一种电力线路巡检检测方法及系统技术方案

本发明专利技术属于电力图像检测相关技术领域，提供一种电力线路巡检检测方法及系统，通过获取拍摄点的三维点云数据获取定位信息，进而对在拍摄点处的无人机相机参数进行调整，通过参数调整后的相机重新获取巡检图像，提高了所获取图像的质量，此外，通过改进的YOLOv3网络作为缺陷检测网络，提高检测的精度。提高检测的精度。提高检测的精度。

【技术实现步骤摘要】
一种电力线路巡检检测方法及系统


[0001]本专利技术属于电力图像检测相关
，尤其涉及一种电力线路巡检检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]近年来，电力线路的检测逐渐向智能化方向发展，目前的电力线路的检测有利用无人机采集图像，并对图像进行识别检测。电力线路具有分布面积广，传输间距长，地形条件复杂多变等特点，利用无人机在拍照过程中由于拍摄目标区域、角度、方位等因素的变化，导致对目标区域内目标部件所拍摄的图像质量并不理想，从而导致对无人机所拍摄的图像进行检测识别准确率低的问题。此外，现有基于深度学习对电力线路巡检中的巡检目标进行检测的方法，如YOLOv算法，现有的YOLOv算法在提取特征时存在提取精度不足的问题，导致最终的检测结果不够准确。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种电力线路巡检检测方法及系统，通过获取拍摄点的三维点云数据获取定位信息，进而对在拍摄点处的无人机相机参数进行调整，通过参数调整后的相机重新获取巡检图像，提高了所获取图像的质量，此外，通过改进的YOLOv3网络作为缺陷检测网络，提高检测的精度。
[0005]为了实现上述目的，本专利技术的第一个方面提供一种电力线路巡检检测方法，采用如下技术方案：步骤1：获取无人机在拍摄点下对应的三维点云数据得到对应的定位信息，并获取利用无人机相机在拍摄点下所拍摄的第一巡检图像；步骤2：利用所得到的定位信息确定第一巡检图像中巡检目标与无人机相机焦距的实际距离，基于所得到的实际距离调整相机的参数，基于参数调整后的无人机相机重新获取拍摄点下的第二巡检图像；步骤3：将获取的第二巡检图像输入至训练好的缺陷检测模型，输出缺陷检测结果。
[0006]本专利技术的第二个方面提供一种电力线路巡检检测系统，包括：获取模块：获取无人机在拍摄点下对应的三维点云数据得到对应的定位信息，并获取利用无人机相机在拍摄点下所拍摄的第一巡检图像；参数调整模块：利用所得到的定位信息确定第一巡检图像中巡检目标与无人机相机焦距的实际距离，基于所得到的实际距离调整相机的参数，基于参数调整后的无人机相机重新获取拍摄点下的第二巡检图像；缺陷检测模块：将获取的第二巡检图像输入至训练好的缺陷检测模型，输出缺陷
检测结果。
[0007]本专利技术的第三方面提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述第一方面中所述的一种电力线路巡检检测方法。
[0008]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面中所述的一种电力线路巡检检测方法。
[0009]有益效果是：在本专利技术中，通过获取拍摄点的三维点云数据获取定位信息，进而对在拍摄点处的无人机相机参数进行调整，通过参数调整后的相机重新获取巡检图像，提高了所获取图像的质量。
[0010]在本专利技术中，将原有的YOLOv3的部分采样层和原始传输层替换为DenseNet，增强了特征传播并出促进特征的融合，有效避免了所输入的图像的特征信息在网络正向传播过程中丢失，通过新增一个特征提取层，提升了对巡检目标的检测能力，提高检测精度。
[0011]在本专利技术中，利用FocalLoss函数和均衡交叉熵函数改进YOLOv3网络的损失函数，能够提升YOLOv3网络模型训练中样本集中占少数的类别样本的贡献度，从而提高模型的检测精度。
附图说明
[0012]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0013]图1是本专利技术的一种电力线路巡检检测方法流程图。
具体实施方式
[0014]下面结合附图与实施例对本专利技术作进一步说明。
[0015]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0016]实施例一如图1所示，本实施例提供一种电力线路巡检检测方法，包括：步骤1：获取无人机在拍摄点下对应的三维点云数据得到对应的定位信息，并获取利用无人机相机在拍摄点下所拍摄的第一巡检图像；步骤2：利用所得到的定位信息确定第一巡检图像中巡检目标与无人机相机焦距的实际距离，基于所得到的实际距离调整相机的参数，基于参数调整后的无人机相机重新获取拍摄点下的巡检目标的第二巡检图像；步骤3：将获取的第二巡检图像输入至训练好的缺陷检测模型，输出缺陷检测结果。
[0017]在本实施例步骤1和步骤2中，以巡检目标为绝缘子串为例进行说明，预先梳理待
检测的电力线路上的拍摄点以及拍摄点下的绝缘子串，利用现有的航线规划软件生成对电力线路检测的巡检路线图。
[0018]利用无人机上的雷达设备在电力线路上拍摄点处进行扫描，得到相应的三维点云数据，利用点云数据对拍摄点进行定位，使所获取的三维点云数据有对应的定位信息。
[0019]在本实施例步骤2中，利用无人机上的相机拍摄拍摄点下的第一巡检图像，通过预设的目标识别模型确定第一巡检图像中的巡检目标即绝缘子串，输出巡检目标即绝缘子串所在的目标矩形区域。具体的，目标识别模型可采用现有的yolov5目标检测算法。
[0020]利用所得到的定位信息确定第一巡检图像中巡检目标即绝缘子串与无人机相机焦距的实际距离，基于所得到的实际距离调整相机的参数，具体为：确定无人机相机的焦距中心、以及第一巡检图像中的巡检目标即绝缘子串在第一巡检图像中对应的图像位置坐标；根据所获取的定位信息确定第一巡检图像中巡检目标即绝缘子串位置坐标对应的世界位置坐标；根据相机焦距中心以及所得到的世界位置坐标，得到第一巡检图像中的巡检目标即绝缘子串与无人机相机焦距中心的实际距离；根据所得到的第一巡检图像中的巡检目标即绝缘子串与无人机相机焦距中心的实际距离对无人机参数进行调整，使后续无人机相机拍摄的第二巡检图像的相机焦距中心为巡检目标即绝缘子串的中心。
[0021]具体的，无人机相机的焦距中心即为第一巡检图像的中心点，第一巡检图像中的巡检目标即绝缘子串在第一巡检图像中对应的图像位置坐标可以以其所在的目标矩形区域的中心点来表示，从而在第一巡检图像中定位相机焦距中心和巡检目标即绝缘子串在第一巡检图像中像素坐标即图像位置坐标。
[0022]基于上述所得到的定位信息为包含第一巡检图像中不同图像位置坐标对应的世界位置坐标，通过匹配相机焦距中心和巡检目标即绝缘子串在第一巡检图像中对应的图像位置坐标可以分别确定相机焦距和第一巡检图像中巡检目标即绝缘子串的世界位置坐标；进而通过相机焦距中心的世界位置坐标和第一巡检图像中的巡检目标即绝缘子串的世界位置坐标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力线路巡检检测方法，其特征在于，包括：步骤1：获取无人机在拍摄点下对应的三维点云数据得到对应的定位信息，并获取利用无人机相机在拍摄点下所拍摄的第一巡检图像；步骤2：利用所得到的定位信息确定第一巡检图像中巡检目标与无人机相机焦距的实际距离，基于所得到的实际距离调整相机的参数，基于参数调整后的无人机相机重新获取拍摄点下的第二巡检图像；步骤3：将获取的第二巡检图像输入至训练好的缺陷检测模型，输出缺陷检测结果。2.如权利要求1所述的一种电力线路巡检检测方法，其特征在于，在步骤2中，利用所得到的定位信息确定第一巡检图像中巡检目标与无人机相机焦距的实际距离，具体为：确定无人机相机的焦距中心、以及第一巡检图像中的巡检目标在第一巡检图像中对应的图像位置坐标；根据所获取的定位信息确定第一巡检图像中巡检目标图像位置坐标对应的世界位置坐标；根据相机焦距中心以及所得到的世界位置坐标，得到第一巡检图像中的巡检目标与无人机相机焦距中心的实际距离；根据所得到的第一巡检图像中的巡检目标与无人机相机焦距中心的实际距离对无人机参数进行调整，使后续无人机相机拍摄的第二巡检图像的相机焦距中心为巡检目标的中心。3.如权利要求2所述的一种电力线路巡检检测方法，其特征在于，无人机相机的焦距中心即为第一巡检图像的中心点，巡检目标在第一巡检图像中对应的图像位置坐标以其所在的目标矩形区域的中心点来表示。4.如权利要求1所述的一种电力线路巡检检测方法，其特征在于，所述缺陷检测模型结构为：以YOLOv3网络为主干网络，将YOLOv3网络的原始传输层、32
×
32下采样层和16
×
16的下采样层均替换为DenseNet，并在YOLOv3网络的第一...

【专利技术属性】
技术研发人员：李兆新，赵克，魏凌云，
申请(专利权)人：中国电建集团山东电力建设第一工程有限公司，
类型：发明
国别省市：