一种无人机巡检图像缺陷智能分析的方法技术

一种无人机巡检图像缺陷智能分析的方法，所述方法通过智能分析设备接收无人机巡检数据，包括与待识别对象相关的巡检数据；基于巡检数据建立各金具、缺陷目标训练库；基于巡检数据库，训练设备进行各类缺陷及金具识别模型训练；通过智能分析设备利用模型对无人机巡检图像进行智能分析处理。本发明专利技术提供了一种模型训练的方法，包括根据样本建立训练数据集及测试集；训练设备根据训练集迭代训练识别模型；训练设备根据所述识别模型进行精度评估。本发明专利技术适用于无人机巡检图像缺陷智能分析。明适用于无人机巡检图像缺陷智能分析。明适用于无人机巡检图像缺陷智能分析。

【技术实现步骤摘要】
一种无人机巡检图像缺陷智能分析的方法


[0001]本专利技术涉及一种无人机巡检图像缺陷智能分析的方法，属图象处理


技术介绍

[0002] 传统的输电线路人工巡检效率低、劳动强度大, 单纯靠人工巡检目测难度大，受地形环境限制。无人机软硬件技术的不断进步为电力巡线提供了一新的作业模式,基于无人机的输电线路巡检技术正逐步规范完善。
[0003]无人机技术的兴起使得其数量和运行数据呈现海量增长，大量的缺陷数据存放在云端，单靠人工进行检测分析，需耗费大量时间，而且这种缺陷检测需求是去找异常和缺陷，这对自动诊断要求很高，因为缺陷和异常数目多、形式各异。因此采用一般设计特征的识别方法，漏检率较高，不能满足巡检图像高精度检测需求。随着人工智能技术的快速进步，人工智能技术也被快速地应用于电力巡检方面解决大量的数据分析需求。
[0004]目前深度学习技术是用于图像处理的最主流算法，例如基于YOLO2目标检测算法用于识别与定位巡检图像中的绝缘子爆裂缺陷目标，通过搭建和改进卷积神经网络实现对绝缘子的检测。基于前人的研究成果提出一种基于卷积神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机巡检图像缺陷智能分析的方法，其特征在于，所述方法通过过智能分析设备接收无人机巡检数据，包括与待识别对象相关的巡检数据；基于巡检数据建立各金具、缺陷目标训练库；基于巡检数据库，训练设备进行各类缺陷及金具识别模型训练；通过智能分析设备利用模型对无人机巡检图像进行智能分析处理。2.根据权利要求1所述的一种无人机巡检图像缺陷智能分析的方法，其特征在于，所述训练设备基于训练库识别模型的操作包括：训练设备抽取所述样本库中对应目标数据进行样本预处理；训练设备对预处理后的数据分为训练集和测试集；训练设备根据所述训练集迭代训练所述识别模型；训练设备根据所述识别模型进行精度评估；以及智能分析设备根据所述识别模型识别对应目标。3.根据权利要求2所述的一种无人机巡检图像缺陷智能分析的方法，其特征在于，所述训练设备利用样本库生成训练集、测试集，针对性的训练识别模型，达到一定精度后，识别设备可以从训练设备获取识别模型，并利用所获取的识别模型对无人机巡检数据进行目标检测，包括对绝缘子串、悬垂线夹、防震锤等关键金具识别，或鸟巢、绝缘子缺失、异物悬挂、防震锤移位的典型缺陷进行识别；通过分析目标类型自动输出无人机巡检图像的智能分析报告。4.根据权利要求2所述的一种无人机巡检图像缺陷智能分析的方法...

【专利技术属性】
技术研发人员：胡京，饶斌斌，况燕军，高小伟，赵慧童，周龙武，李帆，
申请(专利权)人：国家电网有限公司北京御航智能科技有限公司，
类型：发明
国别省市：