System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及配电架空线路缺陷识别领域,特别是涉及一种基于无人机巡检的配电架空线路缺陷识别方法及系统。
技术介绍
1、随着电网规模的扩大,设备、线路的快速增长与运维力量日趋紧张的矛盾不断凸显,尤其近年来随着全球变暖及线路老化的不断加剧,配电设备发热现象频发,传统的线路人工巡检及缺陷红外识别已不能满足日益严峻的设备、线路运维需求。为解决电网运维承载力不足的问题,目前正在大规模引入无人机技术,并采用无人机进行10kv配电架空线路智能化巡检,但其后带来的问题便是无人机产生的大量照片的缺陷识别需求。
2、无人机在检测过程中存在以下几个问题:
3、1)10kv配电架空线路设备点多面广,设备数量巨大,需要测量的点位庞大;2)照片需要人工逐张框选设备类别、材质,数据无法批量处理,需要人工逐张处理,并判定其结果;3)检测受测量时间、环境温度、湿度、光线反射率影响大,需要人工反复调节图片采集装置,需要手动标识设备;4)检测报告需要人工编写,熟练工平均一天也仅可识别几百张照片,整体工作效率低下;随着无人机巡检的不断普及,照片量会不断增加,预计未来会耗费更多人力。
4、(2)配网巡检后的海量巡检数据处理存在较大挑战
5、配网目标及缺陷种类多,达上百种缺陷种类;样本收集困难:没有统一的平台做数据管理;红外测温图像智能化分析程度不够;图像采集不标准,为缺陷识别带来很大挑战;环境影响严重:目标小,背光拍摄等;特征不一致:大目标较容易,小目标很困难。
6、(3)目前无人机配网巡检的问题
8、在配网无人机巡检中,大多数巡视场地多为城市道路两侧、城市绿化带中间,紧邻小区、工地,在此条件下使用中大型无人机噪音大、空间要求高、意外风险损失大。
9、2)人工操作效率慢
10、有经验的飞手十分稀缺,往往需要多年时间与经验累积,而普通飞手在陌生环境、不同作业场地、多样的飞行任务下无法做到稳定高效的执行任务。
11、3)流程闭环不及时
12、目前配网还是采用手动飞行为主,现场飞手精力有限,无人机现场作业信息无法实时回传后端,导致大多数据需要次日或多日后才能进行分析,并且操作端多为原生app,无法对接生产管理系统,导致作业管控不到位。
13、4)点云扫描成本大
14、通过点云扫描进行无人机航线规划需要前期进行一定的硬件成本投入,后期还需组织数据处理人员进行航线的规划,且配网环境变化复杂,通常点云规划好的线路不到半个月就会因为出现外部障碍物需重新规划。
15、5)无人机避障不自主
16、无人机在进行任务过程中,由于配网环境过于复杂,无人机避障灵敏度不高,出现误触发或不识别,导致无人机出现任务终止或坠机。
17、6)结果分析不智能
18、拍摄完的图片多为人工分析,分析工作量大,图片数量多,缺陷报告不规范,缺陷信息不实时。
19、综上所述,急需一种基于ai智能分析的10kv配电架空线路无人机巡检方法,解决上述现存痛点,提升作业效率,并提升缺陷识别准确率。
技术实现思路
1、本专利技术的目的是提供一种基于无人机巡检的配电架空线路缺陷识别方法及系统,可提升作业效率及缺陷识别准确率。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种基于无人机巡检的配电架空线路缺陷识别方法,包括:
4、建立配电架空线路的巡检设备图像数据库;所述巡检设备图像数据库中的巡检设备图像上标记有巡检设备的类型与位置;
5、获取在配电架空线路巡检过程中无人机按照预设的作业流程和拍摄方法采集的多张巡检设备图像;
6、基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备;
7、将每张巡检设备图像输入逆向无缺陷识别网络,识别巡检设备图像上的无缺陷设备;
8、将无缺陷设备从所在巡检设备图像上的巡检设备中剔除,剩余仍标注有巡检设备的巡检设备图像;
9、利用正向缺陷识别网络对剩余巡检设备图像上标注的巡检设备进行缺陷识别,确定巡检设备缺陷类型。
10、一种基于无人机巡检的配电架空线路缺陷识别系统,包括:
11、数据库建立模块,用于建立配电架空线路的巡检设备图像数据库;所述巡检设备图像数据库中的巡检设备图像上标记有巡检设备的类型与位置;
12、图像采集模块,用于获取在配电架空线路巡检过程中无人机按照预设的作业流程和拍摄方法采集的多张巡检设备图像;
13、设备识别模块,用于基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备;
14、逆向识别模块,用于将每张巡检设备图像输入逆向无缺陷识别网络,识别巡检设备图像上的无缺陷设备;
15、剔除模块,用于将无缺陷设备从所在巡检设备图像上的巡检设备中剔除,剩余仍标注有巡检设备的巡检设备图像;
16、缺陷识别模块,用于利用正向缺陷识别网络对剩余巡检设备图像上标注的巡检设备进行缺陷识别,确定巡检设备缺陷类型。
17、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
18、本专利技术实施例的一种基于无人机巡检的配电架空线路缺陷识别方法及系统,采用无人机进行10kv配电架空线路智能化巡检,并采用图像特征分析方法及深度学习方法(逆向无缺陷识别网络和正向缺陷识别网络),实现多类型缺陷的准确识别;通过逆向无缺陷识别网络对图像中的缺陷设备或者无缺陷设备进行分类,剔除无缺陷设备,再使用正向缺陷识别网络识别缺陷设备的缺陷类型,减少了缺陷智能识别的图像数量,提升了作业效率。
本文档来自技高网...【技术保护点】
1.一种基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,包括:
2.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,所述巡检设备图像数据库中巡检设备图像上巡检设备的标记方法为:
3.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备,之后还包括:
4.根据权利要求3所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,判断是否存在导线断股缺陷,具体包括:
5.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,当所述巡检设备图像上的巡检设备包括绝缘子、杆塔和导线时,基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备,具体包括:
6.根据权利要求5所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,基于所述巡检设备图像数据库,利用颜色特征进行绝缘子的识别,具体包括:
7.根据权利要求5所述的基于无人机巡检
8.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,所述逆向无缺陷识别网络包括:依次连接的第一卷积层、第一ReLu激活层、第一池化层、第二卷积层、第二ReLu激活层、第二池化层、第三卷积层、第三ReLu激活层、第三池化层、第四卷积层、第四ReLu激活层、第四池化层、第五卷积层、第五ReLu激活层、第五池化层、第一全连接输出层、第六ReLu激活层、第二全连接输出层和第七ReLu激活层;
9.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,所述逆向无缺陷识别网络和所述正向缺陷识别网络的训练方法为:
10.一种基于无人机巡检的配电架空线路缺陷识别系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,包括:
2.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,所述巡检设备图像数据库中巡检设备图像上巡检设备的标记方法为:
3.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备,之后还包括:
4.根据权利要求3所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,判断是否存在导线断股缺陷,具体包括:
5.根据权利要求1所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征在于,当所述巡检设备图像上的巡检设备包括绝缘子、杆塔和导线时,基于所述巡检设备图像数据库,采用图像特征分析法识别并标注每张巡检设备图像上的巡检设备,具体包括:
6.根据权利要求5所述的基于无人机巡检的配电架空线路缺陷识别方法,其特征...
【专利技术属性】
技术研发人员:桂菲菲,崔晓红,张帆,于国华,张宇,何红太,熊鹏,杜学月,武斌,成喆,黄志勇,邹引,王月香,马晓光,
申请(专利权)人:北京国网富达科技发展有限责任公司,
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。