CN112327906A - 一种基于无人机的智能自动巡检系统 - Google Patents
一种基于无人机的智能自动巡检系统 Download PDFInfo
- Publication number
- CN112327906A CN112327906A CN202011141984.7A CN202011141984A CN112327906A CN 112327906 A CN112327906 A CN 112327906A CN 202011141984 A CN202011141984 A CN 202011141984A CN 112327906 A CN112327906 A CN 112327906A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- platform
- inspection
- data
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 71
- 230000007547 defect Effects 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 239000012212 insulator Substances 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 1
- 238000007670 refining Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种基于无人机的智能自动巡检系统。该系统包括：硬件平台、计算平台以及展示平台.硬件平台包括无人机平台、云台相机、AI智能控制盒以及RTK定位系统.计算平台包括：定位引擎、识别引擎以及云台控制引擎.展示平台包括数据监视界面和数据结果展示界面。本发明可实现无人机三维航线智能规划、无人机精确定位、无人机智能巡查和飞行、无人机精细巡检自动AI对准与拍摄、无人机影像资料实时高清图传、巡检数据自动缺陷识别以及巡检报告的自动生成，为电力系统运维提供更加智能、更加安全、更加可控的巡检作业方式，降低无人机操作门槛，降低人员经验对于巡检工作的影响，进一步提高安全生产运行水平，降低运维成本，提高故障诊断效率。
Description
技术领域
本发明涉及自动巡检技术领域，尤其涉及一种基于无人机的智能自动巡检系统。
背景技术
在我国，传统电力系统的巡视一般采用人工巡视方式，这种方法虽简单，但效率较低，周期较长，且需要配备大量光学设备和素质高、经验丰富的巡检人员，对人力、财力的要求较高，因此目前已经开始逐步推广“无人机和人工巡检协同”的新型巡检模式。推广地面和空中相结合的巡检模式，全面提高巡检作业效率与效益，保证电力系统的安全运行。
随着无人机的普及，无人机应用于电力系统巡检也越来越多，依靠地面操控人员完成对电力设备的信息采集，现场技术人员仅能使用无人机代替原有的望远镜获取图像。对于设备缺陷的识别，大部分仍旧基于人工判别的方式来进行，缺陷识别的准确率相对较低，并存在很多漏报现象，尚不能有效减轻人工负担。随着无人机拍摄效率的提高，依赖人工检阅或复核来发现缺陷与隐患已经成为制约进一步提高工作效率的瓶颈。目前传统的电力无人机巡检存在问题主要为：
(1)巡检效率不高。在进行巡检作业时，无人机沿线路进行巡检，通过图传模块将数据传回地面站，地面的操控人员根据地面站的显示信息来判断关键部件的位置，手动的调整无人机云台的位置定位到部件上，进行拍照。这种信息采集方式，大大的影响了无人机巡检的效率。
(2)缺乏高效的数据处理技术。巡检后的数据处理，依然依靠人工判读的方式来对完成关键部件的定位、缺陷识别等任务。如何利用计算机视觉技术，针对相关部件设定识别与诊断的算法，实现对部件的自动识别与缺陷诊断是巡检后数据处理的一个亟待解决的问题。
(3)巡检数据利用率较低。巡检后会产生大量的图像数据，这些数据包含了大量的信息，但是目前对这些数据的处理方式只是进行简单的数据汇总处理。缺乏对巡检数据的科学管理手段，没有真正意义上的关于巡检数据的数据库，造成数据查阅与使用上的困难。
为更好的解决上述问题，且为提高电力系统安全稳定运行水平，拟发明一种基于无人机的智能自动巡检系统。
发明内容
本发明提供一种基于无人机的智能自动巡检系统，以解决现有现有电力系统巡检方式无法巡检效率不高，缺乏高效的数据处理技术，巡检数据利用率较低的问题。
本发明提供一种基于无人机的智能自动巡检系统，所述系统包括：硬件平台、计算平台以及展示平台；
所述硬件平台包括：
无人机平台，用于进行航点飞行；
云台相机，用于采集图像数据；
AI智能控制盒，用于进行巡检测算和控制云台相机；
RTK定位系统，用于定位所述无人机平台；
所述计算平台包括：
定位引擎，用于测算定位无人机平台与特征目标的方向和角度；
识别引擎，用于通过图像识别确定并锁定特征目标，锁定特征目标后，利用无人机平台携带的云台相机对特征目标进行拍照或视频录制，获取被巡检设备的影像数据，之后基于智能图像识别技术，针对所述影像数据，利用深度学习卷积神经网络，自动批量对上述影像数据进行自动缺陷隐患识别，自动缺陷标注及信息录入、手动缺陷诊断及信息录入以及输出缺陷报告；
云台控制引擎，用于利用图形图像库，以交互算法计算的方式进行精细化拍摄；
所述展示平台包括：
数据监视界面，用于实时展示采集的无人机定位数据和图像数据，帮助工作人员实时监控巡检状况；
数据结果展示界面，用于实时展示特征目标的缺陷识别数据计算结果和可视化结果。
进一步地，巡检测算包括：加载被巡检设备三维地图，建立航线画板；建立被巡检设备俯视图画板坐标系，并确定航点(X，Y)的水平经纬度位置以及该航点所在位置云台相机镜头朝向；再确定航点高度信息H；给确定了三维位置信息的航点进行任务属性配置得到航线数据；最后将得到的航线数据导入地图并生成无人机三维飞行航线加载进入无人机平台的无人机飞控系统中。
进一步地，控制云台相机包括：利用图像识别技术自主识别出电力设备中需要进行精细检视相关区域，利用图像控制算法控制无人机平台将云台相机对准上述区域，控制云台相机指向目标并进行目标识别工作，自动调整焦距放大该区域，同时始终锁定目标处于画幅中央，以此进行详细巡视和有针对性的诊断故障。
进一步地，测算定位无人机平台与特征目标的方向和角度包括：利用航点的水平经纬度位置、该航点所在位置云台相机镜头朝向，以及航点高度信息，测算定位无人机平台与特征目标的方向和角度。
进一步地，利用图形图像库，以交互算法计算的方式进行精细化拍摄包括：对被巡检设备本体精细化巡检的拍照点进行自动化精准选定，形成平滑连接各拍照点的飞行航迹；根据杆塔关键特征的空间参数，推算并规划好每个拍照点无人机平台位置和朝向、云台相机角度，并上传至无人机飞控系统中。
进一步地，所述AI智能控制盒中包含激光定位装置，激光定位装置采用激光雷达自动定位技术来实现测算及定位。
进一步地，所述图像数据包括：红外图像和可见光高清图像。
进一步地，所述特征目标包括：绝缘子、输电杆塔以及导线。
由以上技术方案可知，本发明的基于无人机的智能自动巡检系统，包括：硬件平台、计算平台以及展示平台，硬件平台包括无人机平台、云台相机、AI智能控制盒以及RTK定位系统；计算平台包括：定位引擎、识别引擎以及云台控制引擎，展示平台包括数据监视界面和数据结果展示界面；可实现无人机三维航线智能规划、无人机精确定位、无人机智能巡查和飞行、无人机精细巡检自动AI对准与拍摄、无人机影像资料实时高清图传、巡检数据自动缺陷识别以及巡检报告的自动生成。本发明的推广应用将为电力系统运维提供重要的技术支撑，提供更加智能、更加安全、更加可控的巡检作业方式。降低无人机操作门槛，降低人员经验对于巡检工作的影响。进一步提高安全生产运行水平，降低运维成本，提高故障诊断效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于无人机的智能自动巡检系统平台结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下结合附图，详细说明本发明各实施例提供的技术方案。
本发明克服现有电力系统巡检方式无法实现自动控制全自主作业、无法自动识别设备故障类型、无法精准定位故障点等技术缺陷，提供一种基于无人机的智能自动巡检系统，以实现提高无人机全自动作业能力、降低人工成本、有效提高作业质量及巡检效率。请参阅图1，本发明提供的一种种基于无人机的智能自动巡检系统，包括：硬件平台1、计算平台2以及展示平台3。
其中，所述硬件平台1包括：无人机平台11、云台相机12、AI智能控制盒13以及RTK定位系统14。
无人机平台11，用于进行航点飞行。云台相机12，用于采集图像数据。AI智能控制盒13，用于进行巡检测算和控制云台相机。RTK定位系统14，用于定位所述无人机平台。
在本实施例中，AI智能控制盒13中包含激光定位装置，激光定位装置采用激光雷达自动定位技术来实现测算及定位。AI智能控制盒13进行的巡检测算可以包括：加载被巡检设备三维地图，建立航线画板；建立被巡检设备俯视图画板坐标系，并确定航点(X，Y)的水平经纬度位置以及该航点所在位置云台相机镜头朝向；再确定航点高度信息H；给确定了三维位置信息的航点进行任务属性配置得到航线数据；最后将得到的航线数据导入地图并生成无人机三维飞行航线加载进入无人机平台的无人机飞控系统中。
在本实施例中，AI智能控制盒13进行的控制云台相机可以包括：利用图像识别技术自主识别出电力设备中需要进行精细检视相关区域，如绝缘子、杆塔顶部等等。利用图像控制算法控制无人机平台将云台相机对准上述区域，控制云台相机指向目标并进行目标识别工作，自动调整焦距放大该区域，同时始终锁定目标处于画幅中央，以此进行详细巡视和有针对性的诊断故障。AI智能控制盒13和RTK定位系统14相结合来实现巡检的自主飞行，也可以理解为AI智能控制盒13是补充了RTK定位系统14无法实现的功能。
其中，所述计算平台2包括：定位引擎21、识别引擎22以及云台控制引擎23。
定位引擎21，用于测算定位无人机平台与特征目标的方向和角度。
在本实施例中，定位引擎21进行的测算定位无人机平台与特征目标的方向和角度可以包括：利用航点的水平经纬度位置、该航点所在位置云台相机镜头朝向，以及航点高度信息，以上这些数据是通过硬件平台1中的AI智能控制盒13获取，根据这些数据来测算定位无人机平台与特征目标的方向和角度。
识别引擎22，用于通过图像识别确定并锁定特征目标。特征目标主要是电力设施中对运行可靠性要求较高且易发生隐患及缺陷的地方，也就是巡检工作中需要进行精细化巡视的区域。如绝缘子、输电杆塔、导线等。锁定特征目标后，利用无人机平台携带的云台相机对特征目标进行拍照或视频录制，获取被巡检设备的影像数据，之后基于智能图像识别技术，针对所述影像数据，利用深度学习卷积神经网络，自动批量对上述影像数据进行自动缺陷隐患识别，自动缺陷标注及信息录入、手动缺陷诊断及信息录入以及输出缺陷报告。
确定并锁定特征目标的基本流程如下：
1)应用无人机巡线自动拍摄影像采集，快捷高效形成照片
2)利用先进的计算机视觉深度学习技术，对输电线路通道进行智能分析识别，自动搜索典型的缺陷隐患。
3)可自动输出典型的疑似缺陷隐患的报表，供人工审核。
云台控制引擎23，用于利用图形图像库，以交互算法计算的方式进行精细化拍摄。
在本实施例中，云台控制引擎23进行的利用图形图像库，以交互算法计算的方式进行精细化拍摄可以包括：对被巡检设备本体精细化巡检的拍照点进行自动化精准选定，形成平滑连接各拍照点的飞行航迹；根据杆塔关键特征(杆塔、导线、绝缘子等)的空间参数，推算并规划好每个拍照点无人机平台位置和朝向、云台相机角度，并上传至无人机飞控系统中。
其中，所述展示平台3包括：数据监视界面31和数据结果展示界面32。数据监视界面31，用于实时展示采集的无人机定位数据和图像数据，帮助工作人员实时监控巡检状况。所述图像数据包括：红外图像和可见光高清图像。数据结果展示界面32，用于实时展示特征目标的缺陷识别数据计算结果和可视化结果。
本发明的基于无人机的智能自动巡检系统的自动巡检系统任务飞行实施方案如下：
1.自动巡检航线规划。
利用软件根据电力系统巡检内容、巡检路线规划航线任务。无人机按照写入航线执行飞行任务。
2.电力巡检作业。
根据电气设备巡检规范，无人机在巡检电气设备时，为了达到精细化的效果，必须飞到指定的检视视点，该视点能最大程度获取设备相关视觉信息，同时，需要根据目标识别模块在图像中获取检视部位，根据图像识别与控制算法无人机机载AI控制模块将镜头对准检视目标并通过变焦放大该区域，高分辨相机的使用则可以保证在图像清晰度不损失的前提下，对目标进行细节方面的巡检。
3.电自动缺陷分析检测和报告出具。
无人机巡检获取图像通过后台处理系统平台进行包括巡检图像与杆塔台账自动关联、自动缺陷标注及信息录入、手动缺陷诊断及信息录入、缺陷报告导出文档等工作。
本发明的基于无人机的智能自动巡检系统，可运用三维重建、图像识别、AI飞行等技术，自动机场负责无人机的存储、回收、电池更换、控制；无人机自主决策航迹、姿态、拍摄参数，获取高质量巡检数据；机载AI与云端实时互动，当云端诊断识别为故障时，对诊断故障目标进行多角度数据采集，不断提升识别诊断率，给电力用户提供优质、快捷的巡检数据报告。
本发明提供的基于无人机的智能自动巡检系统中内置了智能图像识别系统、自动作业飞控系统、三维重建系统。通过无人机的智能自动巡检系统可实现预设航线，无需专业飞手，并自主巡检，实现数据处理自动化。无人机搭载的可见光相机、红外成像仪，可对设备进行精细巡检，实现设备状态全方位实时识别和预测，拍摄的图片分析过程无需人工干预，缺陷识别率可达95％以上，实现缺陷识别自动化。根据缺陷识别内容可自动生成缺陷报告或相关报表，给出专家决策建议，实现信息处理自动化。
最后说明的是，以上优选实施例仅用以说明发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种基于无人机的智能自动巡检系统，其特征在于，所述系统包括：硬件平台、计算平台以及展示平台；
所述硬件平台包括：
无人机平台，用于进行航点飞行；
云台相机，用于采集图像数据；
AI智能控制盒，用于进行巡检测算和控制云台相机；
RTK定位系统，用于定位所述无人机平台；
所述计算平台包括：
定位引擎，用于测算定位无人机平台与特征目标的方向和角度；
识别引擎，用于通过图像识别确定并锁定特征目标，锁定特征目标后，利用无人机平台携带的云台相机对特征目标进行拍照或视频录制，获取被巡检设备的影像数据，之后基于智能图像识别技术，针对所述影像数据，利用深度学习卷积神经网络，自动批量对上述影像数据进行自动缺陷隐患识别，自动缺陷标注及信息录入、手动缺陷诊断及信息录入以及输出缺陷报告；
云台控制引擎，用于利用图形图像库，以交互算法计算的方式进行精细化拍摄；
所述展示平台包括：
数据监视界面，用于实时展示采集的无人机定位数据和图像数据，帮助工作人员实时监控巡检状况；
数据结果展示界面，用于实时展示特征目标的缺陷识别数据计算结果和可视化结果。
2.如权利要求1所述的系统，其特征在于，巡检测算包括：加载被巡检设备三维地图，建立航线画板；建立被巡检设备俯视图画板坐标系，并确定航点(X，Y)的水平经纬度位置以及该航点所在位置云台相机镜头朝向；再确定航点高度信息H；给确定了三维位置信息的航点进行任务属性配置得到航线数据；最后将得到的航线数据导入地图并生成无人机三维飞行航线加载进入无人机平台的无人机飞控系统中。
3.如权利要求2所述的系统，其特征在于，控制云台相机包括：利用图像识别技术自主识别出电力设备中需要进行精细检视相关区域，利用图像控制算法控制无人机平台将云台相机对准上述区域，控制云台相机指向目标并进行目标识别工作，自动调整焦距放大该区域，同时始终锁定目标处于画幅中央，以此进行详细巡视和有针对性的诊断故障。
4.如权利要求3所述的系统，其特征在于，测算定位无人机平台与特征目标的方向和角度包括：利用航点的水平经纬度位置、该航点所在位置云台相机镜头朝向，以及航点高度信息，测算定位无人机平台与特征目标的方向和角度。
5.如权利要求4所述的系统，其特征在于，利用图形图像库，以交互算法计算的方式进行精细化拍摄包括：对被巡检设备本体精细化巡检的拍照点进行自动化精准选定，形成平滑连接各拍照点的飞行航迹；根据杆塔关键特征的空间参数，推算并规划好每个拍照点无人机平台位置和朝向、云台相机角度，并上传至无人机飞控系统中。
6.如权利要求5所述的系统，其特征在于，所述AI智能控制盒中包含激光定位装置，激光定位装置采用激光雷达自动定位技术来实现测算及定位。
7.如权利要求6所述的系统，其特征在于，所述图像数据包括：红外图像和可见光高清图像。
8.如权利要求7所述的系统，其特征在于，所述特征目标包括：绝缘子、输电杆塔以及导线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011141984.7A CN112327906A (zh) | 2020-10-22 | 2020-10-22 | 一种基于无人机的智能自动巡检系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011141984.7A CN112327906A (zh) | 2020-10-22 | 2020-10-22 | 一种基于无人机的智能自动巡检系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112327906A true CN112327906A (zh) | 2021-02-05 |
Family
ID=74311499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011141984.7A Pending CN112327906A (zh) | 2020-10-22 | 2020-10-22 | 一种基于无人机的智能自动巡检系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112327906A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
| CN113359823A (zh) * | 2021-05-31 | 2021-09-07 | 国网山东省电力公司滨州供电公司 | 基于图像识别的无人机通信光缆巡检方法 |
| CN113759960A (zh) * | 2021-07-26 | 2021-12-07 | 青海黄河风力发电有限责任公司 | 基于无人机的风机叶片及塔筒巡检识别系统及方法 |
| CN113870228A (zh) * | 2021-09-29 | 2021-12-31 | 上海建工四建集团有限公司 | 一种塔吊表面氧化损伤识别、定位及损伤面积统计方法 |
| CN114022972A (zh) * | 2021-12-31 | 2022-02-08 | 拓普思(常州)智能科技有限公司 | 一种无人机智能图像采集系统及方法 |
| CN114035614A (zh) * | 2022-01-10 | 2022-02-11 | 成都奥伦达科技有限公司 | 基于先验信息的无人机自主巡检方法、系统及存储介质 |
| CN114089781A (zh) * | 2021-11-01 | 2022-02-25 | 上海密尔克卫化工储存有限公司 | 一种危化品储存用无人智能巡检系统及方法 |
| CN114104334A (zh) * | 2021-12-09 | 2022-03-01 | 中国民航大学 | 一种基于运动小车自动图像识别方式的飞机检查方法 |
| CN115580708A (zh) * | 2022-09-15 | 2023-01-06 | 中国人民解放军国防科技大学 | 一种光缆线路无人机巡检的方法 |
| CN116485160A (zh) * | 2023-06-21 | 2023-07-25 | 国网电力空间技术有限公司 | 一种输电线路巡检处理系统和方法 |
-
2020
- 2020-10-22 CN CN202011141984.7A patent/CN112327906A/zh active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113077561A (zh) * | 2021-03-29 | 2021-07-06 | 北京智盟信通科技有限公司 | 一种无人机智能巡检系统 |
| CN113359823A (zh) * | 2021-05-31 | 2021-09-07 | 国网山东省电力公司滨州供电公司 | 基于图像识别的无人机通信光缆巡检方法 |
| CN113759960A (zh) * | 2021-07-26 | 2021-12-07 | 青海黄河风力发电有限责任公司 | 基于无人机的风机叶片及塔筒巡检识别系统及方法 |
| CN113870228A (zh) * | 2021-09-29 | 2021-12-31 | 上海建工四建集团有限公司 | 一种塔吊表面氧化损伤识别、定位及损伤面积统计方法 |
| CN114089781A (zh) * | 2021-11-01 | 2022-02-25 | 上海密尔克卫化工储存有限公司 | 一种危化品储存用无人智能巡检系统及方法 |
| CN114104334A (zh) * | 2021-12-09 | 2022-03-01 | 中国民航大学 | 一种基于运动小车自动图像识别方式的飞机检查方法 |
| CN114104334B (zh) * | 2021-12-09 | 2024-02-23 | 中国民航大学 | 一种基于运动小车自动图像识别方式的飞机检查方法 |
| CN114022972A (zh) * | 2021-12-31 | 2022-02-08 | 拓普思(常州)智能科技有限公司 | 一种无人机智能图像采集系统及方法 |
| CN114035614A (zh) * | 2022-01-10 | 2022-02-11 | 成都奥伦达科技有限公司 | 基于先验信息的无人机自主巡检方法、系统及存储介质 |
| CN115580708A (zh) * | 2022-09-15 | 2023-01-06 | 中国人民解放军国防科技大学 | 一种光缆线路无人机巡检的方法 |
| CN116485160A (zh) * | 2023-06-21 | 2023-07-25 | 国网电力空间技术有限公司 | 一种输电线路巡检处理系统和方法 |
| CN116485160B (zh) * | 2023-06-21 | 2024-03-15 | 国网电力空间技术有限公司 | 一种输电线路巡检处理系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
| CN112633535B (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
| CN109936080B (zh) | 一种无人机巡检输电线路的方法 | |
| CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
| CN114035614B (zh) | 基于先验信息的无人机自主巡检方法、系统及存储介质 | |
| CN111311597A (zh) | 一种缺陷绝缘子的无人机巡检方法与系统 | |
| CN108258613B (zh) | 智能巡线光电吊舱及实现巡线的方法 | |
| CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
| CN113781450A (zh) | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 | |
| CN113759960A (zh) | 基于无人机的风机叶片及塔筒巡检识别系统及方法 | |
| CN104865971A (zh) | 一种输电线路巡检无人机的控制方法及无人机 | |
| CN112162565B (zh) | 一种基于多机协同作业的不间断自主杆塔巡检方法 | |
| CN113077561A (zh) | 一种无人机智能巡检系统 | |
| CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
| CN115580708A (zh) | 一种光缆线路无人机巡检的方法 | |
| CN112233270A (zh) | 一种无人机自主智能绕塔巡检系统 | |
| CN116310891A (zh) | 一种云边协同输电线路缺陷智能检测系统和方法 | |
| CN116301046A (zh) | 一种基于电力杆塔识别的无人机航拍安全距离自动定位方法 | |
| CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检系统 | |
| CN112987781A (zh) | 一种无人机航线生成方法及装置 | |
| CN112184903A (zh) | 高压线行树障风险点的检测方法、装置、设备及介质 | |
| Huang et al. | Research and design of space-sky-ground integrated transmission line inspection platform based on artificial intelligence | |
| CN113870228B (zh) | 一种塔吊表面氧化损伤识别、定位及损伤面积统计方法 | |
| CN116297472A (zh) | 一种基于深度学习的无人机桥梁裂缝检测方法及系统 | |
| CN116243725A (zh) | 基于视觉导航的变电站无人机巡检方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210205 |