[發明專利]無人機巡檢方法、裝置、系統及存儲介質

在審

• 申請號: 202010462786.4
• 申請日: 2020-05-27
• 公開（公告）號: CN111726576A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 程賀雷;楊佩湘;郭邵帥;李文斌;覃建
• 申請（專利權）人: 深圳中琛源科技股份有限公司
• 主分類號: H04N7/18
• 分類號: H04N7/18;H04W4/029;H04W4/44;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 齊則琳

1.一種無人機巡檢方法，其特征在于，所述無人機巡檢方法包括：

步驟S10：收到巡檢任務；所述巡檢任務包括開始時間、執行所述巡檢任務的無人機、巡檢目的地和巡檢路線；

步驟S20：根據所述巡檢任務計算出巡檢方案；所述巡檢方案包括無人機數據、巡檢時間、巡檢路線及預估無人機消耗電量；所述無人機數據包括執行所述巡檢任務的無人機的初始位置、電量、抗風能力、負載及型號；所述巡檢時間包括所述巡檢任務的開始時間、巡檢時長和結束時間；

步驟S30：根據所述巡檢方案調度無人機執行所述巡檢任務，并將所述無人機在執行所述巡檢任務時拍攝的實時視頻和所述無人機的實時位置傳輸至云端；

步驟S40：通過人工智能(Artificial Intelligence，AI)視頻識別算法識別所述實時視頻，輸出識別所述實時視頻后生成的問題數據；

步驟S50：通過AI視頻比對算法比對所述實時視頻，輸出比對所述實時視頻后生成的問題數據；

步驟S60：對所述問題數據進行分析得到分析結果，以根據分析結果輸出實時預警；

步驟S70：將所述實時預警傳送至指揮中心，并根據實時預警對所述巡檢方案進行調整。

2.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S40包括：

步驟S410：對無人機視頻中的問題圖片進行標注；

步驟S420：通過卷積神經網絡算法對標注的問題圖片進行深度學習訓練；

步驟S430：對所述卷積神經網絡算法進行校驗調整，并得到AI視頻識別算法；所述校驗調整是根據問題圖片識別準確率的預設標準作為參考，當問題圖片識別準確率達不到所述預設標準時重復執行對所述卷積神經網絡算法進行校驗調整的步驟，直至問題圖片識別準確率達到預設標準為止。

3.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S40還包括：

步驟S440：根據所述位置信息和時間點對所述實時視頻截取圖片；

步驟S450：將所述截取的圖片通過所述AI視頻識別算法進行識別，輸出所述問題數據。

4.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S50包括：

步驟S510：輸入最近一次相同的巡檢任務視頻；所述巡檢任務視頻包括無人機在巡檢任務中的歷史位置信息及歷史視頻數據；

步驟S520：根據所述歷史位置信息對所述歷史視頻截取圖片。

5.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S50還包括：

步驟S530：根據本次巡檢任務中的本次位置信息對本次巡檢任務中的本次視頻數據截取圖片；

步驟S540：將所述歷史位置信息與本次位置信息相同的圖片進行像素點比對，找出存在差異的差異圖片。

6.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S50還包括：

步驟S550：對所述差異圖片進行標注；

步驟S560：通過卷積神經網絡算法對標注的差異圖片進行深度學習訓練；

步驟S570：對所述卷積神經網絡算法進行校驗調整，并輸出AI視頻比對算法；所述校驗調整是根據差異圖片識別準確率的預設標準進行判斷作為參考，當差異圖片識別準確率達不到所述預設標準時重復執行對所述卷積神經網絡算法進行校驗調整的步驟，直至差異圖片識別準確率達到預設標準為止。

7.根據權利要求1所述的無人機巡檢方法，其特征在于，所述步驟S50還包括：

步驟S580：根據所述位置信息和時間點對所述實時視頻截取圖片；

步驟S590：將所述截取的圖片通過所述AI視頻比對算法進行比對，輸出所述問題數據。

8.一種無人機巡檢裝置，其特征在于，所述無人機巡檢裝置包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的無人機巡檢程序，所述無人機巡檢程序被所述處理器執行時實現如權利要求1-7中任一所述的無人機巡檢方法的步驟。