一种无人机电力巡检方法、设备及存储介质技术

本发明专利技术公开了一种无人机电力巡检方法、设备及存储介质，所述方法包括获取无人机拍摄的塔杆视频，并从视频中获取训练数据，对所述训练数据进行处理和标注；构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；控制无人机开始进行巡检；通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的电力器件类别和电力器件在所述图像中的相对坐标；根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。本发明专利技术实现了自动引导无人机的飞行路径，减少人工参与度。

【技术实现步骤摘要】
一种无人机电力巡检方法、设备及存储介质
本专利技术涉及电力巡检领域，具体涉及一种无人机电力巡检方法、设备及存储介质。
技术介绍
无人机在电力巡检领域的快速发展和应用已经是不争的事实，近日，在中国国际智能博览会上，国家电网展区展出的‘网际天鹰’输电线路无人机智能作业装备，是国内首创的移动式无人机智能巡检成套装备。其无人机系统和地面管理平台整体达到国际先进水平，但是仍然和大多数无人机电力巡检技术一样，采用前端无人机采集图像传回服务器，后端再进行智能处理或人工分析的模式。这种模式下巡检工人不用去实地探查，但是仍然需要飞手手动控制无人机飞行路径；人工筛选拍照场景；传回后端的图片还需要人工审查，本质上还是更依赖‘人工’的方式。智能化程度仍然不够高，而且仍需要投入较大的人工成本。因而现有技术还有待于改进和提高。
技术实现思路
鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种无人机电力巡检方法、设备及存储介质，以解决目前需要人工控制无人机的飞行路线的问题。为了达到上述目的，本专利技术采取了以下技术方案：一方面，本专利技术提供了一种无人机电力巡检方法，包括如下步骤：获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集；构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；控制无人机从预设最低高度位置并按照预设巡检方向开始进行巡检；通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的电力器件类别和电力器件在所述图像中的相对坐标；根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。优选的，所述的无人机电力巡检方法中，所述获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集的步骤包括：获取无人机在多个角度和多个距离拍摄的包含待检测物体在内的视频，并截取所述视频中的关键帧作为训练数据；筛选出清晰并包含需要检测的电力器件的数据样本；将筛选出的数据样本进行反转以及尺度和对比度的变化，以生成多个相似的图像数据；对待检测的电力器件进行标注，以得到标注数据集。优选的，所述的无人机电力巡检方法中，所述待检测的电力器件的标注至少包括导线线夹、地线、地线挂点、防震锤、号牌、警示牌、绝缘子串、塔基、塔身以及塔身挂点。优选的，所述的无人机电力巡检方法中，采用FasterRCNN目标检测法构建训练神经网络。优选的，所述的无人机电力巡检方法中，对所述标注数据集进行训练时，以COCO数据集作为所述神经网络的输入训练得到的权重值作为初始化参数来得到权重参数。优选的，所述的无人机电力巡检方法中，所述根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检的步骤具体包括：根据无人机的当前坐标以及各个电力器件的相对坐标控制所述无人机进行飞行，以使所述无人机依次飞行至各个电力器件的坐标位置，实现对各个电力器件的检测。优选的，所述的无人机电力巡检方法中，所述判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航的步骤包括：判断所述无人机是否飞行至预设最高高度位置；当所述无人机飞行至预设最高高度位置时，判断所述无人机是否完成杆塔的两侧巡检；当所述无人机未完成杆塔的两侧巡检时，控制所述无人机飞行至所述杆塔的另一侧的预设最高高度处，并对所述杆塔的另一侧进行巡检；当所述杆塔飞行至杆塔的另一侧的预设最低高度位置时，判断所述无人机完成一座杆塔的巡检，并控制所述无人机返航。优选的，所述的无人机电力巡检方法还包括：根据所述无人机的出发坐标、飞行距离以及剩余电量估算所述无人机返航所需的电量，并根据所述无人机返航所需的电量判断所述无人机是否需要返航。另一方面，本专利技术还提供了一种无人机电力巡检设备，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如上所述的无人机电力巡检方法中的步骤。又一方面，本专利技术还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的无人机电力巡检方法中的步骤。本专利技术提供的无人机电力巡检方法、设备及存储介质中，所述方法包括获取无人机拍摄的塔杆视频，并从视频中获取训练数据，对所述训练数据进行处理和标注；构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；控制无人机开始进行巡检；通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的电力器件类别和电力器件在所述图像中的相对坐标；根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。本专利技术通过深入的结合深度学习和无人机技术，在无人机电力巡检过程中通过智能方式解放出更多的人工参与部分。工作人员设定好无人机电力巡检起始坐标和方向，通过机载电脑实时处理无人机摄像头当前采集的图像，当深度神经网络检测到目标时，程序将自动截取目标所在帧，根据检测到的目标在这一帧图片中的相对坐标进而引导无人机的飞行路径，以达到减少人工参与度的目的。附图说明图1为本专利技术提供的无人机电力巡检方法的一较佳实施例的流程图；图2为本专利技术提供的无人机电力巡检方法中所述步骤S100的一较佳实施例的流程图；图3为本专利技术提供的无人机电力巡检方法中所述步骤S600的一较佳实施例的流程图；图4为本专利技术无人机电力巡检程序的较佳实施例的运行环境示意图；图5为本专利技术安装无人机电力巡检程序的系统较佳实施例的功能模块图。具体实施方式为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，本专利技术实施例提供的无人机电力巡检方法，包括如下步骤：S100、获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集。本实施例中，由专业人员使用无人机多角度多距离拍摄包含待检测物体在内的视频，截取视频中的关键帧作为神经网络的训练数据，然后筛除图像数据中存在模糊、噪声明显以及不存在待检测目标的样本，确保每一张图片样本清晰的包含需要检测到的电力器件，此外，为了使后续的训练模型更精确，采用翻转，改变尺度，改变对比度的方法对原始图像进行扩充，生成相似的图像数据，以方便后本文档来自技高网...

【技术保护点】
1.一种无人机电力巡检方法，其特征在于，包括如下步骤：/n获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集；/n构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；/n控制无人机从预设最低高度位置并按照预设巡检方向开始进行巡检；/n通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的电力器件类别和电力器件在所述图像中的相对坐标；/n根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；/n判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。/n

【技术特征摘要】
1.一种无人机电力巡检方法，其特征在于，包括如下步骤：
获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集；
构建训练神经网络，利用所述训练神经网络对所述标注数据集进行训练，得到训练模型；
控制无人机从预设最低高度位置并按照预设巡检方向开始进行巡检；
通过所述训练模型对无人机实时拍摄的图像进行运算得到所述图像中的电力器件类别和电力器件在所述图像中的相对坐标；
根据所述图像中的各个电力器件的相对坐标规划出所述无人机的巡检路线，并控制所述无人机按照所述巡检路线进行巡检；
判断所述无人机是否对一座杆塔巡检完毕，并在所述无人机巡检完毕时控制所述无人机返航。


2.根据权利要求1所述的无人机电力巡检方法，其特征在于，所述获取无人机拍摄的塔杆视频，并从所述视频中获取训练数据，对所述训练数据进行处理和标注，以得到标注数据集的步骤包括：
获取无人机在多个角度和多个距离拍摄的包含待检测物体在内的视频，并截取所述视频中的关键帧作为训练数据；
筛选出清晰并包含需要检测的电力器件的数据样本；
将筛选出的数据样本进行反转以及尺度和对比度的变化，以生成多个相似的图像数据；
对待检测的电力器件进行标注，以得到标注数据集。


3.根据权利要求2所述的无人机电力巡检方法，其特征在于，所述待检测的电力器件的标注至少包括导线线夹、地线、地线挂点、防震锤、号牌、警示牌、绝缘子串、塔基、塔身以及塔身挂点。


4.根据权利要求1所述的无人机电力巡检方法，其特征在于，采用FasterRCNN目标检测法构建训练神经网络。


5.根据权利要求4所述的无人机电力巡检方法，其特征在于，对所述标注数据集进行训练时，以COCO数据集作为所述神经网络的输入训练得到的权重值作为初始化...

【专利技术属性】
技术研发人员：詹炜，孙晨帆，张阳阳，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北;42