【技术实现步骤摘要】
本专利技术涉及输电缺陷识别，特别涉及一种无人机输电线路缺陷图像检测方法。
技术介绍
1、目前无人机巡检方面需要拍摄大量原始相片，单张照片容量都在10m以上，虽然已基本实现在线回传，但是受到野外信号差异影响，上传效率差强人意，整个缺陷识别过程耗时费力，因此基于无人机边缘端的电力设备缺陷在线识别技术应运而生，但这对目前的无人机巡检硬件、软件方面提出了巨大挑战：一是现有的电力设备缺陷智能识别算法部署需要强大的算力和存储等资源支持，无人机边缘移动端尚不具备这样的能力；二是由于无人机蓄电池容量有限，在无人机边缘端部署缺陷识别算法对功耗的要求非常严苛，需要对现有算法的能耗问题进行研究；三是野外受制4g/5g信号影响，在4g/5g信号没有完全覆盖的区域，在无人机边缘端尚不具备实时上报缺陷能力；
2、鉴于以上内容，有必要提供一种无人机输电线路缺陷图像检测方法。
技术实现思路
1、针对现有技术中的问题，本专利技术提供了一种无人机输电线路缺陷图像检测方法，能够通过电力设备缺陷识别深度学习神经网络迁...
【技术保护点】
1.一种无人机输电线路缺陷图像检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤S1还包括：将无人机航拍区域划分为不同的子区域，且对各子区域进行不重复编号；控制无人机航拍获取高质量的输电线路图像，具体包括航拍设置、图像检查、图像粗校正三个环节，其中：
3.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤S1还包括：
4.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤S2还包括构建输电线路缺陷识别神经网络模型，...
【技术特征摘要】
1.一种无人机输电线路缺陷图像检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s1还包括：将无人机航拍区域划分为不同的子区域，且对各子区域进行不重复编号；控制无人机航拍获取高质量的输电线路图像，具体包括航拍设置、图像检查、图像粗校正三个环节，其中：
3.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s1还包括：
4.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s2还包括构建输电线路缺陷识别神经网络模型，并对构建的输电线路缺陷识别神经网络模型进行处理，包括对输电线路缺陷识别神经网络模型跨架构迁移，实现输电线路缺陷识别神经网络模型向无人机边缘端移植，通过代码移植工具来标准化跨架构策略。
5.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s2还包括通过一种嵌入式同构、异构深度学习算法框架迁移技术将基于x86架构的模型算法依赖库迁移至基于arm架构，具体采用多核多线程方法，对模型卷积层中的像素重排操作进行并行优化，将卷积核在每帧图像的线性扫描操作按照位置对应规则分配到多个线程中做等间隔式处理，采用多核多线程方法对多帧图像的深度神经网络模型前向计算过程进行并行优化，将线性的卷积层、非线性激活和池化层分配到多个线程中做流水线式处理，利用异构的opencl框架，将卷积层中的像素重排操作迁移到gpu中，充分利用嵌入式移动终端的计算资源，进一步提高算法框架的性能，利用同构的多核多线程方法分别对卷积层、输入帧之间的部分前向计算过程进行并行化，采用开放运算语言(opencl)的异构图形处理器(gpu)实现卷积计算。
6.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s2还包括具体采用基于敏感度的集成剪枝算法作为神经网络剪枝方法，并通过通道剪枝技术对神经网络主干特征网络通道进行剪枝处理，且通过通道稀疏化方法、线性最小方差重构通道方法或最优通道选择方法实现对剪枝通道的选择以及保证特征图的输出。
7.根据权利要求1所述的一种无人机输电线路缺陷图像检测方法，其特征在于，所述步骤s2还包括对神经网络主干特征网络层剪枝，具体步骤如下：从前到后遍历输电线路缺陷识别神经网络模型，找出每一层卷积层之后对应的bn层，若没有对应的bn层则不对该卷积层剪枝，且不对...
【专利技术属性】
技术研发人员：陈曦，胡卫军，程旭萌，刘宣佑，吴能成，黄眺信，陈冠先，苏泽旺，
申请(专利权)人：广西电网有限责任公司防城港供电局，
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。