[發(fā)明專利]一種基于無人機的巡檢分析系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202111503270.0
• 申請日: 2021-12-09
• 公開（公告）號: CN114240868A
• 公開（公告）日: 2022-03-25
• 發(fā)明（設計）人: 許臻;吳王強;羅雪紅;朱大偉;邵美陽;李雪;張喆
• 申請（專利權(quán)）人: 陜西省地方電力（集團）有限公司渭南供電分公司;陜西能源研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T1/00;G06T17/05;G06F16/55;G06N3/04;G06N3/08
• 代理公司: 北京酷愛智慧知識產(chǎn)權(quán)代理有限公司 11514
• 代理人: 何忠儀

1.一種基于無人機的巡檢分析系統(tǒng)，其特征在于，所述系統(tǒng)包括：

第一采集單元，用于獲取巡檢目標線路高精度的點云數(shù)據(jù)，并根據(jù)所述點云數(shù)據(jù)規(guī)劃無人機的巡檢航線數(shù)據(jù)，以得到云臺姿態(tài)角度和無人機飛行航線；

第一處理單元，用于將所述巡檢航線數(shù)據(jù)轉(zhuǎn)化生成可執(zhí)行的航點文件，并加載到無人機中以執(zhí)行飛行任務，實現(xiàn)無人機自主巡檢目標線路并獲取圖像數(shù)據(jù)；

圖像處理單元，用于對所述圖像數(shù)據(jù)進行預處理；

圖像分析單元，用于：

將預處理后的圖像送入預先存儲的缺陷樣本數(shù)據(jù)庫中進行分類，并對每一類別分別通過標簽進行標記；

將分類后的結(jié)果送入預先構(gòu)建的算法模型庫中進行智能判定；其中，所述算法模型庫包括利用多種深度學習算法訓練所得的多個算法模型，各算法模型關(guān)聯(lián)有對應類別的標簽；

報表輸出單元，用于將得到的判定結(jié)果進行匯總，以得到巡檢分析報告。

2.根據(jù)權(quán)利要求1所述的一種基于無人機的巡檢分析系統(tǒng)，其特征在于，所述圖像分析單元還用于：

在進行分類時，若不能直接得到匹配結(jié)果，則將未匹配到的圖像再次送入所述缺陷樣本數(shù)據(jù)庫中進行相似圖片檢索，以得到分類結(jié)果。

3.根據(jù)權(quán)利要求1所述的一種基于無人機的巡檢分析系統(tǒng)，其特征在于，還包括模型優(yōu)化單元，所述模型優(yōu)化單元用于：

將審核后確認為誤檢、漏檢或者識別不完整的目標圖像進行重新標定，并作為新增的缺陷樣本以調(diào)整算法模型參數(shù)，讓算法模型可以識別更多不同狀態(tài)下的缺陷類型。

4.根據(jù)權(quán)利要求3所述的一種基于無人機的巡檢分析系統(tǒng)，其特征在于，還包括接口單元，所述接口單元用于：

接收上傳的圖片和標簽；

訪問模型的訓練結(jié)果，查找同步最優(yōu)訓練模型，以支持多用戶并行處理；

再將生成的結(jié)果傳送至所述模型優(yōu)化單元進行訓練學習，保證算法模型的不斷更新，持續(xù)優(yōu)化檢測效果。

5.根據(jù)權(quán)利要求1至4中任一所述的一種基于無人機的巡檢分析系統(tǒng)，其特征在于，所述算法模型在訓練時，以深度學習技術(shù)為核心，并根據(jù)深度卷積神經(jīng)網(wǎng)絡訓練模型提取特征，從而標定可訓練識別的缺陷類型；

然后基于現(xiàn)有的所述缺陷樣本數(shù)據(jù)庫和無人機巡檢所形成的圖像數(shù)據(jù)庫，采用四點標注框標記目標，存儲成xml標簽文件，以構(gòu)建深度學習訓練庫；

再通過深度學習和圖像處理技術(shù)，將海量不間斷圖像數(shù)據(jù)進行結(jié)構(gòu)化、標簽化和類別化，讓標注的標簽都可以完成訓練至少一種算法模型的收斂，對于不可學習的標注標簽，調(diào)整標注策略后，重新訓練，如此反復，以確定每類標注缺陷都進入到所述算法模型庫。

6.一種基于無人機的巡檢分析方法，其特征在于，應用于權(quán)利要求1所述的一種基于無人機的巡檢分析系統(tǒng)，所述方法包括：

獲取巡檢目標線路高精度的點云數(shù)據(jù)，并根據(jù)所述點云數(shù)據(jù)規(guī)劃無人機的巡檢航線數(shù)據(jù)，以得到云臺姿態(tài)角度和無人機飛行航線；

將所述巡檢航線數(shù)據(jù)轉(zhuǎn)化生成可執(zhí)行的航點文件，并加載到無人機中以執(zhí)行飛行任務，實現(xiàn)無人機自主巡檢目標線路并獲取圖像數(shù)據(jù)；

對所述圖像數(shù)據(jù)進行預處理；

將預處理后的圖像送入預先存儲的缺陷樣本數(shù)據(jù)庫中進行分類，并對每一類別分別通過標簽進行標記；

將分類后的結(jié)果送入預先構(gòu)建的算法模型庫中進行智能判定；其中，所述算法模型庫包括利用多種深度學習算法訓練所得的多個算法模型，各算法模型關(guān)聯(lián)有對應類別的標簽；

將得到的判定結(jié)果進行匯總，以得到巡檢分析報告。

7.根據(jù)權(quán)利要求6中所述的一種基于無人機的巡檢分析方法，其特征在于，所述方法還包括：

在進行分類時，若不能直接得到匹配結(jié)果，則將未匹配到的圖像再次送入所述缺陷樣本數(shù)據(jù)庫中進行相似圖片檢索，以得到分類結(jié)果。

8.根據(jù)權(quán)利要求6所述的一種基于無人機的巡檢分析方法，其特征在于，所述方法還包括：

將審核后確認為誤檢、漏檢或者識別不完整的目標圖像進行重新標定，并作為新增的缺陷樣本以調(diào)整算法模型參數(shù)，讓算法模型可以識別更多不同狀態(tài)下的缺陷類型。