【技术实现步骤摘要】
本专利技术涉及配电网无人机巡检，特别是涉及一种无人机巡检数据缺陷自动识别方法、系统、计算机设备及存储介质。
技术介绍
1、配电架空线路设备点多面广、地域分散、支线复杂，日益增长的配电线路设备给公司配网安稳运行带来巨大的压力。与电力线路相比，配电线路距离相对较短、网格较密集、支线路径复杂，传统电力线路无人机“线”型辐射巡检模式难以适用。
2、目前，基于边缘计算开展配电线路设备无人机巡检虽已实现初步应用，但配网线路错综密集、背景环境动态复杂，在配电线路无人机作业过程中存在图像采集角度受限、背景动态干扰和自主飞行航线规划复杂度高等现实问题，导致无人机精准定位导航和设备缺陷辨识技术仍需深入攻关和提升，缺陷识别准确率较低，后期还需通过人工二次审核完成，不仅费时费力、效率低，而且识别结果也受人员专业水平的主观性影响，准确性得不到保障，难以及时发现电网设备隐患和问题，不能为电网的安全运行提供可靠保证。
技术实现思路
1、本专利技术的目的是提供一种无人机巡检数据缺陷自动识别方法，通过建立故障样本丰富且具有代表性的图像数据集训练用于自动化故障检测和标注的故障识别模型，并采样将设备信息、设备历史运行数据与图像信息相结合的引入上下文信息标注方式对故障目标进行标注，解决现有配电线路无人机巡检数据缺陷识别成本高且准确率低的应用缺陷，能有效降低缺陷识别成本和提供缺失数据识别精准性，便于及时发现电网设备的隐患和问题的同时，还能通过综合利用设备信息、历史运行数据和图像信息，提高故障标注的全面性、准确性
2、为了实现上述目的，有必要针对上述技术问题，提供一种无人机巡检数据缺陷自动识别方法、系统、计算机设备及存储介质。
3、第一方面，本专利技术实施例提供了一种无人机巡检数据缺陷自动识别方法，所述方法包括以下步骤：
4、获取目标巡检区域内各类电力设备的巡检图像数据，并根据所述巡检图像数据，构建无人机巡检图像数据集；所述巡检图像数据包括各种故障类型图像数据和正常图像数据；
5、根据所述无人机巡检图像数据集，对预设目标检测模型进行训练，得到故障识别模型；所述预设目标检测模型依次包括故障检测模块和故障标注模块；
6、获取待识别无人机巡检图像，并将所述待识别无人机巡检图像输入所述故障识别模型进行故障识别和标注，得到对应的故障识别结果；所述故障识别结果包括故障类型和故障区域标注。
7、进一步地，所述根据所述巡检图像数据，构建无人机巡检图像数据集的步骤包括：
8、根据预设故障检测需求，对所述巡检图像数据进行筛选，得到巡检图像样本数据；
9、根据预设图像标注工具和预设标注内容，对各个巡检图像样本数据进行信息标注，得到所述无人机巡检图像数据集；所述预设标注内容包括设备信息、拍摄信息和故障信息；所述设备信息包括设备型号和设备制造商；所述故障信息包括故障类型、故障区域位置和故障区域形状。
10、进一步地，所述根据所述无人机巡检图像数据集，对预设目标检测模型进行训练，得到故障识别模型的步骤包括：
11、将所述无人机巡检图像数据集输入所述预设目标检测模型中的故障检测模块进行故障目标检测，得到故障目标检测结果；所述故障目标检测结果包括故障目标和对应的故障类型；
12、将所述故障目标检测结果输入所述预设目标检测模型中的故障标注模块进行故障信息标注，得到故障预测结果；
13、根据所述无人机巡检图像数据集中各个巡检图像样本数据的所述故障预测结果与对应预设标注内容的比对分析，对所述预设目标检测模型的参数进行迭代更新，得到所述故障识别模型。
14、进一步地，所述将所述故障目标检测结果输入所述预设目标检测模型中的故障标注模块进行故障信息标注，得到故障预测结果的步骤包括：
15、根据所述故障目标，获取对应的图像故障区域位置；
16、根据所述故障目标和预先构建的设备信息库，获取对应的故障标注信息；
17、将所述故障标注信息标注在所述图像故障区域位置，得到所述故障预测结果。
18、进一步地，所述根据所述故障目标，获取对应的图像故障区域位置的步骤包括：
19、根据所述故障目标，获取对应的故障像素区域；
20、在所述故障像素区域上创建空白标注掩膜；所述空白标注掩膜的形状与所述故障像素区域的形状相同；
21、根据所述空白标注掩膜的形状，选取对应的像素区域填充方式对所述空白标注掩膜进行填充绘制，得到所述图像故障区域位置。
22、进一步地，所述故障标注信息包括设备信息、设备位置信息、故障描述信息和设备历史运行数据；
23、所述根据所述故障目标和预先构建的设备信息库，获取对应的故障标注信息的步骤包括：
24、根据所述故障目标，获取对应的故障设备信息；
25、根据所述故障设备信息，查找所述预先构建的设备信息库，获取对应的设备位置信息、故障描述信息和设备历史运行数据。
26、进一步地，所述设备信息库的构建步骤包括：
27、获取各种电力设备的运维文档资料，并采用预设自然语言处理模型，对所述运维文档资料进行命名实体识别，得到设备运维关键信息；所述设备运维关键信息包括设备型号、设备制造商、设备位置、以及各种故障类型对应的故障描述；
28、获取各种电力设备的持续运行记录，并对所述持续运行历史记录进行分析，得到对应的设备历史运行数据；所述持续运行记录包括预设时长范围内的各个历史时刻的设备运行状态、设备温度和设备电流；所述设备历史运行数据包括设备历史状态和对应的设备运行特性；
29、根据所述设备型号，对所述设备运维关键信息和所述设备历史运行数据进行数据关联，建立所述设备信息库。
30、第二方面，本专利技术实施例提供了一种无人机巡检数据缺陷自动识别系统，所述系统包括：
31、数据获取模块，用于获取目标巡检区域内各类电力设备的巡检图像数据，并根据所述巡检图像数据，构建无人机巡检图像数据集；所述巡检图像数据包括各种故障类型图像数据和正常图像数据；
32、模型构建模块，用于根据所述无人机巡检图像数据集，对预设目标检测模型进行训练，得到故障识别模型；所述预设目标检测模型依次包括故障检测模块和故障标注模块；
33、故障识别模块，用于获取待识别无人机巡检图像，并将所述待识别无人机巡检图像输入所述故障识别模型进行故障识别和标注，得到对应的故障识别结果；所述故障识别结果包括故障类型和故障区域标注。
34、第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
35、第四方面，本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤本文档来自技高网...
【技术保护点】
1.一种无人机巡检数据缺陷自动识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述巡检图像数据，构建无人机巡检图像数据集的步骤包括：
3.如权利要求2所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述无人机巡检图像数据集，对预设目标检测模型进行训练，得到故障识别模型的步骤包括：
4.如权利要求3所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述将所述故障目标检测结果输入所述预设目标检测模型中的故障标注模块进行故障信息标注，得到故障预测结果的步骤包括：
5.如权利要求4所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述故障目标，获取对应的图像故障区域位置的步骤包括：
6.如权利要求5所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述故障标注信息包括设备信息、设备位置信息、故障描述信息和设备历史运行数据；
7.如权利要求6所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述设备信息库的构建步骤包括：
<...【技术特征摘要】
1.一种无人机巡检数据缺陷自动识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述巡检图像数据，构建无人机巡检图像数据集的步骤包括：
3.如权利要求2所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述无人机巡检图像数据集，对预设目标检测模型进行训练，得到故障识别模型的步骤包括：
4.如权利要求3所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述将所述故障目标检测结果输入所述预设目标检测模型中的故障标注模块进行故障信息标注，得到故障预测结果的步骤包括：
5.如权利要求4所述的无人机巡检数据缺陷自动识别方法，其特征在于，所述根据所述故障目标，获取对应的图像故...
【专利技术属性】
技术研发人员：池建飞，朱鹏，唐洪良，夏红鑫，邬明亮，陈攀宇，陈悦，陈琴芳，
申请(专利权)人：国网浙江省电力有限公司双创中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。