基于智能制造技术

本发明专利技术公开了一种基于智能

【技术实现步骤摘要】
基于智能AI芯片的电力巡检智能预警设备及其方法


[0001]本公开涉及智能预警领域，且更为具体地，涉及一种基于智能
AI
芯片的电力巡检智能预警设备及其方法
。

技术介绍

[0002]电力输电线路是电力系统的重要组成部分，其正常运行对于保障电力供应的可靠性和安全性至关重要
。
然而，由于线路长期暴露在自然环境中，受到各种因素的影响，如风雨
、
温度变化
、
外力撞击等，容易出现表面缺陷，如裂纹
、
腐蚀
、
绝缘子破损等问题
。
因此，需要对电力输电线路进行检测
。
[0003]传统的电力巡检通常需要人员步行或驾驶车辆进行巡视，耗费时间和人力资源较多
。
对于大规模的电力输电网络，覆盖范围广且工作量大，人工巡检效率低下
。
此外，有些区域难以到达或难以观察，可能存在一些潜在问题长时间未被发现，导致安全风险的积累
。
[0004]因此，期待一种优化的电力巡检预警方案
。

技术实现思路

[0005]有鉴于此，本公开提出了一种基于智能
AI
芯片的电力巡检智能预警设备及其方法，其可以利用无人机技术和
AI
芯片技术，采集被监控输电线路的外观图像并对其进行图像处理，自动化地识别所述被监控输电线路的表面缺陷
。
[0006]根据本公开的一方面，提供了一种基于智能
AI
芯片的电力巡检智能预警方法，其包括：
[0007]获取由无人机采集的被监控输电线路的外观图像；以及
[0008]使用智能
AI
芯片对所述被监控输电线路的外观图像进行处理以得到分析结果，所述分析结果用于表示被监控输电线路是否存在表面缺陷
。
[0009]根据本公开的另一方面，提供了一种基于智能
AI
芯片的电力巡检智能预警设备，其中，所述基于智能
AI
芯片的电力巡检智能预警设备由如前所述的方法运行
。
[0010]根据本公开的实施例，其首先获取由无人机采集的被监控输电线路的外观图像，然后，使用智能
AI
芯片对所述被监控输电线路的外观图像进行处理以得到分析结果，所述分析结果用于表示被监控输电线路是否存在表面缺陷
。
这样，可以自动化地识别所述被监控输电线路的表面缺陷
。
[0011]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚
。
附图说明
[0012]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例
、
特征和方面，并且用于解释本公开的原理
。
[0013]图1示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的流程
图
。
[0014]图2示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的架构示意图
。
[0015]图3示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的子步骤
S120
的流程图
。
[0016]图4示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的子步骤
S121
的流程图
。
[0017]图5示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的子步骤
S123
的流程图
。
[0018]图6示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的子步骤
S125
的流程图
。
[0019]图7示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警系统的框图
。
[0020]图8示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的应用场景图
。
具体实施方式
[0021]下面将结合附图对本公开实施例中的技术方案进行清楚
、
完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例
。
基于本公开实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围
。
[0022]如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和
/
或“该”等词并非特指单数，也可包括复数
。
一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素
。
[0023]以下将参考附图详细说明本公开的各种示例性实施例
、
特征和方面
。
附图中相同的附图标记表示功能相同或相似的元件
。
尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图
。
[0024]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节
。
本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施
。
在一些实例中，对于本领域技术人员熟知的方法
、
手段
、
元件和电路未作详细描述，以便于凸显本公开的主旨
。
[0025]针对上述技术问题，本公开的技术构思是利用无人机技术和
AI
芯片技术，采集被监控输电线路的外观图像并对其进行图像处理，以自动化地识别所述被监控输电线路的表面缺陷
。
[0026]基于此，图1示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的流程图
。
图2示出根据本公开的实施例的基于智能
AI
芯片的电力巡检智能预警方法的架构示意图
。
如图1和图2所示，根据本公开实施例的基于智能
AI
芯片的电力巡检智能预警方法，包括步骤：
S110
，获取由无人机采集的被监控输电线路的外观图像；以及，
S120
，使用智能
AI
芯片对所述被监控输电线路的外观图像进行处理以得到分析结果，所述分析结果用
于表示被监控输电线路是否存在表面缺陷
。
[0027]更具体地，在本公开的技术方案中，首先获取由无人机采集的被监控输电线路的外观图像；然后，使用智能
AI
芯片对所述被监控输电线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于智能
AI
芯片的电力巡检智能预警方法，其特征在于，包括：获取由无人机采集的被监控输电线路的外观图像；以及使用智能
AI
芯片对所述被监控输电线路的外观图像进行处理以得到分析结果，所述分析结果用于表示被监控输电线路是否存在表面缺陷
。2.
根据权利要求1所述的基于智能
AI
芯片的电力巡检智能预警方法，其特征在于，使用智能
AI
芯片对所述被监控输电线路的外观图像进行处理以得到分析结果，所述分析结果用于表示被监控输电线路是否存在表面缺，包括：对所述被监控输电线路的外观图像进行图像预处理以得到多个输电线路段图像；提取所述多个输电线路段图像的节点信息以得到多个输电线路段外观特征向量；提取所述多个输电线路段图像的拓扑信息以得到输电线路段间一致性拓扑特征矩阵；将所述多个输电线路段外观特征向量和所述输电线路段间一致性拓扑特征矩阵通过图神经网络模型以得到一致性拓扑全局输电线路外观特征矩阵；以及基于所述一致性拓扑全局输电线路外观特征矩阵，确定所述分析结果
。3.
根据权利要求2所述的基于智能
AI
芯片的电力巡检智能预警方法，其特征在于，对所述被监控输电线路的外观图像进行图像预处理以得到多个输电线路段图像，包括：对所述被监控输电线路的外观图像进行自适应图片缩放以得到缩放后输电线路外观图像；以及沿着所述被监控输电线路的延伸方向，对所述缩放后输电线路外观图像进行图像切分以得到所述多个输电线路段图像
。4.
根据权利要求3所述的基于智能
AI
芯片的电力巡检智能预警方法，其特征在于，提取所述多个输电线路段图像的节点信息以得到多个输电线路段外观特征向量，包括：将所述多个输电线路段图像分别通过基于卷积神经网络模型的输电线路外观特征提取器以得到所述多个输电线路段外观特征向量
。5.
根据权利要求4所述的基于智能
AI
芯片的电力巡检智能预警方法，其特征在于，提取所述多个输电线路段图像的拓扑信息以得到输电线路段间一致性拓扑特征矩阵，包括：计算所述多个输电线路段外观特征向量中任意两个输电线路段外观特征向量之间的余弦距离值以得到输电线路段间...

【专利技术属性】
技术研发人员：张可，陆剑峰，李宇，童旸，刘进进，任帅，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：