CN111814730A - 无人机健康状态评价方法、装置、设备和计算机存储介质 - Google Patents

无人机健康状态评价方法、装置、设备和计算机存储介质 Download PDF

Info

Publication number
CN111814730A
CN111814730A CN202010713899.7A CN202010713899A CN111814730A CN 111814730 A CN111814730 A CN 111814730A CN 202010713899 A CN202010713899 A CN 202010713899A CN 111814730 A CN111814730 A CN 111814730A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
preset
image
score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010713899.7A
Other languages
English (en)
Inventor
陈华勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xinjiang Jiye Technology Co ltd
Original Assignee
Shenzhen Xinjiang Jiye Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Xinjiang Jiye Technology Co ltd filed Critical Shenzhen Xinjiang Jiye Technology Co ltd
Priority to CN202010713899.7A priority Critical patent/CN111814730A/zh
Publication of CN111814730A publication Critical patent/CN111814730A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种无人机健康状态评价方法，包括以下步骤：通过预置图像采集装置对无人机表面进行图像采集获得表征图像；对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；累加所述各表征问题对应的分值获得所述无人机的外观评分。本发明还公开了一种无人机健康状态评价装置、设备和计算机存储介质，实现了对无人机健康状态自动化评价，避免了由技术人员主观评价造成的评价结果不准确的问题。

Description

无人机健康状态评价方法、装置、设备和计算机存储介质
技术领域
本发明涉及无人机技术领域，尤其涉及无人机健康状态评价方法、装置、设备和计算机存储介质。
背景技术
随着无人机巡维技术的不断发展，各行各业对无人机的需求越来越多，在电网巡检中无人机的应用尤为广泛，利用无人机辅助作业的在提高了工作效率的同时，由于电网对无人机的需求越来越多，无人机管理面临着新的挑战。
当前的无人机管理中，对于无人机的健康状态评价主要依赖于技术人员的观察，该种评价方式产生的评价结果容易受到技术人员的主观影响导致评价结果不够准确。
发明内容
本发明的主要目的在于提供一种无人机健康状态评价方法、装置、设备和计算机存储介质，旨在解决受评价人员的主观影响导致无人机健康状态评价不够准确的技术问题。
为实现上述目的，本发明提供无人机健康状态评价方法，所述无人机健康状态评价方法包括以下步骤：
通过预置图像采集装置对无人机表面进行图像采集获得表征图像；
对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；
根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；
累加所述各表征问题对应的分值获得所述无人机的外观评分。
在一实施例中，所述通过预置图像采集装置对无人机表面进行图像采集获得表征图像的步骤，包括：
通过预置图像采集装置对无人机表面进行图像采集；
调整所述预置图像采集装置的采集角度和/或采集中心后再对所述无人机表面进行图像采集，直至所述无人机全部表面完成图像采集；
将所有通过所述预置图像采集装置采集的图像记为表征图像。
在一实施例中，所述通过预置图像采集装置对无人机表面进行图像采集获得表征图像的步骤之前，包括：
通过预置图像采集装置对一崭新的无人机表面进行图像采集获得标准图像；
对所述标准图像进行预处理，并根据所述预处理后的标准图像建立预置外观识别库。
在一实施例中，所述累加所述各表征问题对应的分值获得所述无人机的外观评分的步骤之后，包括：
查询预设数据库，获取所述无人机的投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率；
根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述无人机的加权综合得分。
在一实施例中，所述根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述无人机的加权综合得分的步骤，包括：
将所述外观评分、投运时间、检修次数和作业次数记为状态特征参量的子参量，将所述恶劣天气作业次数和同批次无人机一年内检修率记为状态影响参量的子参量，查询预设第二评分表获取所述状态特征参量和状态影响参量的各子参量的评分值；
查询预设权重表，获取所述状态特征参量和所述状态影响参量的权重值；
根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分。
在一实施例中，所述根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分的步骤，包括：
采用第一预设公式计算所述无人机的加权综合得分，所述第一预设公式为
Figure BDA0002594699460000021
其中，所述B为加权综合得分，所述n子参量总数，所述i为第i个子参量，所述Ai为第i个子参量的评分值，所述Bi第i个子参量对应的所述状态特征参量或所述状态影响参量的权重值。
在一实施例中，所述根据所述根据所述有效系数计算所述无人机的加权综合得分的步骤之后，包括：
根据所述加权综合得分查询预设维护策略表，获得所述无人机的维护策略；
输出所述维护策略，以指导无人机维护人员对所述无人机进行维护。
此外，为实现上述目的，本发明还提供一种无人机健康状态评价装置，其特征在于，所述无人机健康状态评价装置包括：
采集模块，用于通过预置图像采集装置对无人机表面进行图像采集获得表征图像；
识别模块，用于对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；
评分模块，用于根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；
计算模块，用于累加所述各表征问题对应的分值获得所述无人机的外观评分。
此外，为实现上述目的，本发明还提供一种无人机健康状态评价设备，其特征在于，所述无人机健康状态评价设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如上述的无人机健康状态评价方法的步骤。
此外，为实现上述目的，本发明还提供一种无人机健康状态评价设备；
所述无人机健康状态评价设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如上所述的无人机健康状态评价方法的步骤。
此外，为实现上述目的，本发明还提供计算机存储介质；
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的无人机健康状态评价方法的步骤。
本发明实施例提出的一种无人机健康状态评价方法、装置、设备和计算机存储介质，通过预置图像采集装置对无人机表面进行图像采集获得表征图像，以便于后续通过图像识别技术确定所述表征图像中的异常，对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题，采用自动化的方法取代现有方法中可能存在主观偏差的人工观察，根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值，对图像识别说确定的表征问题量化为具体的分值，累加所述各表征问题对应的分值获得所述无人机的外观评分，实现了对无人机健康状态自动化评价，避免了由技术人员主观评价造成的评价结果不准确的问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明无人机健康状态评价方法第一实施例的流程示意图；
图3为本发明无人机健康状态评价方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
当前的无人机管理中，对于无人机的健康状态评价主要依赖于技术人员的观察，该种评价方式产生的评价结果容易受到技术人员的主观影响导致评价结果不够准确。
本发明提供一种解决方案，通过预置图像采集装置对无人机表面进行图像采集获得表征图像，以便于后续通过图像识别技术确定所述表征图像中的异常，对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题，采用自动化的方法取代现有方法中可能存在主观偏差的人工观察，根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值，对图像识别说确定的表征问题量化为具体的分值，累加所述各表征问题对应的分值获得所述无人机的外观评分，实现了对无人机健康状态自动化评价，避免了由技术人员主观评价造成的评价结果不准确的问题。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端(又叫无人机健康状态评价设备，其中，无人机健康状态评价设备可以是由单独的无人机健康状态评价装置构成，也可以是由其他装置与无人机健康状态评价装置组合形成)结构示意图。
本发明实施例终端可以固定终端，也可以是移动终端，如，带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC(personal computer)个人计算机、智能手机、平板电脑、电子书阅读器、便携计算机等。
如图1所示，该终端可以包括：处理器1001，例如，中央处理器Central ProcessingUnit，CPU)，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WIFI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如，磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除WiFi外，蓝牙、探针等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，该计算机软件产品存储在一个存储介质(存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，存储介质可以是非易失性可读存储介质，如RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机程序，并执行本发明以下实施例提供的无人机健康状态评价方法中的步骤。
参照图2，本发明一种无人机健康状态评价方法的第一实施例中，所述无人机健康状态评价方法包括：
步骤S10，通过预置图像采集装置对无人机表面进行图像采集获得表征图像。
无人机健康状态评价设备通过预置图像采集装置对无人机表面进行图像采集获得表征图像，所述无人机健康状态评价设备可为智能手机、PAD、PC等智能终端，为实现对无人机表面的划痕、锈蚀等问题进行自动确定，需要通过图像采集装置对所述无人机进行图像采集，而为使得预置图像采集装置采集的图像能够囊括所述无人机的全部表面，通常需将所述无人机按照预设的方式放至于工作台等平台上，而所述预置图像采集装置数量可为一个或多个，预置图像采集装置为一个时，预置图像采集装置通过在预设轨道上移动多方位全面的采集所述无人机的表征图像，阈值图像采集装置为多个时，则直接多方位采集所述无人机的表征图像。
进一步的，所述步骤S10可包括：
步骤a1，通过预置图像采集装置对无人机表面进行进行图像采集。
步骤a2，调整所述预置图像采集装置的采集角度和/或采集中心后再对所述无人机表面进行图像采集，直至所述无人机全部表面完成图像采集。
步骤a3，将所有通过所述预置图像采集装置采集的图像记为表征图像。
在所述预置图像采集装置为一个时，无人机健康状态评价设备通过预置图像采集装置对无人机表面进行图像采集，当采集一次无人机图像后，对所述预置图像采集装置的采集角度和/或采集中心进行改变，所述采集角度和/或采集中心指所述预置图像采集装置安装于预置轨道上或是多关节云台上，在对所述无人机进行一次图像采集后，在轨道上进行移动或是多关节云台进行变动以改变采集角度和/或采集中心，以对所述无人机的进行全方位的图像采集，可以理解的是，为全面采集所述无人机图像，所述预置图像采集装置采集的图像必然为多张，将多张图像全部记为所述无人机的表征图像，以便后续对所述表征图像进行批量发送或处理。
进一步的，所述步骤S10的步骤之前可包括：
步骤b1，通过预置图像采集装置对一崭新的无人机表面进行图像采集获得标准图像。
步骤b2，对所述标准图像进行预处理，并根据所述预处理后的标准图像建立预置外观识别库。
无人机健康状态评价设备通过预置图像采集装置对一崭新的无人机表面进行图像采集获得标准图像，对所述标准图像进行预处理，并根据所述预处理后的标准图像建立预置外观识别库，为确定无人机健康状态评价设备采集的待评价的无人机的表征图像中存在的问题，需要获取与所述表征图像进行比对的图像，所述用于比对的图像即为标准图像，标准图像为无人机健康状态评价设备通过预置图像采集装置对一崭新的无人机进行图像采集获得，为增强标准图像的特征，对所述标准图像进行预处理，所述预处理包含灰度处理、图像增强等，根据所述预处理后的标准图像建立预置外观识别库。
步骤S20，对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题。
无人机健康状态评价设备对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题，无人机健康状态评价设备先对所述表征图像进行预处理，所述预处理包含灰度处理、图像增强等，目的是加强表征图像中的细节信息，再将处理后的表征图像与外观识别库进行比对，所述外观识别库是预先建立的包含有无人机在无任何损伤情况下表征图像的库，用于与无人机健康状态评价设备采集的表征图像进行比对以确定所述无人机外表的异常，所述异常即为表征问题，表征问题包含如是否有划痕、是否喷漆均匀、金属件是否裂痕、金属件是否锈蚀、部件插件是否标识清晰和电池外壳是否变形。
步骤S30，根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值。
无人机健康状态评价设备根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值，所述预设第一评分表如表1所示，如经过步骤S20确定所述无人机表面带有划痕和电池外壳变形，则两项表征问题分别得分-20和-20，多处划痕不作重复计算，其他表征问题同样不作重复计算，即多处划痕同样记为-20分。
Figure BDA0002594699460000081
表1
步骤S40，累加所述各表征问题对应的分值获得所述无人机的外观评分。
无人机健康状态评价设备累加所述各表征问题对应的分值获得所述无人机的外观评分，如所述无人机存在的表征问题有划痕和电池外壳变形，则分别得分-20和-20，累加所述表征问题得到所述无人机的外观评分为-40分。
在本实施例中，通过预置图像采集装置对无人机表面进行图像采集获得表征图像，以便于后续通过图像识别技术确定所述表征图像中的异常，对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题，采用自动化的方法取代现有方法中可能存在主观偏差的人工观察，根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值，对图像识别说确定的表征问题量化为具体的分值，累加所述各表征问题对应的分值获得所述无人机的外观评分，实现了对无人机健康状态自动化评价，避免了由技术人员主观评价造成的评价结果不准确的问题。
进一步的，参照图3，在本发明第一实施例的基础上，进一步提出了本发明无人机健康状态评价方法的第二实施例，本实施例为第一实施例中步骤S40的后置步骤，所述无人机健康状态评价方法包括：
步骤S50，查询预设数据库，获取所述无人机的投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率。
步骤S60，根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述无人机的加权综合得分。
无人机健康状态评价设备查询预设数据库，获取所述无人机的投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率，根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述各参量对应的评分值，累加所述各参量对应的评分值获得所述无人机的加权综合得分，为实现更加全面综合第对所述无人机的健康状态进行评价，除第一实施例中的外观评分外，引入了更多的参量，所述预设数据库为技术人员预先根据无人机工作情况建立的数据库，记录有投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率，可以理解是，为实现对无人机健康状态更加全面的评价，可以加入其他参量，为更加精简的评价所述无人机的外观状态则所述参量可减少数个，所述预设第二评分表如表2所示，如所述无人机的评分为-40、投运时间为0.4年、检修次数为7次、作业次数为70次、恶劣天气作业次数为8次、同批无人机一年内检修率为30％，则通过预设第二评分表确定各参量的得分分别为0分、1分、0分、0分、1分和1分，累加所述各参量对应的评分值获得所述无人机的加权综合得分为3分。
Figure BDA0002594699460000091
表2
具体的，所述步骤S60可包括：
步骤c1，将所述外观评分、投运时间、检修次数和作业次数记为状态特征参量的子参量，将所述恶劣天气作业次数和同批次无人机一年内检修率记为状态影响参量的子参量，查询预设第二评分表获取所述状态特征参量和状态影响参量的各子参量的评分值。
步骤c2，查询预设权重表，获取所述状态特征参量和所述状态影响参量的权重值。
步骤c3，根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分。
无人机健康状态评价设备查询预设数据库，获取所述无人机的投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率，将所述外观评分、投运时间、检修次数和作业次数记为状态特征参量的子参量，将所述恶劣天气作业次数和同批次无人机一年内检修率记为状态影响参量的子参量，查询预设第二评分表获取所述状态特征参量和状态影响参量的各子参量的评分值，查询预设权重表，获取所述状态特征参量和所述状态影响参量的权重值，根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分，为实现更加全面综合第对所述无人机的健康状态进行评价，除第一实施例中的外观评分外，引入了更多的标准，本实施例中所述标准均称为子参量，子参量从属于状态特征参量或状态影响参量，而所述预设权重表则是用户预先设置的状态特征参量和状态影响参量的在后续计算加权综合得分的权重值，如表3所示，可以理解的是，所述权重值可根据实际应用改变，所述状态特征参量的权重值和状态影响参量的权重值等同于其对应参量的权重值，根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值即可计算所述无人机的加权综合得分。
参量类型 状态特征参量 状态影响参量
权重值 0.8 0.2
表3
具体的，所述步骤c3可包括：
步骤c31，采用第一预设公式计算所述无人机的加权综合得分，所述第一预设公式为
Figure BDA0002594699460000101
其中，所述B为加权综合得分，所述n子参量总数，所述i为第i个子参量，所述Ai为第i个子参量的评分值，所述Bi第i个子参量对应的所述状态特征参量或所述状态影响参量的权重值。
无人机健康状态评价设备采用第一预设公式计算所述无人机的加权综合得分，所述第一预设公式为
Figure BDA0002594699460000111
其中，所述B为加权综合得分，所述n子参量总数，所述i为第i个子参量，所述Ai为第i个子参量的评分值，所述Bi第i个子参量对应的所述状态特征参量或所述状态影响参量的权重值，如一无人机的外观得分为1分，投运时间得分为1分，无人机检修次数得分为1分，无人机作业次数得分为-1分，恶劣天气作业次次数得分为1分，同批次无人机一年内检修率得分为-1分，则所述无人机的加权综合得分为B＝A1B1+A2B2+A3B3+A4B4+A5B5+A6B6＝1*0.8+1*0.8+1*0.8-1*0.8+1*0.2-1*0.2＝1.6分。
在本实施例中通过引入多个无人机历史工作中的数据作为参量，对无人机的健康状态从从外观和历史工作状况进行综合评分，同时引入各参量的权重进行计算所述无人机的加权综合得分，实现了无人机健康状态更加综合全面的评价，同时也避免为避免某一类扣分参量累计扣分过高导致设备评价分值过低、评价不准确的问题。
进一步的，在本发明以上实施例的基础上，进一步提出了本发明无人机健康状态评价方法的第四实施例，本实施例为第三实施例中步骤c5的后置步骤，所述无人机健康状态评价方法包括：
步骤c6，根据所述加权综合得分查询预设维护策略表，获得所述无人机的维护策略。
步骤c7，输出所述维护策略，以指导无人机维护人员对所述无人机进行维护。
无人机健康状态评价设备根据所述加权综合得分查询预设维护策略表，获得所述无人机的维护策略，输出所述维护策略，以指导无人机维护人员对所述无人机进行维护，所述预设维护策略表为技术人员预先制定的加权综合得分与维护策略的映射表，如表4所示，如以一无人机的加权综合得分为2分，则其本次的维护策略为保持维护策略，维持定检周期。
Figure BDA0002594699460000112
Figure BDA0002594699460000121
表4
在本实施例中，通过为无人机健康状态的加权综合得分关联对应的维护策略，使得所述对无人机的健康状态评估转化为具有实际改善无人机工作状态的维护措施，实现了由评分指导维护的作用。
此外，本发明实施例还提出一种无人机健康状态评价装置，所述无人机健康状态评价装置包括：
采集模块，用于通过预置图像采集装置对无人机表面进行图像采集获得表征图像；
识别模块，用于对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；
评分模块，用于根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；
计算模块，用于累加所述各表征问题对应的分值获得所述无人机的外观评分；
其中，无人机健康状态评价装置的各个功能模块实现的步骤可参照本发明无人机健康状态评价方法的各个实施例，此处不再赘述。
此外，本发明实施例还提出一种无人机健康评价设备，所述无人机健康状态评价设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现上述实施例提供的无人机健康状态评价方法中的操作。
此外，本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的无人机健康状态评价方法中的操作
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种无人机健康状态评价方法，其特征在于，所述无人机健康状态评价方法包括以下步骤：
通过预置图像采集装置对无人机表面进行图像采集获得表征图像；
对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；
根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；
累加所述各表征问题对应的分值获得所述无人机的外观评分。
2.如权利要求1所述的无人机健康状态评价方法，其特征在于，所述通过预置图像采集装置对无人机表面进行图像采集获得表征图像的步骤，包括：
通过预置图像采集装置对无人机表面进行图像采集；
调整所述预置图像采集装置的采集角度和/或采集中心后再对所述无人机表面进行图像采集，直至所述无人机全部表面完成图像采集；
将所有通过所述预置图像采集装置采集的图像记为表征图像。
3.如权利要求1所述的无人机健康状态评价方法，其特征在于，所述通过预置图像采集装置对无人机表面进行图像采集获得表征图像的步骤之前，包括：
通过预置图像采集装置对一崭新的无人机表面进行图像采集获得标准图像；
对所述标准图像进行预处理，并根据所述预处理后的标准图像建立预置外观识别库。
4.如权利要求1所述的无人机健康状态评价方法，其特征在于，所述累加所述各表征问题对应的分值获得所述无人机的外观评分的步骤之后，包括：
查询预设数据库，获取所述无人机的投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率；
根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述无人机的加权综合得分。
5.如权利要求4所述的无人机健康状态评价方法，其特征在于，所述根据所述外观评分、投运时间、检修次数、作业次数、恶劣天气作业次数和同批次无人机一年内检修率查询预设第二评分表，获得所述无人机的加权综合得分的步骤，包括：
将所述外观评分、投运时间、检修次数和作业次数记为状态特征参量的子参量，将所述恶劣天气作业次数和同批次无人机一年内检修率记为状态影响参量的子参量，查询预设第二评分表获取所述状态特征参量和状态影响参量的各子参量的评分值；
查询预设权重表，获取所述状态特征参量和所述状态影响参量的权重值；
根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分。
6.如权利要求5所述的无人机健康状态评价方法，其特征在于，所述根据所述各子参量的评分值和所述状态特征参量和所述状态影响参量的权重值计算所述无人机的加权综合得分的步骤，包括：
采用第一预设公式计算所述无人机的加权综合得分，所述第一预设公式为
Figure FDA0002594699450000021
其中，所述B为加权综合得分，所述n子参量总数，所述i为第i个子参量，所述Ai为第i个子参量的评分值，所述Bi第i个子参量对应的所述状态特征参量或所述状态影响参量的权重值。
7.如权利要求5所述的无人机健康状态评价方法，其特征在于，所述根据所述根据所述有效系数计算所述无人机的加权综合得分的步骤之后，包括：
根据所述加权综合得分查询预设维护策略表，获得所述无人机的维护策略；
输出所述维护策略，以指导无人机维护人员对所述无人机进行维护。
8.一种无人机健康状态评价装置，其特征在于，所述无人机健康状态评价装置包括：
采集模块，用于通过预置图像采集装置对无人机表面进行图像采集获得表征图像；
识别模块，用于对所述表征图像进行预处理后与预置外观识别库中的标准图像进行比对，确定所述无人机的各表征问题；
评分模块，用于根据所述无人机的所述各表征问题查询预设第一评分表，确定各表征问题对应的分值；
计算模块，用于累加所述各表征问题对应的分值获得所述无人机的外观评分。
9.一种无人机健康状态评价设备，其特征在于，所述无人机健康状态评价设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的无人机健康状态评价方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的无人机健康状态评价方法的步骤。
CN202010713899.7A 2020-07-21 2020-07-21 无人机健康状态评价方法、装置、设备和计算机存储介质 Pending CN111814730A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010713899.7A CN111814730A (zh) 2020-07-21 2020-07-21 无人机健康状态评价方法、装置、设备和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010713899.7A CN111814730A (zh) 2020-07-21 2020-07-21 无人机健康状态评价方法、装置、设备和计算机存储介质

Publications (1)

Publication Number Publication Date
CN111814730A true CN111814730A (zh) 2020-10-23

Family

ID=72862130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010713899.7A Pending CN111814730A (zh) 2020-07-21 2020-07-21 无人机健康状态评价方法、装置、设备和计算机存储介质

Country Status (1)

Country Link
CN (1) CN111814730A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489124A (zh) * 2020-12-03 2021-03-12 广东电网有限责任公司湛江供电局 一种基于图像识别的无人机自动评分系统及方法
WO2022250855A1 (en) * 2021-05-28 2022-12-01 Skygrid, Llc Predictive maintenance of an unmanned aerial vehicle
CN117077873A (zh) * 2023-10-18 2023-11-17 金现代信息产业股份有限公司 一种工器具报废预测方法、系统、设备及介质
CN117077873B (zh) * 2023-10-18 2024-06-04 金现代信息产业股份有限公司 一种工器具报废预测方法、系统、设备及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561402A (zh) * 2009-05-07 2009-10-21 浙江大学 基于机器视觉的猪肉外观品质实时检测分级方法与装置
CN104765968A (zh) * 2015-04-21 2015-07-08 合肥工业大学 一种无人机系统健康状态测评装置
CN105225020A (zh) * 2015-11-11 2016-01-06 国家电网公司 一种基于bp神经网络算法的运行状态预测方法和系统
US20160236096A1 (en) * 2014-02-14 2016-08-18 Michael Trzecieski Wellness System For Interacting With A User
CN107194898A (zh) * 2017-06-23 2017-09-22 携程计算机技术（上海）有限公司 酒店图像的展示方法、存储介质及酒店信息的推送方法
JP2018191965A (ja) * 2017-05-17 2018-12-06 祐次 廣田 Ａｉドローン解析システム
CN110264320A (zh) * 2019-06-27 2019-09-20 北京小米移动软件有限公司 基于现实增强设备的信息显示方法、装置以及存储介质
CN110414422A (zh) * 2019-07-25 2019-11-05 秒针信息技术有限公司 食品品质的检测方法及装置
CN110782048A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种配电设备状态评价及检修建议系统
CN111160782A (zh) * 2019-12-31 2020-05-15 贵州电网有限责任公司 一种基于巡检和试验内容的配电变压器状态评价方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561402A (zh) * 2009-05-07 2009-10-21 浙江大学 基于机器视觉的猪肉外观品质实时检测分级方法与装置
US20160236096A1 (en) * 2014-02-14 2016-08-18 Michael Trzecieski Wellness System For Interacting With A User
CN104765968A (zh) * 2015-04-21 2015-07-08 合肥工业大学 一种无人机系统健康状态测评装置
CN105225020A (zh) * 2015-11-11 2016-01-06 国家电网公司 一种基于bp神经网络算法的运行状态预测方法和系统
JP2018191965A (ja) * 2017-05-17 2018-12-06 祐次 廣田 Ａｉドローン解析システム
CN107194898A (zh) * 2017-06-23 2017-09-22 携程计算机技术（上海）有限公司 酒店图像的展示方法、存储介质及酒店信息的推送方法
CN110264320A (zh) * 2019-06-27 2019-09-20 北京小米移动软件有限公司 基于现实增强设备的信息显示方法、装置以及存储介质
CN110414422A (zh) * 2019-07-25 2019-11-05 秒针信息技术有限公司 食品品质的检测方法及装置
CN110782048A (zh) * 2019-10-25 2020-02-11 贵州电网有限责任公司 一种配电设备状态评价及检修建议系统
CN111160782A (zh) * 2019-12-31 2020-05-15 贵州电网有限责任公司 一种基于巡检和试验内容的配电变压器状态评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
白建海;张建民;弓俊才;秦风圆;董国成;: "低压配电网台区健康状态综合评价与分析方法及应用", 信息记录材料, no. 06, 1 June 2018 (2018-06-01), pages 210 - 212 *
陈德品;胡步发;: "自适应分数阶微分在面部图像处理中的应用", 机械制造与自动化, no. 06, 20 December 2017 (2017-12-20), pages 143 - 147 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489124A (zh) * 2020-12-03 2021-03-12 广东电网有限责任公司湛江供电局 一种基于图像识别的无人机自动评分系统及方法
CN112489124B (zh) * 2020-12-03 2024-04-16 广东电网有限责任公司湛江供电局 一种基于图像识别的无人机自动评分系统及方法
WO2022250855A1 (en) * 2021-05-28 2022-12-01 Skygrid, Llc Predictive maintenance of an unmanned aerial vehicle
CN117077873A (zh) * 2023-10-18 2023-11-17 金现代信息产业股份有限公司 一种工器具报废预测方法、系统、设备及介质
CN117077873B (zh) * 2023-10-18 2024-06-04 金现代信息产业股份有限公司 一种工器具报废预测方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN111814730A (zh) 无人机健康状态评价方法、装置、设备和计算机存储介质
CN102253049B (zh) 带钢生产过程表面质量在线精准检测方法
CN114971433B (zh) 基于工业互联网的质量管控方法、装置、设备及存储介质
CN110544231A (zh) 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法
CN116423003B (zh) 一种基于数据挖掘的锡焊智能评估方法及系统
CN111882554A (zh) 一种基于SK-YOLOv3的电力线故障智能检测方法
CN117112336B (zh) 智能通信设备异常检测方法、设备、存储介质及装置
CN114140013A (zh) 一种基于xgboost的评分卡生成方法、装置及设备
CN116704387B (zh) 一种基于视频结构化的电力线路通道巡检系统和方法
CN116245879B (zh) 一种玻璃基板平整度评估方法和系统
CN117557290A (zh) 一种基于机器学习的电商运维管理方法及系统
CN110689191A (zh) 农业保险赔偿额预测方法、装置、设备及可读存储介质
CN114637264B (zh) 动作稳定性分析方法、系统、设备及存储介质
CN115479946A (zh) 一种路面破损检测方法、系统、装置及存储介质
CN114170449A (zh) 一种基于深度学习的人工智能图像识别装置
CN112598059A (zh) 一种工人着装检测方法、装置、存储介质及电子设备
CN113033469A (zh) 工器具损坏识别方法、装置、设备、系统及可读存储介质
CN112183603A (zh) 痘痘类型识别模型训练方法及相关装置
CN117451849B (zh) 在役车轴智能超声探伤装置
CN117250931B (zh) 基于数据融合的石膏板生产智能控制方法及系统
CN113326652B (zh) 基于经验贝叶斯的数据批次效应处理方法、装置及介质
CN117474344B (zh) 一种货物运输过程的风险评估方法及系统
CN117726959B (zh) 基于智能图像识别的无人机电力线路安全巡检系统及方法
CN116468205B (zh) 一种机动车环保检测质量监测方法及系统
CN116091501B (zh) 高压电气设备局部放电类型识别方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination