一种无人机自动巡检系统及方法技术方案

一种无人机自动巡检系统及方法涉及无人机技术领域，解决了现有无人机自动巡检人力依赖大、人眼识别易疲劳和准确度不稳定的问题。该系统包括：无人机、设置在无人机上的嵌入式处理器和控制器，无人机用于拍摄照片且将拍摄的照片发送至嵌入式处理器和控制器，嵌入式处理器利用载入到其上的权重模型计算照片得出计算结果、判断计算结果是否达到设定值得到判断结果、根据判断结果发送报警信号至控制器，控制器控制无人机飞行拍摄和发送照片、启动嵌入式处理器、接收嵌入式处理器发送的报警信号。本发明专利技术通过嵌入式处理器使巡检减小人力依赖且判断更加准确准确。对应的巡检方法操作简便、且判断准确稳定，节省了人力，同时对无人机照片判断快速。

【技术实现步骤摘要】
一种无人机自动巡检系统及方法
本专利技术涉及无人机
，具体涉及一种无人机自动巡检系统及方法。
技术介绍
工业无人机在光伏电站巡检、电力巡检、油气炼化巡检、基站巡检、森林防护、采矿工程管理、高速公路快速响应等领域已经逐步开始使用，并且呈逐渐上升趋势。现有的无人机进行巡检时，往往需要有专业人员操作无人机的飞行，控制云台方向，时刻观察回传的画面来判断异常情况。存在人力依赖大、人眼识别易疲劳、准确度不稳定等问题。
技术实现思路
为了解决现有无人机自动巡检人力依赖大、人眼识别易疲劳和准确度不稳定的问题，本专利技术提供一种无人机自动巡检系统及方法。本专利技术为解决技术问题所采用的技术方案如下：一种无人机自动巡检系统，包括无人机、控制器和设置在无人机上的嵌入式处理器，所述无人机用于拍摄照片且将拍摄的照片发送至嵌入式处理器和控制器，所述嵌入式处理器用于接收无人机发送的照片、利用载入到其上的权重模型计算照片得出计算结果、判断计算结果是否达到设定值得到判断结果、根据判断结果发送报警信号至控制器，所述控制器用于控制无人机飞行、控制无人机拍摄、控制无人机发送照片、启动嵌入式处理器、接收嵌入式处理器发送的报警信号和接收无人机发送的照片。基于一种无人机自动巡检系统的巡检方法，其特征在于，包括如下步骤：S1、嵌入式处理器载入权重模型；S2、控制器控制无人机飞行至目标区域；S3、控制器启动嵌入式处理器；S4、控制器控制无人机拍摄；S5、无人机将拍摄的照片发送至嵌入式处理器，嵌入式处理器接收无人机发送的照片；S6、嵌入式处理器利用权重模型计算所接收的照片得出计算结果，并判断计算结果是否达到设定值，若为是，嵌入式处理器发送报警信号至控制器，进行S7，否则返回S4或控制器控制无人机飞离该目标区域；S7、控制器接收报警信号并控制无人机在目标区域盘旋飞行与拍摄，无人机将拍摄的照片发送至控制器，控制器接收无人机发送的照片。本专利技术的有益效果是：1、一种无人机自动巡检系统通过可载入权重模型并进行计算判断的嵌入式处理器，使巡检减小人力依赖，无须人眼实时判断，嵌入式处理器判断更加准确度。2、通过控制器控制嵌入式处理器和无人机，实现本系统的智能化操作，减少人力操作且提高效率。3、一种无人机自动巡检系统的巡检方法操作简便、且判断准确稳定，节省了人力劳动，同时对无人机照片判断快速。附图说明图1为基于一种无人机自动巡检系统及方法的获取权重模型流程图。图2为基于一种无人机自动巡检系统及方法的获取无人机实时监测流程图。具体实施方式下面结合附图和实施例对本专利技术做进一步详细说明。一种无人机自动巡检系统，包括控制器、无人机和嵌入式处理器。无人机具有拍摄功能，无人机上设置有嵌入式处理器，无人机的相机连接嵌入式处理器，无人机相机拍摄的照片发送到嵌入式处理器和/或控制器(无人机能将拍摄的照片能发送到嵌入式处理器，也能发送到控制器)。嵌入式处理器用于接收无人机发送的照片，嵌入式处理器可载入权重模型，嵌入式处理器用于利用载入的权重模型计算接收的照片得出计算结果、判断计算结果是否达到设定值得到判断结果、根据判断结果发送报警信号至控制器。嵌入式处理器根据权重模型处理照片能实时识别物体或场景，处理包括计算和判断。控制器信号连接无人机和嵌入式处理器，控制器用于启动嵌入式处理器、接收嵌入式处理器发送的报警信号、接收无人机发送的照片、控制无人机飞行、控制无人机拍摄和接收无人机发送的照片。嵌入式处理器可采用NVIDIA的嵌入式模组TX系列。一种无人机自动巡检系统还包括用于停放无人机的停机坪。停机坪可连接控制器，控制器控制停机坪的罩体开合、停机坪的电机运转、以及充电装置的开关等。停机坪上设有用于无人机充电的充电装置和用于无人机更换电池的更换装置。停机坪可采用自动停机坪，自动停机坪具有为无人机自动充电和自动换无人机电池的功能。一种无人机自动巡检系统通过可载入权重模型并进行计算判断的嵌入式处理器，使巡检减小人力依赖，无须人眼实时判断，嵌入式处理器判断更加准确度。通过控制器控制嵌入式处理器和无人机，实现本系统的智能化操作，减少人力操作且提高效率。基于一种无人机自动巡检系统的巡检方法，包括获取权重模型和无人机实时监测两个大步骤。无人机实时监测基于已知的权重模型，无人机搭载的嵌入式处理器，可进行深度神经网络的自动推理，通过载入训练好的权重模型，可实时识别地面上的物体和场景。该方法操作简便、且判断准确稳定，节省了人力劳动，同时对无人机照片判断快速。一、获取权重模型的过程如图1所示，为：确定数据集的类型，比如要检测或监测河流的水污染、森林火险、油田泄露、废气废水排放、灾害搜救、病虫害预警等，本实施方式以检测某一区域是否有病虫害为例。工作人员人工控制无人机或其他具有拍摄功能的飞行装置前往具有病虫害区域，病虫害区域为参考区域。S0.1获得图片集：控制飞行装置对水污染区域进行多角度、多时间、多天气情况下的拍摄，拍摄得到图片集。S0.2标注强化图片集得到数据集：飞行装置拍摄后将拍摄的图片下载到本地，比如下载到计算机上，工作人员人工对图片中水污染的区域进行标注和强化，标注和强化后得到数据集。标注如红蜘蛛、棉铃虫、天牛、具有红斑点的玉米叶等特定的物体或场景，强化采用如图像平移、旋转、镜像、变换、亮度变化、加噪声等方法。S0.3获取验证数据集：将数据集一部分提取出来，作为验证数据集，数据集的其余部分作为训练数据集，如用数据集中20％的数据做为验证数据集。S0.4通过训练获取权重模型：计算机使用高性能服务器对训练数据集进行深度神经网络的训练工作，得到权重模型。如用TensorFlow框架下的MobileNet模型或者Darknet框架下的Yolo模型进行训练工作，训练可使用本地带显卡加速的服务器，或者使用云服务。S0.5验证权重模型：训练结束后，用验证数据集检测验证得到的权重模型，如果满足要求的话(要求可以为收敛情况达到某一程度)，则此权重模型合格，可应用在实际场景中；若不满足要求，例如未收敛或者过拟合，则有两种方法，一种是调整深度神经网络的参数(例如调整learningrate学习率和batchsize批尺寸)，调整参数后的深度神经网络对训练数据集进行训练工作得到权重模型，即以调整参数后的深度神经网络执行S0.4，再执行S0.5。另一种是飞行装置再拍摄更多图片补充到图片集中，以补充后的图片集执行S0.2至S0.5，即以补充后的图片集作为S0.2中的“图片集”进行标注和强化，例如初次进行S0.1时拍摄1000张图片作为图片集，在S0.5验证后不满足要求，可以再拍摄200张图片，将200张图片和1000张图片放到一起，这1200张图片为补充后的图片集，以1200张图片进行S0.2。S0.5得到的满足要求的权重模型应用到无人机实时监测中，本实施方式中得到的是病虫害的权重模型。二、无人机实时监测的过程如图2所示，为：无人机在停机坪上待机。无人机实时监测的起飞前需确保无人机电量充足。S1：在嵌入式处理器上载入权重模型(即S0.5中得到的满足要求的权重模型)，如载入病虫害的权重模型。对应图2的“嵌入式处理器载入权重模型”。S2：控制器发送指令控制无人机起飞，飞行至目标区域——待测是否有病虫害的区域。对应图2的“无人机飞行至目标区域本文档来自技高网...

【技术保护点】
1.一种无人机自动巡检系统，包括无人机，其特征在于，还包括控制器和设置在无人机上的嵌入式处理器，所述无人机用于拍摄照片且将拍摄的照片发送至嵌入式处理器和控制器，所述嵌入式处理器用于接收无人机发送的照片、利用载入到其上的权重模型计算照片得出计算结果、判断计算结果是否达到设定值得到判断结果、根据判断结果发送报警信号至控制器，所述控制器用于控制无人机飞行、控制无人机拍摄、控制无人机发送照片、启动嵌入式处理器、接收嵌入式处理器发送的报警信号和接收无人机发送的照片。

【技术特征摘要】
1.一种无人机自动巡检系统，包括无人机，其特征在于，还包括控制器和设置在无人机上的嵌入式处理器，所述无人机用于拍摄照片且将拍摄的照片发送至嵌入式处理器和控制器，所述嵌入式处理器用于接收无人机发送的照片、利用载入到其上的权重模型计算照片得出计算结果、判断计算结果是否达到设定值得到判断结果、根据判断结果发送报警信号至控制器，所述控制器用于控制无人机飞行、控制无人机拍摄、控制无人机发送照片、启动嵌入式处理器、接收嵌入式处理器发送的报警信号和接收无人机发送的照片。2.如权利要求1所述的一种无人机自动巡检系统，其特征在于，还包括用于停放无人机的停机坪。3.如权利要求2所述的一种无人机自动巡检系统，其特征在于，所述停机坪上设有用于无人机充电的充电装置和用于无人机更换电池的更换装置。4.基于权利要求1至3中任意一项所述的一种无人机自动巡检系统的巡检方法，其特征在于，包括如下步骤：S1、嵌入式处理器载入权重模型；S2、控制器控制无人机飞行至目标区域；S3、控制器启动嵌入式处理器；S4、控制器控制无人机拍摄；S5、无人机将拍摄的照片发送至嵌入式处理器，嵌入式处理器接收无人机发送的照片；S6、嵌入式处理器利用权重模型计算所接收的照片得出计算结果，并判断计算结果是否达到设定值，若为是，嵌入式处理器发送报警信号至控制器，进行S7，否则返回...

【专利技术属性】
技术研发人员：侯亮，杨陆见，施永鑫，张凤阁，
申请(专利权)人：长春草莓科技有限公司，
类型：发明
国别省市：吉林,22