CN108960134A - 一种巡线无人机影像标注及智能识别方法 - Google Patents

Abstract

本发明公开了一种巡线无人机影像标注及智能识别方法，涉及电力巡检领域，包括无人机、电力铁塔和服务器，所述无人机与服务器无线连接，其特征在于，所述方法具有以下识别步骤：1)：设置航点；2)：视频处理；3)：图形筛选；4)：标异图片；5)：形成报告，该种无人机拍摄视频检测缺陷的方式可以让无人机不停留地快速高效完成电力巡检工作，全程自动化不需要人参与，节省了人力物力，并且大大提高了巡检效率。

Description

一种巡线无人机影像标注及智能识别方法

技术领域

本发明涉及电力巡检领域，具体涉及一种巡线无人机影像标注及智能识别方法。

背景技术：

目前无人机巡线已经非常普遍，在巡检过程中，无人机充当一个移动照相机，将对应电力铁塔和电线的部位进行拍照并存储，后续人工处理异常部位。

技术缺点：

无人机固然提高了巡线的效率，也减少了人工工作量。但是并不智能化，人工参与的部分较多，有待提高的部分。

如申请号为CN201610799495.8公开了一种无人机巡线方法及系统，其中，该方法包括以下步骤：数据收集步骤，收集数据；面状区域生成步骤，生成面状区域对象；任务分区规划步骤，通过GIS缓冲区分析对DEM数据进行处理生成面状区域对象，然后根据无人机的高差阈值将面状区域对象划分成若干分区；航线数据生成步骤，初步航线数据顺次连接生成航线数据；巡线数据获取步骤，无人机沿航线数据所确定的路线飞行并采集巡线数据，巡线数据包括原始影像数据以及POS数据；线路缺陷自动分析步骤，自动生成电力线危险点解译结果。本发明实施例通过实现无人机巡线的任务区自动规划、线路缺陷自动分析实现了无人机的自动巡线，但是该系统并无法判断故障点并对其进行分析。

如申请号为CN201710588098.0公开了一种无人机巡线系统，由无人机、光电吊舱、遥控器、云端缺陷库、云端航迹数据库，主智能眼镜、辅智能眼镜、远端智能眼镜组成。无人机挂载光电吊舱、并与遥控器进行通讯、遥控器与主智能眼镜进行通讯，主智能眼镜可分别与云端缺陷库、云端航迹数据库、辅智能眼镜、远端智能眼镜进行通讯，辅智能眼镜、远端智能眼镜分别可与云端缺陷库进行通讯。无人机可根据预设航迹自动执行任务，主智能眼镜进行处理后根据处理任务在主智能眼镜与辅智能眼镜之间进行任务分配，可同时对目标进行可见光、红外和紫外检测，对图像进行实时分析，但是该系统并无法判断故障点并对其进行分析。

发明内容

本发明的目的在于提供一种巡线无人机影像标注及智能识别方法，以解决现有技术中导致的上述多项缺陷。

一种巡线无人机影像标注及智能识别方法，包括无人机、电力铁塔和服务器，所述无人机与服务器无线连接，所述方法具有以下识别步骤：

1)：设置航点：无人机通过电力铁塔塔基的GPS定位来设置航点，无人机自主飞行计算最近的路线，抵达每一个航点进行视频的拍摄，并将拍摄的视频传输至服务器上，同时记录对应电力铁塔的GPS信息；

2)：视频处理：服务器将接收到的视频进行保存，并在后台对视频进行播放与连续截图，将截取的图片自动保存在相对应的文件夹中；

3)：图形筛选：服务器自动读取对应文件夹下保存的图片通过机器学习处理截取的图片，在每张图片中处理识别各种可能出现的电力铁塔的缺陷；

4)：标异图片：当发现有相对应的缺陷时，将该图片保存至缺陷文件夹下，并保存其对应的电力铁塔的GPS信息；

5)：形成报告：将每个缺陷图片信息和电力铁塔的GPS信息汇总至表格中，形成缺陷报告，便于查询。

优选的，所述无人机拍摄的视频通过rtmp流实时推送视频到服务器端。

优选的，所述服务器端通过视频软件链接rtmp的直播地址实现实时播放。

优选的，所述服务器通过Python写出的脚本(使计算机自动的运行指令)，实现连续截图，并将图片保存至相应的文件夹下。

优选的，所述机器学习通过大量相同类型的缺陷图片进行卷积训练，使机器学习对应的缺陷特征，随后与截取的图片进行对比与判断，当图片中存在符合的缺陷特征时则标记该缺陷图片。

优选的，所述缺陷特征分为若干类，当机器判断出某个图片符合相对应的缺陷特征时，将该图片保存在对应的缺陷特征的文件夹下，方便统一处理。

本发明的优点在于：该种无人机拍摄视频检测缺陷的方式可以让无人机不停留地快速高效完成电力巡检工作，全程自动化不需要人参与，节省了人力物力，并且大大提高了巡检效率。

附图说明

图1为本发明实施例1的识别示意图。

图2为本发明实施例2的方法流框图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

实施例1

如图1所示，一种巡线无人机影像标注及智能识别方法，包括无人机、电力铁塔和服务器，所述无人机与服务器无线连接，所述方法具有以下识别步骤：

1)：设置航点：无人机通过电力铁塔塔基的GPS定位来设置航点，无人机自主飞行计算最近的路线，抵达每一个航点进行视频的拍摄，并将拍摄的视频传输至服务器上，同时记录对应电力铁塔的GPS信息；

2)：视频处理：服务器将接收到的视频进行保存，并在后台对视频进行播放与连续截图，将截取的图片自动保存在相对应的文件夹中；

3)：图形筛选：服务器自动读取对应文件夹下保存的图片通过机器学习处理截取的图片，在每张图片中处理识别各种可能出现的电力铁塔的缺陷；

4)：标异图片：当发现有相对应的缺陷时，将该图片保存至缺陷文件夹下，并保存其对应的电力铁塔的GPS信息；

5)：形成报告：将每个缺陷图片信息和电力铁塔的GPS信息汇总至表格中，形成缺陷报告，便于查询。

值得注意的是，所述无人机拍摄的视频通过rtmp流实时推送视频到服务器端。

在本实施例中，所述服务器端通过视频软件链接rtmp的直播地址实现实时播放。

在本实施例中，所述服务器通过Python写出的脚本(使计算机自动的运行指令)，实现连续截图，并将图片保存至相应的文件夹下。

在本实施例中，所述机器学习通过大量相同类型的缺陷图片进行卷积训练，使机器学习对应的缺陷特征，随后与截取的图片进行对比与判断，当图片中存在符合的缺陷特征时则标记该缺陷图片。

此外，所述缺陷特征分为若干类，当机器判断出某个图片符合相对应的缺陷特征时，将该图片保存在对应的缺陷特征的文件夹下，方便统一处理。

实施例2

如图2所示，一种巡线无人机影像标注及智能识别方法，包括无人机、电力铁塔和服务器，所述无人机上设有用于保存拍摄到视频的SD卡，所述方法具有以下步骤：a:插入SD卡：将无人机上采集的SD卡通读卡器与服务器连接；b:软件自动处理：服务器通过软件自动对红外的图像计算疑似的热斑位置；c:输出疑似的故障位置：服务器通过软件自动设别出所有的带有热斑的图像(可见光+红斑)，同时输出在电力铁塔中的位置以及故障，作业人员可再次进行人工二次筛选校验；d:打印作业报告：打印作业报告，巡检人员可根据报告找到故障点并对其进行排除。

基于上述，该种无人机拍摄视频检测缺陷的方式可以让无人机不停留地快速高效完成电力巡检工作，全程自动化不需要人参与，节省了人力物力，并且大大提高了巡检效率。

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (6)

1.一种巡线无人机影像标注及智能识别方法，包括无人机、电力铁塔和服务器，所述无人机与服务器无线连接，其特征在于，所述方法具有以下识别步骤：

1)：设置航点：无人机通过电力铁塔塔基的GPS定位来设置航点，无人机自主飞行计算最近的路线，抵达每一个航点进行视频的拍摄，并将拍摄的视频传输至服务器上，同时记录对应电力铁塔的GPS信息；

2)：视频处理：服务器将接收到的视频进行保存，并在后台对视频进行播放与连续截图，将截取的图片自动保存在相对应的文件夹中；

3)：图形筛选：服务器自动读取对应文件夹下保存的图片通过机器学习处理截取的图片，在每张图片中处理识别各种可能出现的电力铁塔的缺陷；

4)：标异图片：当发现有相对应的缺陷时，将该图片保存至缺陷文件夹下，并保存其对应的电力铁塔的GPS信息；

5)：形成报告：将每个缺陷图片信息和电力铁塔的GPS信息汇总至表格中，形成缺陷报告，便于查询。

2.根据权利要求1所述的一种巡线无人机影像标注及智能识别方法，其特征在于：所述无人机拍摄的视频通过rtmp流实时推送视频到服务器端。

3.根据权利要求1所述的一种巡线无人机影像标注及智能识别方法，其特征在于：所述服务器端通过视频软件链接rtmp的直播地址实现实时播放。

4.根据权利要求1所述的一种巡线无人机影像标注及智能识别方法，其特征在于：所述服务器通过Python写出的脚本(使计算机自动的运行指令)，实现连续截图，并将图片保存至相应的文件夹下。

5.根据权利要求1所述的一种巡线无人机影像标注及智能识别方法，其特征在于：所述机器学习通过大量相同类型的缺陷图片进行卷积训练，使机器学习对应的缺陷特征，随后与截取的图片进行对比与判断，当图片中存在符合的缺陷特征时则标记该缺陷图片。

6.根据权利要求5所述的一种巡线无人机影像标注及智能识别方法，其特征在于：所述缺陷特征分为若干类，当机器判断出某个图片符合相对应的缺陷特征时，将该图片保存在对应的缺陷特征的文件夹下，方便统一处理。