一种基于无人机的巡检分析系统及方法技术方案

本发明专利技术公开了一种基于无人机的巡检分析系统及方法，系统包括：第一采集单元，获取点云数据，并根据点云数据规划无人机的巡检航线数据；第一处理单元，将巡检航线数据转化生成可执行的航点文件，并加载到无人机中以执行飞行任务，实现无人机自主巡检目标线路并获取图像数据；图像处理单元，对图像数据进行预处理；图像分析单元，将预处理后的图像送入预先存储的缺陷样本数据库中进行分类；将分类后的结果送入预先构建的算法模型库中进行智能判定；报表输出单元，将得到的判定结果进行汇总，以得到巡检分析报告；其效果是：克服了由于单一算法的适应性仅能检测少量缺陷的问题，在提高工程应用检测准确度的同时，也提高了巡视质量及巡视效率。视效率。视效率。

【技术实现步骤摘要】
一种基于无人机的巡检分析系统及方法


[0001]本专利技术涉及巡检
，具体涉及一种基于无人机的巡检分析系统及方法。

技术介绍

[0002]无人机是一种通过无线信号控制或者既定程序进行控制、无人驾驶的飞行器。当前，在电力巡线领域，无人机有广阔的应用前景。利用无人机进行设备巡检，相较人工操作，可大幅提升工作效率。无人机能达到人工不方便到达的高度和肉眼难以企及的精度，检查准确度大大提升。利用无人机挂载多种高空探测设备，可以在巡检过程中，直接对风机设备及输电线路进行高空探查，无需多次人工分析。
[0003]但在现有技术中，产生的数据需要经过人工判读才能得到最终的巡检报告，虽然也出现采用图像识别的方案，但由于单一算法的适应性仅能检测少量缺陷、数据集的大小以及电力线路存在同一缺陷具有多种不同外观显现的问题，造成在实际工程应用中检测的准确度不能满足目前巡检要求的缺陷。

技术实现思路

[0004]本专利技术的目的是提供一种在实际工程应用中可提高检测准确度的一种基于无人机的巡检分析系统及方法。
[0005]第一方面：本专利技术实施例提供了一种基于无人机的巡检分析系统，所述系统包括：
[0006]第一采集单元，用于获取巡检目标线路高精度的点云数据，并根据所述点云数据规划无人机的巡检航线数据，以得到云台姿态角度和无人机飞行航线；
[0007]第一处理单元，用于将所述巡检航线数据转化生成可执行的航点文件，并加载到无人机中以执行飞行任务，实现无人机自主巡检目标线路并获取图像数据；
[0008]图像处理单元，用于对所述图像数据进行预处理；
[0009]图像分析单元，用于：
[0010]将预处理后的图像送入预先存储的缺陷样本数据库中进行分类，并对每一类别分别通过标签进行标记；
[0011]将分类后的结果送入预先构建的算法模型库中进行智能判定；其中，所述算法模型库包括利用多种深度学习算法训练所得的多个算法模型，各算法模型关联有对应类别的标签；
[0012]报表输出单元，用于将得到的判定结果进行汇总，以得到巡检分析报告。
[0013]作为本专利技术的一个优选的技术方案，所述图像分析单元还用于：
[0014]在进行分类时，若不能直接得到匹配结果，则将未匹配到的图像再次送入所述缺陷样本数据库中进行相似图片检索，以得到分类结果。
[0015]作为本专利技术的一个优选的技术方案，所述的一种基于无人机的巡检分析系统，还包括模型优化单元，所述模型优化单元用于：
[0016]将审核后确认为误检、漏检或者识别不完整的目标图像进行重新标定，并作为新
增的缺陷样本以调整算法模型参数，让算法模型可以识别更多不同状态下的缺陷类型。
[0017]作为本专利技术的一个优选的技术方案，所述的一种基于无人机的巡检分析系统，其特征在于，还包括接口单元，所述接口单元用于：
[0018]接收上传的图片和标签；
[0019]访问模型的训练结果，查找同步最优训练模型，以支持多用户并行处理；
[0020]再将生成的结果传送至所述模型优化单元进行训练学习，保证算法模型的不断更新，持续优化检测效果。
[0021]作为本专利技术的一个优选的技术方案，所述算法模型在训练时，以深度学习技术为核心，并根据深度卷积神经网络训练模型提取特征，从而标定可训练识别的缺陷类型；
[0022]然后基于现有的所述缺陷样本数据库和无人机巡检所形成的图像数据库，采用四点标注框标记目标，存储成xml标签文件，以构建深度学习训练库；
[0023]再通过深度学习和图像处理技术，将海量不间断图像数据进行结构化、标签化和类别化，让标注的标签都可以完成训练至少一种算法模型的收敛，对于不可学习的标注标签，调整标注策略后，重新训练，如此反复，以确定每类标注缺陷都进入到所述算法模型库。
[0024]第二方面：一种基于无人机的巡检分析方法，应用于第一方面所述的一种基于无人机的巡检分析系统，所述方法包括：
[0025]获取巡检目标线路高精度的点云数据，并根据所述点云数据规划无人机的巡检航线数据，以得到云台姿态角度和无人机飞行航线；
[0026]将所述巡检航线数据转化生成可执行的航点文件，并加载到无人机中以执行飞行任务，实现无人机自主巡检目标线路并获取图像数据；
[0027]对所述图像数据进行预处理；
[0028]将预处理后的图像送入预先存储的缺陷样本数据库中进行分类，并对每一类别分别通过标签进行标记；
[0029]将分类后的结果送入预先构建的算法模型库中进行智能判定；其中，所述算法模型库包括利用多种深度学习算法训练所得的多个算法模型，各算法模型关联有对应类别的标签；
[0030]将得到的判定结果进行汇总，以得到巡检分析报告。
[0031]作为本专利技术的一个优选的技术方案，所述方法还包括：
[0032]在进行分类时，若不能直接得到匹配结果，则将未匹配到的图像再次送入所述缺陷样本数据库中进行相似图片检索，以得到分类结果。
[0033]作为本专利技术的一个优选的技术方案，所述方法还包括：
[0034]将审核后确认为误检、漏检或者识别不完整的目标图像进行重新标定，并作为新增的缺陷样本以调整算法模型参数，让算法模型可以识别更多不同状态下的缺陷类型。
[0035]作为本专利技术的一个优选的技术方案，所述方法还包括：
[0036]接收上传的图片和标签；
[0037]访问模型的训练结果，查找同步最优训练模型，以支持多用户并行处理；
[0038]再将生成的结果传送至所述模型优化单元进行训练学习，保证算法模型的不断更新，持续优化检测效果。
[0039]作为本专利技术的一个优选的技术方案，所述算法模型在训练时，以深度学习技术为
核心，并根据深度卷积神经网络训练模型提取特征，从而标定可训练识别的缺陷类型；
[0040]然后基于现有的所述缺陷样本数据库和无人机巡检所形成的图像数据库，采用四点标注框标记目标，存储成xml标签文件，以构建深度学习训练库；
[0041]再通过深度学习和图像处理技术，将海量不间断图像数据进行结构化、标签化和类别化，让标注的标签都可以完成至少一种算法模型的收敛，对于不可学习的标注标签，调整标注策略后，重新训练，如此反复，以确定每类标注缺陷都进入到所述算法模型库。
[0042]采用上述技术方案，具有以下优点：本专利技术提出的一种基于无人机的巡检分析系统及方法，利用多种深度学习算法训练所得的多个算法模型，对图像预处理后标记的标签进行智能判定，通过训练生成多个对应的实用性模型，从而增强了无人机巡检缺陷的分析识别能力，克服了由于单一算法的适应性仅能检测少量缺陷的问题，在提高工程应用检测准确度的同时，也提高了巡视质量及巡视效率，降低了人工巡视成本，易于及时发现故障隐患，避免故障扩大化，提升了电网安全生产水平。
附图说明
[0043]图1为本专利技术实施例提供的一种基于无人机的巡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的巡检分析系统，其特征在于，所述系统包括：第一采集单元，用于获取巡检目标线路高精度的点云数据，并根据所述点云数据规划无人机的巡检航线数据，以得到云台姿态角度和无人机飞行航线；第一处理单元，用于将所述巡检航线数据转化生成可执行的航点文件，并加载到无人机中以执行飞行任务，实现无人机自主巡检目标线路并获取图像数据；图像处理单元，用于对所述图像数据进行预处理；图像分析单元，用于：将预处理后的图像送入预先存储的缺陷样本数据库中进行分类，并对每一类别分别通过标签进行标记；将分类后的结果送入预先构建的算法模型库中进行智能判定；其中，所述算法模型库包括利用多种深度学习算法训练所得的多个算法模型，各算法模型关联有对应类别的标签；报表输出单元，用于将得到的判定结果进行汇总，以得到巡检分析报告。2.根据权利要求1所述的一种基于无人机的巡检分析系统，其特征在于，所述图像分析单元还用于：在进行分类时，若不能直接得到匹配结果，则将未匹配到的图像再次送入所述缺陷样本数据库中进行相似图片检索，以得到分类结果。3.根据权利要求1所述的一种基于无人机的巡检分析系统，其特征在于，还包括模型优化单元，所述模型优化单元用于：将审核后确认为误检、漏检或者识别不完整的目标图像进行重新标定，并作为新增的缺陷样本以调整算法模型参数，让算法模型可以识别更多不同状态下的缺陷类型。4.根据权利要求3所述的一种基于无人机的巡检分析系统，其特征在于，还包括接口单元，所述接口单元用于：接收上传的图片和标签；访问模型的训练结果，查找同步最优训练模型，以支持多用户并行处理；再将生成的结果传送至所述模型优化单元进行训练学习，保证算法模型的不断更新，持续优化检测效果。5.根据权利要求1至4中任一所述的一种基于无人机的巡检分析系统，其特征在于，所述算法模型在训练时，以深度学习技术为核心，并根据深度卷积神经网络训练模型提取特征，从而标定可训练识别的缺陷类型；然后基于现有的所述缺陷样本数据库和无人机巡检所形成的图像数据库，采用四点标注框标记目标，存储成xml标签文件，以构建深度学习训练库；再通过深度学习和图像处理技术，将海量不间断图像数据进行结构化、标签化和类别化，让标注的标签都可以完成训练至少一种算法模型的收敛，对于不可学习的标注标签，调整标注策略后，重新训练，如此反复，以确定每类...

【专利技术属性】
技术研发人员：许臻，吴王强，罗雪红，朱大伟，邵美阳，李雪，张喆，
申请(专利权)人：陕西能源研究院有限公司，
类型：发明
国别省市：