[發(fā)明專利]用于風(fēng)力渦輪機監(jiān)測的智能無人機

在審

• 申請?zhí)枺?/td>: 202210491626.1
• 申請日: 2022-05-07
• 公開（公告）號: CN114859971A
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 羅巍;任雪峰
• 申請（專利權(quán)）人: 北京卓翼智能科技有限公司
• 主分類號: G05D1/10
• 分類號: G05D1/10;B64D47/08;G06V10/82;G06V20/17
• 代理公司: 北京市競天公誠律師事務(wù)所 11770
• 代理人: 徐民

一種用于風(fēng)力渦輪機監(jiān)測的智能無人機，其包括：攝像頭，用于采集圖像；模擬復(fù)眼，用于攝像頭采集的圖像分割成四個象限，通過深度神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，計算每個象限中的圖像包含風(fēng)力渦輪機對象的概率，形成數(shù)據(jù)；視覺伺服控制器，接受來自模擬復(fù)眼的數(shù)據(jù)，計算朝向風(fēng)力渦輪機導(dǎo)航所需的偏航角、前進(jìn)速度以及何時停止以避免與風(fēng)力渦輪機碰撞；基于所述計算結(jié)果，控制所述無人機的飛行。

技術(shù)領(lǐng)域

本申請涉及無人機領(lǐng)域。具體地，本申請涉及一種無人機及其用于監(jiān)測風(fēng)力渦輪機狀態(tài)的方法。

背景技術(shù)

保持風(fēng)力渦輪機長時間運行的一個關(guān)鍵因素是按比例進(jìn)行適當(dāng)?shù)木S護(hù)。這需要持續(xù)監(jiān)測風(fēng)力渦輪機的狀態(tài)。目前，這項任務(wù)使用多種方法執(zhí)行，例如：無人機檢查、地面攝像頭檢查和手動檢查，每種方法的市場份額分別為7％、10％和83％。地面攝像頭檢查和手動檢查效率不高，難以滿足日益增長的檢查需求。無人機和其由于其靈活性和低成本，在自動化檢查方面發(fā)揮著越來越重要的作用。然而，其中許多檢查任務(wù)由操作員執(zhí)行，操作員手動控制配備攝像頭或其他感知設(shè)備的無人機的移動，如何實現(xiàn)無人機的自主檢查目前仍然是一個挑戰(zhàn)。

為了完成這項任務(wù)，無人機需要的主要功能之一是使用計算機視覺技術(shù),從捕獲的圖像中識別對象、執(zhí)行定位、圖像分割和運動跟蹤。計算機視覺系統(tǒng)的輸出可以用作無人機用于自主導(dǎo)航的多個輸入之一。在視覺伺服系統(tǒng)中，無人機的位置和方向由一個或多個視覺特征控制。這些特征可以是點、線或其他幾何形狀。現(xiàn)有的視覺伺服算法可分為基于位置的視覺伺服、基于圖像的伺服或兩種技術(shù)的混合。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的四軸無人機及其用于監(jiān)測風(fēng)力渦輪機狀態(tài)的方法。本發(fā)明使用基于圖像的視覺伺服來導(dǎo)航到目標(biāo)對象，但不使用軌跡或斑點來確定目標(biāo)。

本發(fā)明的第一方面涉及一種無人機，其包括：

攝像頭，用于采集圖像；

模擬復(fù)眼，用于攝像頭采集的圖像分割成四個象限，通過深度神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，計算每個象限中的圖像包含風(fēng)力渦輪機對象的概率，形成數(shù)據(jù)；

視覺伺服控制器，接受來自模擬復(fù)眼的數(shù)據(jù)，計算朝向風(fēng)力渦輪機導(dǎo)航所需的偏航角、前進(jìn)速度以及何時停止以避免與風(fēng)力渦輪機碰撞；基于所述計算結(jié)果，控制所述無人機的飛行。

在本申請的一個優(yōu)選實施方式中，所述模擬復(fù)眼表示為[I_i,t_i]，其中I_i是串聯(lián)圖像像素，t_i是圖像的標(biāo)簽。標(biāo)簽t＝[t₁,t₂,t₃,t₄]代表四個象限：然后將該向量發(fā)送到視覺伺服控制器，在此將其解壓縮并轉(zhuǎn)換為圖像，獲得圖像大小及其對應(yīng)的標(biāo)簽。

在本申請的一個優(yōu)選實施方式中，使用名為AlexNet(一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò))的經(jīng)過預(yù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)通過遷移學(xué)習(xí)識別風(fēng)力渦輪機。

在進(jìn)一步優(yōu)選的實施方式中，通過應(yīng)用合成變換(如反射和翻譯)在內(nèi)存中對圖像進(jìn)行預(yù)處理，目的是增加訓(xùn)練圖像的數(shù)量，避免過擬合。

在進(jìn)一步優(yōu)選的實施方式中，使用0.0001的低學(xué)習(xí)率來訓(xùn)練第一層；對于最后一層，使用了20的最快權(quán)重學(xué)習(xí)率，以便他們能夠快速學(xué)習(xí)風(fēng)力渦輪機的主要特性。

在進(jìn)一步優(yōu)選的實施方式中，通過公式計算偏航角ψ_ref

其中，τs是常數(shù)，且基于以下

其中P(S_l)和P(S_r)分別表示水平面上以中心點為分界點的左右兩段上風(fēng)力渦輪機出現(xiàn)的概率，P(S_l)表示左段出現(xiàn)的概率，P(S_r)表示右段出現(xiàn)的概率。