将航拍原始图像经过图像识别与物体检测模型得到检出目标信息。具体的，无人机飞行接口用于整合、规范无人机原始飞行信息，输入无人机原始飞行信息后，无人机接口按照预设格式转换为无人机飞行信息输出。图像识别与物体检测模型用于分析图像内容，检测航拍原始图像中指定的目标物，并提检出目标信息。其中，检出目标信息包括目标物类型、目标物位置及目标物置信度。本实施例中，步骤S13为整合无人机飞行信息、管线综合信息及检出目标信息得到检测结果信息。步骤S13具体包括：将飞行中的地理信息坐标与检出目标信息结合并生成对应的检出目标信息的地理信息位置；在航拍原始图像中根据地理信息坐标生成管线的地理信息位置；根据目标物与管线的距离标记相应的威胁程度；将威胁程度在预设范围内的目标物标记为高威胁目标物。其中，检测结果信息包括目标物类型、目标物地理信息位置、目标物置信度、目标物距离管线的距离及目标物的威胁程度。具体的，在信息综合与智能定位模型中整合无人机飞行信息、管线综合信息及检出目标信息。将飞行中的地理信息坐标(GPS)与检出目标信息结合生成检出目标物的地理信息位置，再在航拍原始图像中根据地理信息坐标生成管线的地理信息位置。根据识别出的目标物与管线的距离，标记相应的威胁程度。其中，距离在预设范围内的为高威本文档来自技高网...

【技术保护点】
1.一种基于人工智能的无人机智能巡线识别方法，其特征在于，包括步骤：获取无人机原始飞行信息、管线综合信息及航拍原始图像；将所述无人机原始飞行信息按预设格式转换为无人机飞行信息并且将所述航拍原始图像经过图像识别与物体检测模型得到检出目标信息；整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息；根据所述检测结果信息及所述检出目标信息生成检测报告。

【技术特征摘要】
1.一种基于人工智能的无人机智能巡线识别方法，其特征在于，包括步骤：获取无人机原始飞行信息、管线综合信息及航拍原始图像；将所述无人机原始飞行信息按预设格式转换为无人机飞行信息并且将所述航拍原始图像经过图像识别与物体检测模型得到检出目标信息；整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息；根据所述检测结果信息及所述检出目标信息生成检测报告。2.根据权利要求1所述的一种基于人工智能的无人机智能巡线识别方法，其特征在于，所述检出目标信息包括目标物类型、目标物位置及目标物置信度。3.根据权利要求1所述的一种基于人工智能的无人机智能巡线识别方法，其特征在于，所述整合所述无人机飞行信息、所述管线综合信息及所述检出目标信息得到检测结果信息的步骤具体包括：将飞行中的地理信息坐标与所述检出目标信息结合并生成对应的检出目标信息的地理信息位置；在所述航拍原始图像中根据所述地理信息坐标生成管线的地理信息位置；根据目标物与管线的距离标记相应的威胁程度；将所述威胁程度在预设范围内的目标物标记为高威胁目标物。4.根据权利要求3所述的一种基于人工智能的无人机智能巡线识别方法，其特征在于，所述检测结果信息包括目标物类型、目标物地理信息位置、目标物置信度、目标物距离管线的距离及目标物的威胁程度。5.根据权利要求1所述的一种基于人工智能的无人机智能巡线识别方法，其特征在于，所述根据所述检测结果信息及所述检出目标信息生成检测报告的步骤具体包括：生成包括所述检测结果信息的文本报告；将所述检测结果信息叠加于所述航拍原始图像以生成可视化报告。6.一种基于人工智能的无人机智能巡线识别系统，其特...

【专利技术属性】
技术研发人员：张超，何寅，雷卓，杨飞，
申请(专利权)人：宁波诺视智能科技有限公司，
类型：发明
国别省市：浙江,33