CN112422783A - 一种基于停机坪集群的无人机智能巡查系统 - Google Patents
一种基于停机坪集群的无人机智能巡查系统 Download PDFInfo
- Publication number
- CN112422783A CN112422783A CN202011079265.7A CN202011079265A CN112422783A CN 112422783 A CN112422783 A CN 112422783A CN 202011079265 A CN202011079265 A CN 202011079265A CN 112422783 A CN112422783 A CN 112422783A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- apron
- data
- module
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- 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
- B64C39/026—Aircraft not otherwise provided for characterised by special use for use as personal propulsion unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Abstract
本发明公开了一种基于停机坪集群的无人机智能巡查系统，地面站控制系统对无人机进行远程控制，实现无人机的自主飞行，摆脱人工遥控器操作模式的限制；无人机根据规划的任务路径进行飞行，在任务执行过程中通过内置的人工智能模块进行图像识别后，针对异常情况将异常数据上传至云平台，任务完成后通过停机坪的UWB基站定位模块与无人机的人工智能模块图像识别定位两种相互校正的方式进行精准返航停机与充电；图像识别系统识别目标图片与视频；停机坪与无人机配对，确保无人机精准降落和进行充电；云平台提供接口服务，用于各软硬件之间的数据交换及数据管理。本发明巡查范围广，建设成本低，安全性高，实时性好，精度高，不受云层条件影响。
Description
技术领域
本发明涉及无人机技术领域，具体涉及一种基于停机坪集群的无人机智能巡查系统。
背景技术
我国河湖数量较多，巡查监管是河湖管理工作中的重要环节，它决定了河湖管理的时效性和完整性。目前多数地方的河湖管理依旧采取传统的人工巡查方式，而这种方式存在人力成本高、巡查效率低的缺点，且人工巡河无法做到全天候、全覆盖，实时监管能力弱，对污水排放、水体污染等问题调查取证困难。无人机巡查技术具有实时性好、运维成本低、安全性强、精度高等优点，在建筑、电力、地质等行业内得到了广泛应用并取得了丰硕成果，但由于水利信息化起步较晚，其在水利行业的应用还处于探索阶段。
目前也有研究开发者采用无人机单站点停机坪方式进行河湖巡查，但由于电池续航能力的限制，无人机无法完整覆盖河湖范围；无人机没有采用智能识别技术，不能对拍摄到的河湖异常情况数据进行实时取证并预警，实时监管能力比较弱。
发明内容
有鉴于此，为了解决现有技术中的上述问题，本发明提出一种基于停机坪集群的无人机智能巡查系统，利用无人机航空技术、通讯技术、超宽带定位返航技术、无人机停机坪集群技术、深度学习图像识别技术和智能视频监控技术，及时发现、判别并上报河湖“四乱”(乱占、乱采、乱堆、乱建)、水质异常、洪涝灾害等问题，为专项清理整治行动和抗洪抢险提供有力的依据和支撑，保障河湖的安全和长久健康。
本发明通过以下技术手段解决上述问题：
一种基于停机坪集群的无人机智能巡查系统，包括：
无人机，用于根据地面站控制系统规划的任务路径进行飞行，在任务执行过程中通过内置的人工智能模块对所拍摄的图像视频进行图像识别后，针对异常情况将异常数据上传至云平台，任务完成后通过停机坪的基站定位模块与无人机的人工智能模块图像识别定位两种相互校正的方式进行精准返航停机与充电；
图像识别系统，用于识别目标图片与视频，在经过多次智能识别测试与模型优化后，将多种深度学习算法模型同时加载到无人机人工智能模块中，使得无人机可快速识别出目标图片与视频；
停机坪，用于无人机配对，确保无人机精准降落和进行充电，在无人机定位返航后可能会出现实际停机位置与停机坪正中心有偏差而导致无人机不能正常充电，内置的无人机返航校正装置自动将将无人机校正到停机坪的正中心位置，内置的充电装置自动接上充电线对无人机进行充电；
地面站控制系统，用于对无人机进行远程控制，实现无人机的自主飞行，摆脱人工遥控器操作模式的限制；
云平台，提供接口服务，用于各软硬件之间的数据交换及数据管理。
进一步地，所述无人机包括：
人工智能模块，可加载多个算法模型，采用多进程和多线程联合模式，实时捕捉视频帧，协同处理检测识别和网络交互的任务；动态识别视频中的异常帧，智能识别服务可自动从异常帧前后截取一段时间的短视频作为取证视频；
无线通讯模块，用于接收和发送信号，实现各模块之间的网络通讯；
飞行控制模块，运行于机载控制板上，其包括控制起飞、执行任务、指定位置自动识别降落、采集视频、识别分析和预警信息上传功能；
摄像头，包括普通高清摄像头、夜视摄像头、光谱摄像头和热成像摄像头；其中普通高清摄像头用于识别捕捉河湖白天图像视频，并识别白天河湖四乱、水质异常和洪涝灾害的问题；夜视摄像头用于识别捕捉河湖夜晚图像视频；光谱摄像头用于清晰捕捉河湖水体图像视频并进行水质识别；热成像摄像头用于通过排污水与河湖水的温差来进行排污区域识别。
进一步地，所述人工智能模块智能识别服务自动从异常帧前后截取10秒到1分钟的短视频作为取证视频；所述无线通讯模块为4G/5G通讯模块。
进一步地，所述图像识别系统包括：
数据资源建设模块，用于通过真实场景采集、遥感数据网上爬取和工具算法生成的方式获取各种巡检场景及环境的数据，并将获取到的数据进行分类存储到对应的数据库中；
深度学习算法模块，用于河湖乱占、乱采、乱堆、乱建、水质异常和洪涝灾害的场景识别。
进一步地，所述数据资源建设模块包括：
数据采集与标注单元，用于通过真实场景采集、遥感数据网上爬取和工具算法生成的方式获取各种巡检场景及环境的数据，并将获取到的数据进行分类存储；
飞行控制数据库，用于存储无人机GPS控制信息数据和任务路线规划站点信息数据；
算法模型数据库，用于存储各种算法及其使用到的参数配置文件；
巡检业务数据库，用于存储每个巡检业务上传的图像视频、预警信息数据和统计分析结果数据。
进一步地，所述深度学习算法模块包括：
遥感图像分类模型，用于区分不同的事物，输入图像，输出对该图像内容分类的描述；
遥感目标检测模型，用于找出图像中所有感兴趣的目标，确定它们的位置和大小；
遥感语义分割模型，用于将图像的每个像素所属类别进行标注，预测图像中的每个像素。
进一步地，所述停机坪包括：
物联网模块，用于停机坪和无人机之间的配对；
基站定位模块，用于确保无人机精准降落；
户外防护外罩，具有防雨、防潮、防盗和防风的作用；
无人机返航校正装置，用于自动将无人机校正到停机坪正中心位置；
充电装置，用于自动接上充电线对无人机进行充电；
进一步地，所述无人机智能巡查系统在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，一台无人机可匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电，无人机通过停机坪集群实现河湖超长距离巡查，提升无人机巡查的续航能力。
进一步地，所述地面站控制系统包括：
航线规划模块，用于规划无人机航线；其包括两种模式，模式一：在控制系统上规划好航线上传至无人机，如果无人机需要进行续飞任务时，则需要提前通过云平台匹配好下一个降落的停机坪；模式二：现场飞手先手动飞行一遍，在飞行过程中通过遥控手动实时记录航点信息并进行轨迹采集，在无人机飞完一遍后记录飞行航线，然后直接保存到无人机；两种航线规划模式可并行，模式二为默认飞行路线，由安装人员在安装后进行手动规划并上传至云平台，模式一为用户自定义路线，可定义多条，每条都可自定义飞行时间；
实时监测模块，包括基于GIS地图进行远程航线规划、任务参数设定和飞行实时信息展示的功能；
数据分析模块，用于无人机历史任务查询和任务结果分析管理；
设备管理模块，用于实现无人机和停机坪基础信息的增、删、改、查，以及无人机版本、模型和停机坪位置的更新管理。
进一步地，所述云平台中的数据交换包括监测数据和控制指令的传输，数据管理包括GPS数据、图片视频数据和站点信息的存储和管理。
与现有技术相比，本发明的有益效果至少包括：
(1)巡查范围广。在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，一台无人机可以匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电或者直接换电池，无人机通过无人机停机坪集群可以实现河湖超长距离巡查。
(2)建设成本低。本发明与基于载波相位差分(RTK)技术的无人机河湖巡查方式相比，停机坪建设成本更低，适合在省市县乡各级河长办中推广使用，有效降低地方财政支出。
(3)安全性高。适合在天气环境较恶劣的河湖实施作业，特别是在山洪灾害中期和后期对河流断面的监测，能够避免不必要的人员伤亡，保证人身安全。
(4)实时性好。无人机通过4G/5G无线通讯模块能够实时传输航拍图像，灵活度高，适用于河(湖)长巡河的日常监测，为河(湖)长制定工作方案提供有力依据。
(5)精度高。无人机飞行高度通常为50～1000m，满足航空摄影中的近景测量标准，精度相对卫星遥感有大幅度的提升，测量精度为亚米级，其范围为0.1～0.5m。
(6)不受云层条件影响。无人机遥感通过控制飞行高度，可以有效避免云层对航拍效果的影响；同时，挂载的摄像头可以调节光圈、快门和感光度，并运用相关软件对颜色、反差、亮度进行调整和消雾处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于停机坪集群的无人机智能巡查系统原理图；
图2是本发明无人机的示意图；
图3是本发明图像识别系统的示意图；
图4是本发明停机坪的示意图；
图5是本发明基于停机坪集群的无人机智能巡查规划图；
图6是本发明地面站控制系统的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅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。
如图1所示，本发明的目的在于提供一种基于停机坪集群的无人机智能巡查系统，具有实时高效采集河湖水域岸线的全方位数据，并及时发现、判别和上报河湖灾害问题的能力，巡查系统包括：
无人机，根据地面站控制系统规划的任务路径进行飞行，在任务执行过程中通过内置的人工智能模块进行图像识别后，针对异常情况将异常数据上传至云平台，任务完成后通过停机坪的UWB基站定位模块与无人机的人工智能模块图像识别定位两种相互校正的方式进行精准返航停机与充电；
图像识别系统，用于识别目标图片与视频，在经过多次智能识别测试与模型优化后，将多种深度学习算法模型同时加载到无人机人工智能模块中，使得无人机可快速识别出目标图片与视频；
停机坪，用于无人机配对，确保无人机精准降落和进行充电，在无人机定位返航后可能会出现实际停机位置与停机坪正中心有偏差而导致无人机不能正常充电，内置的无人机返航校正装置自动将将无人机校正到停机坪的正中心位置，内置的充电装置自动接上充电线对无人机进行充电；
地面站控制系统，通过4G/5G联网通信对无人机进行远程控制，实现无人机的自主飞行，摆脱人工遥控器操作模式的限制；
云平台，提供接口服务，用于各软硬件之间的数据交换及数据管理。
具体地，如图2所示，所述无人机采用双IMU(惯性测量单元)设计、双GPS冗余设计、支持机载控制和多停机坪匹配，返航停机精度为厘米级，续航里程在20公里以上，续航时间在25分钟以上，搭载人工智能模块、4G/5G通讯模块、飞行控制模块、摄像头等；
人工智能模块，无人机在实际巡查中可能要同时进行多种不同的检测任务，人工智能模块需要加载多个算法模型，需采用多进程、多线程联合模式，实时捕捉视频帧，协同处理检测识别、网络交互等任务；人工智能模块动态识别视频中的异常帧，智能识别服务自动从该帧前后截取10秒到1分钟的短视频作为取证视频；
4G/5G通讯模块，用于接收、发送信号，实现各模块之间的网络通讯；
飞行控制模块，运行于机载控制板上，其包括控制起飞、执行任务、指定位置自动识别降落、采集视频、识别分析、预警信息上传等功能；
摄像头，包括普通高清摄像头、夜视摄像头、光谱摄像头和热成像摄像头，其中普通高清摄像头用于识别捕捉河湖白天图像视频，并识别白天河湖四乱、水质异常、洪涝灾害等问题；夜视摄像头用于识别捕捉河湖夜晚图像视频；光谱摄像头可以清晰捕捉河湖水体图像视频并进行水质识别；热成像摄像头可以通过排污水与河湖水的温差来进行排污区域识别。
无人机通过飞行控制模块进行无人机飞行控制，人工智能模块通过4G/5G网络获取地面站控制系统规划的任务路径进行飞行，任务完成后通过建立四基站一标签超宽带(UWB)技术的空间厘米级定位与人工智能图像识别定位两种相互校正的方式进行精准返航停机与充电。无人机在任务执行过程中通过内置的人工智能模块进行图像识别后，针对异常情况将异常数据上传至云平台。无人机搭载普通高清摄像头可以识捕捉河湖图像视频进行识别白天河湖四乱、水质异常、洪涝灾害等问题；无人机搭载夜视摄像头可以捕捉河湖夜晚图像视频进行识别；无人机搭载光谱摄像头可以清晰捕捉河湖水体图像视频进行水质识别；无人机搭载热成像摄像头可以通过排污水与河湖水的温差来进行排污区域识别。
具体地，如图3所示，所述图像识别系统主要包括数据资源建设模块、深度学习算法模块；
数据资源建设模块主要有数据采集与标注单元、飞行控制数据库、算法模型数据库和巡检业务数据库；
数据采集与标注单元，主要采集无人机拍摄的图像视频数据；获取到的数据需包含各种巡检场景及环境，获取数据的方式有真实场景采集、遥感数据网上爬取和工具算法生成等；
真实场景采集，通过无人机在多个河湖上进行飞行采集无人机遥感图像视频数据；遥感数据网上爬取，通过网络爬虫爬取百度网站、微软的BING网站以及重要开源数据库的网站得到遥感数据，然后人工手动筛选需要的遥感数据；工具算法生成，通过生成对抗网络(GAN)等方法可以合成图像，也可以通过图像处理工具合成图像，将目标物体置于真实遥感背景图像中得到训练样本数据；
获取的数据需要包含不同的时间段，如：早晨、上午、中午、下午、傍晚、夜晚，需要包含不同的天气情况，如：晴天、雨天、阴天、雾天等，将采集的到的图像视频数据通过人工方式进行标注，标记出目标像素区域；
飞行控制数据库，包括上传的无人机GPS控制信息数据和任务路线规划站点信息数据；
算法模型数据库，包括各种类型的算法及其使用到的参数配置文件，通过深度学习算法对图像视频数据库进行训练，得到用于部署到无人机人工智能模块的模型数据；
巡检业务数据库，包括每个巡检业务上传的图像视频、预警信息数据、统计分析结果等数据；
深度学习算法模块，其模型像素精确度大于85％、平均交叉比大于80％，主要包括遥感图像分类模型、遥感目标检测模型和遥感语义分割模型等，其主要用于河湖“四乱”(乱占、乱采、乱堆、乱建)、水质异常、洪涝灾害等场景识别；
遥感图像分类模型，用于区分不同的事物，输入图像，输出对该图像内容分类的描述，图像中待分类物体是单一的；常用的标准网络模型：LeNet、AlexNet、VGG系列、ResNet系列、Inception系列、DenseNet系列、GoogleNet、NasNet、Xception、SeNet，轻量化网络模型：MobileNet v1、v2、ShuffleNet v1、v2、SqueezeNet等；
遥感目标检测模型，找出图像中所有感兴趣的目标，确定它们的位置和大小；目标检测的主要算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN、RetinaNet、FeaturePyramid Networks、YOLO系列、SSD、AttentionNet等；
遥感语义分割模型，将图像的每个像素所属类别进行标注，预测图像中的每个像素；语义分割主要算法有：U-Net、FCN、SegNet、Dilated Convolutions、DeepLab(v1&v2)、RefineNet、PSPNet、Large Kernel Matters、DeepLab v3、DeepLab v3+等；由于河湖巡查等水利工程业务要识别的目标种类较少，从而考虑只是用语义分割算法；在无人机人工智能模块上改进全卷积神经网络语义分割算法，根据实际图像的输入修改神经网络卷积核参数，以完成语义分割算法网络中最后一层池化层的多尺度池化与特征融合改进，提高无人机识别重点目标的精确度。
在经过多次智能识别测试与模型优化后，将多种深度学习算法模型同时加载到无人机人工智能模块中，使得无人机可以快速识别出目标图片与视频，且无人机在加载单个模型并正常运行时，其内存峰值占用大小不超过1.5G，以保证人工智能模块有较强的实时性。
具体地，如图4所示，所述停机坪大小控制在130cm*130cm*50cm以内，支持24小时在线和太阳能充电，其包括：物联网模块、UWB基站定位模块、户外防护外罩、无人机返航校正装置和充电装置；
物联网模块，用于停机坪和无人机之间的配对；
UWB基站定位模块，确保无人机精准降落；
户外防护外罩，具有防雨、防潮、防盗、防风的作用；
无人机返航校正装置，自动将无人机校正到停机坪正中心位置；
充电装置，自动接上充电线对无人机进行充电。
如图5所示，在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，无人机通过UWB基站设备ID与停机坪集群进行匹配，一台无人机可以匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电或者直接换电池，无人机通过无人机停机坪集群实现河湖超长距离巡查，可大大提升无人机巡查的续航能力。
具体地，如图6所示，所述地面站控制系统包括航线规划模块、实时监测模块、数据分析模块和设备管理模块；
航线规划模块，用于规划无人机航线，其包括两种模式，模式一：在控制系统上规划好航线上传至无人机，如果无人机需要进行续飞任务时，则需要提前通过云平台匹配好下一个降落的停机坪，此模式优点是操作较为简单，缺点是航线规划精度较低；模式二：现场飞手先手动飞行一遍，在飞行过程中通过遥控手动实时记录航点信息并进行轨迹采集，在无人机飞完一遍后记录飞行航线，然后直接保存到无人机，此模式优点是航线精度高；在本发明中，两种航线规划模式可以并行，模式二为默认飞行路线，由安装人员在安装后进行手动规划并上传至云平台，模式一为用户自定义路线，可以定义多条，每条都可以自定义飞行时间；
实时监测模块，包括基于GIS地图进行远程航线规划、任务参数设定、飞行实时信息展示等功能；
数据分析模块，用于无人机历史任务查询和任务结果分析管理；
设备管理模块，用于实现无人机和停机坪基础信息的增、删、改、查，无人机版本、模型和停机坪位置的更新管理。
具体地，所述云平台中的数据交换主要包括：监测数据和控制指令的传输，数据管理包括GPS数据、图片视频数据、站点信息等数据的存储和管理。
本发明基于停机坪集群的无人机智能巡查的方法步骤，包括：
通过地面站控制系统，点击自动任务，无人机开始自检，若遇到暴雨或台风等不适合飞行的天气条件时无人机暂停执行任务，在自检通过之后无人机通过地面站控制系统所规划的航线开始自动起飞，执行航线任务。在执行任务过程中，位于无人机本体中的人工智能模块在识别到河湖水质异常、洪涝灾害等异常情况时，可通过4G/5G信号把识别结果传输到云平台。地面站控制系统通过实时获取无人机当前剩余电量、无人机离前一停机坪和下一停机坪位置的距离，综合判断无人机应该返航或者继续巡查飞行，保证无人机的安全巡航。任务完成后无人机通过超宽带(UWB)技术定位与人工智能图像识别定位两种相互校正的方式进行精准返航，地面站控制系统控制无人机自动关机；在无人机定位返航后可能会出现实际停机位置与停机坪正中心有偏差而导致无人机不能正常充电，停机坪中的无人机返航校正装置自动将将无人机校正到停机坪的正中心位置，无人机充电装置自动接上充电线对无人机进行充电，至此完成了单次巡检的任务。
本发明是无人机基于停机坪集群对河湖进行智能巡查，首先建设无人机联网停机坪集群使得无人机能够长距离巡航；通过联网通信对无人机飞行进行远程控制，无人机采用超宽带(UWB)定位技术和人工智能图像识别定位技术进行返航停机；建立河湖巡查相关深度学习模型并部署于无人机内置的人工智能模块，无人机在飞行过程中通过人工智能模块对拍摄到的图像视频进行识别后，上传异常情况数据。
本发明将物联网模块、超宽带(UWB)基站定位模块、户外防护外罩、无人机返航校正装置和充电装置组建并完善成无人机停机坪。在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，一台无人机可以匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电，无人机通过无人机停机坪集群实现河湖超长距离巡查。
本发明事先规划好无人机飞行航线，由控制软件通过4G/5G联网通信对无人机进行远程控制，实现无人机的自主飞行。通过建立四基站一标签超宽带(UWB)技术的空间厘米级定位与人工智能图像识别定位两种相互校正的方式进行返航停机。
本发明数据资源建设主要有：数据采集与标注、图像视频数据库建设、算法与模型数据库、预警信息数据库建设、知识数据库建设。
本发明深度学习算法模型：根据河湖管理、水旱灾害防御、水利工程监管等业务需求，建立包括垃圾漂浮物、水质变化(非法排污)、水位预警、大坝安全、河湖非法侵占(养殖、房屋非法违建)、入侵检测(人游泳、采砂船等)等深度学习算法模型。
本发明经过多次智能识别测试与模型优化，无人机人工智能模块将多种深度学习算法模型同时加载到内存，使得无人机人工智能模块可以快速地识别目标图片与视频，保证人工智能模块有较强的实时性。
本发明的有益效果包括：
(1)巡查范围广。在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，一台无人机可以匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电或者直接换电池，无人机通过无人机停机坪集群可以实现河湖超长距离巡查，从而大大提升无人机巡查的续航能力。
(2)建设成本低。本发明与基于载波相位差分(RTK)技术的无人机河湖巡查方式相比，停机坪建设成本更低，适合在省市县乡各级河长办中推广使用，有效降低地方财政支出。
(3)安全性高。适合在天气环境较恶劣的河湖实施作业，特别是在山洪灾害中期和后期对河流断面的监测，能够避免不必要的人员伤亡，保证人身安全。
(4)实时性好。无人机通过4G/5G无线通讯模块能够实时传输航拍图像，灵活度高，适用于河(湖)长巡河的日常监测，为河(湖)长制定工作方案提供有力依据。
(5)精度高。无人机飞行高度通常为50～1000m，满足航空摄影中的近景测量标准，精度相对卫星遥感有大幅度的提升，测量精度为亚米级，其范围为0.1～0.5m。
(6)不受云层条件影响。无人机遥感通过控制飞行高度，可以有效避免云层对航拍效果的影响；同时，挂载的摄像头可以调节光圈、快门和感光度，并运用相关软件对颜色、反差、亮度进行调整和消雾处理。
本发明具有良好的社会效益：
(1)基于停机坪集群的无人机智能巡查系统结合通讯技术、超宽带定位返航技术、无人机停机坪集群技术、深度学习图像识别技术和智能视频监控技术，实现河湖管理、水旱灾害防御、水库监控等具体业务的多分支全方位识别，提升水利工程科学调度、精细化管理的能力。
(2)基于停机坪集群的无人机智能巡查系统对河湖进行全天候、全覆盖巡查，能够提高预警防灾减灾水平，及时发现并处理河湖、水利工程业务问题，保障人民生命财产安全。
本发明经济效益主要体现在节约人力、物力、时间成本方面：
(1)由传统的人工现场河湖、水利工程巡查转变为无人机实时智能自动化巡查，大大节省了人力成本与时间成本。
(2)以四基站一标签超宽带技术(UWB)的空间厘米级定位作为无人机新的智能巡查监测手段，丰富了无人机智能监测的方式，相比现有基于卫星的RTK无人机智能巡查方式更能节约资金成本。
本发明生态效益分析：
本发明最终成果为河湖、水利工程管理业务识别模型及无人机智能巡查系统，对环境不会产生任何不良影响，并可有效提高江河湖库水环境的监管力度，保护生态环境，智能监控河湖“四乱”(乱占、乱采、乱堆、乱建)、水质异常、洪涝灾害等问题，保障江河湖库等水生态自然环境可持续发展，助力实现河畅、水清、堤固、岸绿、景美的目标。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于停机坪集群的无人机智能巡查系统，其特征在于，包括：
无人机，用于根据地面站控制系统规划的任务路径进行飞行，在任务执行过程中通过内置的人工智能模块对所拍摄的图像视频进行图像识别后，针对异常情况将异常数据上传至云平台，任务完成后通过停机坪的基站定位模块与无人机的人工智能模块图像识别定位两种相互校正的方式进行精准返航停机与充电；
图像识别系统，用于识别目标图片与视频，在经过多次智能识别测试与模型优化后，将多种深度学习算法模型同时加载到无人机人工智能模块中，使得无人机可快速识别出目标图片与视频；
停机坪，用于无人机配对，确保无人机精准降落和进行充电，在无人机定位返航后可能会出现实际停机位置与停机坪正中心有偏差而导致无人机不能正常充电，内置的无人机返航校正装置自动将将无人机校正到停机坪的正中心位置，内置的充电装置自动接上充电线对无人机进行充电；
地面站控制系统，用于对无人机进行远程控制，实现无人机的自主飞行，摆脱人工遥控器操作模式的限制；
云平台，提供接口服务，用于各软硬件之间的数据交换及数据管理。
2.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述无人机包括：
人工智能模块，可加载多个算法模型，采用多进程和多线程联合模式，实时捕捉视频帧，协同处理检测识别和网络交互的任务；动态识别视频中的异常帧，智能识别服务可自动从异常帧前后截取一段时间的短视频作为取证视频；
无线通讯模块，用于接收和发送信号，实现各模块之间的网络通讯；
飞行控制模块，运行于机载控制板上，其包括控制起飞、执行任务、指定位置自动识别降落、采集视频、识别分析和预警信息上传功能；
摄像头，包括普通高清摄像头、夜视摄像头、光谱摄像头和热成像摄像头；其中普通高清摄像头用于识别捕捉河湖白天图像视频，并识别白天河湖四乱、水质异常和洪涝灾害的问题；夜视摄像头用于识别捕捉河湖夜晚图像视频；光谱摄像头用于清晰捕捉河湖水体图像视频并进行水质识别；热成像摄像头用于通过排污水与河湖水的温差来进行排污区域识别。
3.根据权利要求2所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述人工智能模块智能识别服务自动从异常帧前后截取10秒到1分钟的短视频作为取证视频；所述无线通讯模块为4G/5G通讯模块。
4.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述图像识别系统包括：
数据资源建设模块，用于通过真实场景采集、遥感数据网上爬取和工具算法生成的方式获取各种巡检场景及环境的数据，并将获取到的数据进行分类存储到对应的数据库中；
深度学习算法模块，用于河湖乱占、乱采、乱堆、乱建、水质异常和洪涝灾害的场景识别。
5.根据权利要求4所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述数据资源建设模块包括：
数据采集与标注单元，用于通过真实场景采集、遥感数据网上爬取和工具算法生成的方式获取各种巡检场景及环境的数据，并将获取到的数据进行分类存储；
飞行控制数据库，用于存储无人机GPS控制信息数据和任务路线规划站点信息数据；
算法模型数据库，用于存储各种算法及其使用到的参数配置文件；
巡检业务数据库，用于存储每个巡检业务上传的图像视频、预警信息数据和统计分析结果数据。
6.根据权利要求4所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述深度学习算法模块包括：
遥感图像分类模型，用于区分不同的事物，输入图像，输出对该图像内容分类的描述；
遥感目标检测模型，用于找出图像中所有感兴趣的目标，确定它们的位置和大小；
遥感语义分割模型，用于将图像的每个像素所属类别进行标注，预测图像中的每个像素。
7.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述停机坪包括：
物联网模块，用于停机坪和无人机之间的配对；
基站定位模块，用于确保无人机精准降落；
户外防护外罩，具有防雨、防潮、防盗和防风的作用；
无人机返航校正装置，用于自动将无人机校正到停机坪正中心位置；
充电装置，用于自动接上充电线对无人机进行充电。
8.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述无人机智能巡查系统在河湖沿岸间隔一定距离建设多个无人机停机坪，形成停机坪集群，一台无人机可匹配并停于停机坪集群中的每一个停机坪，每个停机坪都可为无人机充电，无人机通过停机坪集群实现河湖超长距离巡查，提升无人机巡查的续航能力。
9.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述地面站控制系统包括：
航线规划模块，用于规划无人机航线；其包括两种模式，模式一：在控制系统上规划好航线上传至无人机，如果无人机需要进行续飞任务时，则需要提前通过云平台匹配好下一个降落的停机坪；模式二：现场飞手先手动飞行一遍，在飞行过程中通过遥控手动实时记录航点信息并进行轨迹采集，在无人机飞完一遍后记录飞行航线，然后直接保存到无人机；两种航线规划模式可并行，模式二为默认飞行路线，由安装人员在安装后进行手动规划并上传至云平台，模式一为用户自定义路线，可定义多条，每条都可自定义飞行时间；
实时监测模块，包括基于GIS地图进行远程航线规划、任务参数设定和飞行实时信息展示的功能；
数据分析模块，用于无人机历史任务查询和任务结果分析管理；
设备管理模块，用于实现无人机和停机坪基础信息的增、删、改、查，以及无人机版本、模型和停机坪位置的更新管理。
10.根据权利要求1所述的基于停机坪集群的无人机智能巡查系统，其特征在于，所述云平台中的数据交换包括监测数据和控制指令的传输，数据管理包括GPS数据、图片视频数据和站点信息的存储和管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079265.7A CN112422783B (zh) | 2020-10-10 | 2020-10-10 | 一种基于停机坪集群的无人机智能巡查系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011079265.7A CN112422783B (zh) | 2020-10-10 | 2020-10-10 | 一种基于停机坪集群的无人机智能巡查系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112422783A true CN112422783A (zh) | 2021-02-26 |
| CN112422783B CN112422783B (zh) | 2022-12-27 |
Family
ID=74853938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011079265.7A Active CN112422783B (zh) | 2020-10-10 | 2020-10-10 | 一种基于停机坪集群的无人机智能巡查系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112422783B (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947588A (zh) * | 2021-03-01 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线系统 |
| CN113009929A (zh) * | 2021-03-01 | 2021-06-22 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线控制方法 |
| CN113110577A (zh) * | 2021-04-15 | 2021-07-13 | 中国南方电网有限责任公司超高压输电公司柳州局 | 电网巡检无人机飞行路线规划管理系统 |
| CN113225530A (zh) * | 2021-04-21 | 2021-08-06 | 中交第三公路工程局有限公司工程总承包分公司 | 一种基于ai识别技术的桥梁安全巡检装置 |
| CN113282101A (zh) * | 2021-04-30 | 2021-08-20 | 苏州西热节能环保技术有限公司 | 一种用于火力发电厂的无人机巡检系统、方法及存储介质 |
| CN113504787A (zh) * | 2021-06-03 | 2021-10-15 | 北京万丰创动科技服务有限公司 | 无人装置集群指挥系统 |
| CN113554775A (zh) * | 2021-06-01 | 2021-10-26 | 广东电网有限责任公司广州供电局 | 无人机电力巡检系统 |
| CN113612966A (zh) * | 2021-07-02 | 2021-11-05 | 河南浩宇空间数据科技有限责任公司 | 一种基于城市低空遥感数据的特定目标物智能判别方法 |
| CN113628084A (zh) * | 2021-08-10 | 2021-11-09 | 中水三立数据技术股份有限公司 | 一种基于无人机巡检的河长制管理系统及方法 |
| CN113671994A (zh) * | 2021-09-01 | 2021-11-19 | 重庆大学 | 基于强化学习的多无人机与多无人船巡检控制系统 |
| CN113721648A (zh) * | 2021-08-27 | 2021-11-30 | 深圳市道通智能航空技术股份有限公司 | 一种无人机飞行控制方法、装置、管理平台和存储介质 |
| CN113733953A (zh) * | 2021-11-05 | 2021-12-03 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 用于无人机充电、遥感图像采集和存储的系统及方法 |
| CN113848983A (zh) * | 2021-10-29 | 2021-12-28 | 武汉大学 | 一种针对大坝缺陷检测的无人机群自动巡检系统及方法 |
| CN113923653A (zh) * | 2021-09-24 | 2022-01-11 | 中国人民解放军海军工程大学 | 一种无线充电无人机巡查及信息安全防护系统 |
| CN113961021A (zh) * | 2021-10-22 | 2022-01-21 | 北京数字绿土科技有限公司 | 基于二维码定位的电力巡检无人机自主起降方法 |
| CN113984058A (zh) * | 2021-10-19 | 2022-01-28 | 河南浩宇空间数据科技有限责任公司 | 一种无信标支撑的密闭空间应急逃生导航系统 |
| CN114583817A (zh) * | 2022-03-12 | 2022-06-03 | 思翼科技（深圳）有限公司 | 一种无人机用智能防干扰供电系统及其维护方法 |
| CN114712980A (zh) * | 2022-03-30 | 2022-07-08 | 天津大学 | 一种可移动飞行的直接空气二氧化碳捕集系统及方法 |
| CN114911271A (zh) * | 2022-06-23 | 2022-08-16 | 深圳市多翼创新科技有限公司 | 一种基于云化无人机的广域分布式协同作业系统及方法 |
| CN115082276A (zh) * | 2022-08-22 | 2022-09-20 | 水利部珠江水利委员会水文局 | 基于模型交互的河湖乱象监测方法及装置 |
| CN115271113A (zh) * | 2022-06-30 | 2022-11-01 | 国网经济技术研究院有限公司 | 抽水蓄能电站施工过程智能巡查方法 |
| CN115661965A (zh) * | 2022-09-06 | 2023-01-31 | 贵州博睿科讯科技发展有限公司 | 一种融合自动机场的公路无人机智能巡检系统 |
| WO2023178490A1 (zh) * | 2022-03-21 | 2023-09-28 | 深圳市大疆创新科技有限公司 | 无人机及其控制方法、控制装置、基站和无人机系统 |
| CN116844381A (zh) * | 2023-06-06 | 2023-10-03 | 广州思谋信息科技有限公司 | 一种基于人工智能的无人机停机管理系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105226836A (zh) * | 2015-10-20 | 2016-01-06 | 杨珊珊 | 一种能够自动充电的无人机、无人机充电系统和充电方法 |
| CN105788269A (zh) * | 2016-05-12 | 2016-07-20 | 招商局重庆交通科研设计院有限公司 | 基于无人机的异常交通识别方法 |
| US20170139409A1 (en) * | 2015-09-18 | 2017-05-18 | Robert Clarke | Autonomous multi-rotor aerial vehicle with landing and charging system |
| CN106921193A (zh) * | 2017-03-09 | 2017-07-04 | 深圳大学 | 一种无人机的充电方法及停机坪 |
| CN108995823A (zh) * | 2018-07-26 | 2018-12-14 | 上海楚山电子科技有限公司 | 无人机无线共享充电停机坪及具有优先级的无线充电方法 |
| CN109298723A (zh) * | 2018-11-30 | 2019-02-01 | 山东大学 | 一种车载无人机精准降落方法和系统 |
-
2020
- 2020-10-10 CN CN202011079265.7A patent/CN112422783B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170139409A1 (en) * | 2015-09-18 | 2017-05-18 | Robert Clarke | Autonomous multi-rotor aerial vehicle with landing and charging system |
| CN105226836A (zh) * | 2015-10-20 | 2016-01-06 | 杨珊珊 | 一种能够自动充电的无人机、无人机充电系统和充电方法 |
| CN105788269A (zh) * | 2016-05-12 | 2016-07-20 | 招商局重庆交通科研设计院有限公司 | 基于无人机的异常交通识别方法 |
| CN106921193A (zh) * | 2017-03-09 | 2017-07-04 | 深圳大学 | 一种无人机的充电方法及停机坪 |
| CN108995823A (zh) * | 2018-07-26 | 2018-12-14 | 上海楚山电子科技有限公司 | 无人机无线共享充电停机坪及具有优先级的无线充电方法 |
| CN109298723A (zh) * | 2018-11-30 | 2019-02-01 | 山东大学 | 一种车载无人机精准降落方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| "《宇航学报》第29卷(2008年)总目录", 《宇航学报》 * |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947588A (zh) * | 2021-03-01 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线系统 |
| CN113009929A (zh) * | 2021-03-01 | 2021-06-22 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线控制方法 |
| CN113110577A (zh) * | 2021-04-15 | 2021-07-13 | 中国南方电网有限责任公司超高压输电公司柳州局 | 电网巡检无人机飞行路线规划管理系统 |
| CN113225530A (zh) * | 2021-04-21 | 2021-08-06 | 中交第三公路工程局有限公司工程总承包分公司 | 一种基于ai识别技术的桥梁安全巡检装置 |
| CN113282101A (zh) * | 2021-04-30 | 2021-08-20 | 苏州西热节能环保技术有限公司 | 一种用于火力发电厂的无人机巡检系统、方法及存储介质 |
| CN113554775A (zh) * | 2021-06-01 | 2021-10-26 | 广东电网有限责任公司广州供电局 | 无人机电力巡检系统 |
| CN113504787A (zh) * | 2021-06-03 | 2021-10-15 | 北京万丰创动科技服务有限公司 | 无人装置集群指挥系统 |
| CN113612966A (zh) * | 2021-07-02 | 2021-11-05 | 河南浩宇空间数据科技有限责任公司 | 一种基于城市低空遥感数据的特定目标物智能判别方法 |
| CN113628084A (zh) * | 2021-08-10 | 2021-11-09 | 中水三立数据技术股份有限公司 | 一种基于无人机巡检的河长制管理系统及方法 |
| CN113721648A (zh) * | 2021-08-27 | 2021-11-30 | 深圳市道通智能航空技术股份有限公司 | 一种无人机飞行控制方法、装置、管理平台和存储介质 |
| CN113671994A (zh) * | 2021-09-01 | 2021-11-19 | 重庆大学 | 基于强化学习的多无人机与多无人船巡检控制系统 |
| CN113671994B (zh) * | 2021-09-01 | 2024-03-05 | 重庆大学 | 基于强化学习的多无人机与多无人船巡检控制系统 |
| CN113923653B (zh) * | 2021-09-24 | 2023-12-15 | 中国人民解放军海军工程大学 | 一种无线充电无人机巡查及信息安全防护系统 |
| CN113923653A (zh) * | 2021-09-24 | 2022-01-11 | 中国人民解放军海军工程大学 | 一种无线充电无人机巡查及信息安全防护系统 |
| CN113984058A (zh) * | 2021-10-19 | 2022-01-28 | 河南浩宇空间数据科技有限责任公司 | 一种无信标支撑的密闭空间应急逃生导航系统 |
| CN113961021A (zh) * | 2021-10-22 | 2022-01-21 | 北京数字绿土科技有限公司 | 基于二维码定位的电力巡检无人机自主起降方法 |
| CN113848983A (zh) * | 2021-10-29 | 2021-12-28 | 武汉大学 | 一种针对大坝缺陷检测的无人机群自动巡检系统及方法 |
| CN113733953A (zh) * | 2021-11-05 | 2021-12-03 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 用于无人机充电、遥感图像采集和存储的系统及方法 |
| CN114583817B (zh) * | 2022-03-12 | 2022-09-30 | 思翼科技（深圳）有限公司 | 一种无人机用智能防干扰供电系统及其维护方法 |
| CN114583817A (zh) * | 2022-03-12 | 2022-06-03 | 思翼科技（深圳）有限公司 | 一种无人机用智能防干扰供电系统及其维护方法 |
| WO2023178490A1 (zh) * | 2022-03-21 | 2023-09-28 | 深圳市大疆创新科技有限公司 | 无人机及其控制方法、控制装置、基站和无人机系统 |
| CN114712980A (zh) * | 2022-03-30 | 2022-07-08 | 天津大学 | 一种可移动飞行的直接空气二氧化碳捕集系统及方法 |
| CN114712980B (zh) * | 2022-03-30 | 2024-03-08 | 天津大学 | 一种可移动飞行的直接空气二氧化碳捕集系统及方法 |
| CN114911271A (zh) * | 2022-06-23 | 2022-08-16 | 深圳市多翼创新科技有限公司 | 一种基于云化无人机的广域分布式协同作业系统及方法 |
| CN115271113A (zh) * | 2022-06-30 | 2022-11-01 | 国网经济技术研究院有限公司 | 抽水蓄能电站施工过程智能巡查方法 |
| CN115082276B (zh) * | 2022-08-22 | 2022-12-06 | 水利部珠江水利委员会水文局 | 基于模型交互的河湖乱象监测方法及装置 |
| CN115082276A (zh) * | 2022-08-22 | 2022-09-20 | 水利部珠江水利委员会水文局 | 基于模型交互的河湖乱象监测方法及装置 |
| CN115661965B (zh) * | 2022-09-06 | 2024-01-12 | 贵州博睿科讯科技发展有限公司 | 一种融合自动机场的公路无人机智能巡检系统 |
| CN115661965A (zh) * | 2022-09-06 | 2023-01-31 | 贵州博睿科讯科技发展有限公司 | 一种融合自动机场的公路无人机智能巡检系统 |
| CN116844381A (zh) * | 2023-06-06 | 2023-10-03 | 广州思谋信息科技有限公司 | 一种基于人工智能的无人机停机管理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112422783B (zh) | 2022-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112422783B (zh) | 一种基于停机坪集群的无人机智能巡查系统 | |
| CN108922188B (zh) | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 | |
| CN202434011U (zh) | 森林火灾自动监测与报警系统 | |
| CN110673628B (zh) | 一种复合翼无人机油气管线巡检方法 | |
| CN109640032A (zh) | 基于人工智能多要素全景监控检测五维预警系统 | |
| CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
| CN203219298U (zh) | 一种适用于山区电网巡检的专用无人直升机系统 | |
| CN209545749U (zh) | 一种陆海空一体化生态环境监测系统 | |
| CN109711348A (zh) | 基于长期驻空平台的实时违章建筑的智能监测方法及系统 | |
| CN110647170A (zh) | 一种基于无人机的航标巡检装置与方法 | |
| CN112649900A (zh) | 一种能见度的监测方法、装置、设备、系统和介质 | |
| CN116631158A (zh) | 一种基于图像识别和计算机视觉的滑坡预警装置 | |
| CN210835732U (zh) | 一种基于无人机的航标巡检装置 | |
| CN114267155A (zh) | 一种基于视频识别技术的地质灾害监测预警系统 | |
| CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
| CN112669572A (zh) | 一种用于江河流域库岸智能巡查的无人船系统 | |
| KR102262382B1 (ko) | 무인기 기반 영상 취득의 광지역 공간정보 구축시스템 | |
| WO2022107619A1 (ja) | データ解析装置および方法、並びに、プログラム | |
| Desfosses et al. | The feasibility of using remotely piloted aircraft systems (RPAS) for recreational fishing surveys in Western Australia | |
| CN211477203U (zh) | 基于高分辨率遥感影像的精细化监测设备系统 | |
| WO2022107620A1 (ja) | データ解析装置および方法、並びに、プログラム | |
| Rexer-Huber et al. | Bounty Islands drone trials: feasibility for population assessment of NZ fur seal | |
| CN114655361B (zh) | 智能浮标、海上巡航的无人机集群化控制管理系统和方法 | |
| CN115071974A (zh) | 基于地质隐患监测系统的无人机灾后自主勘测方法 | |
| CN213735527U (zh) | 一种基于停机坪集群的无人机巡查装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |