CN115355952A - 一种原油储罐智能巡检系统 - Google Patents
一种原油储罐智能巡检系统 Download PDFInfo
- Publication number
- CN115355952A CN115355952A CN202211283140.5A CN202211283140A CN115355952A CN 115355952 A CN115355952 A CN 115355952A CN 202211283140 A CN202211283140 A CN 202211283140A CN 115355952 A CN115355952 A CN 115355952A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- unmanned aerial
- aerial vehicle
- unmanned
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 144
- 239000010779 crude oil Substances 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 63
- 238000013500 data storage Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 50
- 230000008054 signal transmission Effects 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 14
- 238000009877 rendering Methods 0.000 claims description 13
- 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 9
- 239000013589 supplement Substances 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 3
- 239000002344 surface layer Substances 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 5
- 230000002194 synthesizing effect Effects 0.000 description 5
- 239000003921 oil Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- -1 used in refineries Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种原油储罐智能巡检系统，具体涉及能源管理领域，包括用以整合数据计算的AI学习模块、用以提供计算平台和数据传输的总控服务器、用以存储数据的数据存储模块、用以进行人工指令输入操作的人工操作模块、用以进行无人机巡航的无人机模块、用以定位无人设备的雷达反应模块和用以进行地面巡航的无人车模块，本发明通过设计无人机模块与无人车模块进行交替巡检、协同巡检的方式对原油储罐进行地面角度、中低空角度的巡检，同时将排除的异常状况画面以及数据整合至AI学习模块中，持续完善AI学习模块在进行画面对比时数据库以及情况筛查的准确性，极大地降低了原油储罐巡检过程中所耗费的人力，并且可以持续提升巡检时的准确性。
Description
技术领域
本申请涉及能源管理的技术领域，尤其涉及一种原油储罐智能巡检系统。
背景技术
原油储罐是储存原油或其他石油产品的容器，用在炼油厂、油田、油库以及其他工业中，油罐区由多个油罐组成，每个油罐区一般储存一种油品。
原油储罐由于大多是处于露天的状态，所以其在使用过程中必然会受到周围环境的影响，导致其外部风化、腐蚀，进而导致结构变形，所以需要时常进行巡检，检测其表面风化腐蚀程度、形变量等等数据，确保其处于可以正常使用的状态。
现有技术中，对于原油储罐的检测大多是依靠人工巡检、依靠个别检测设备进行对应数据检测，并且由人工操作，仅仅依靠规范标准来进行，从而导致每个区域有不同的原油储罐检测方式，由此则导致适用广泛的智能巡检的方式较为稀少，没有一个较为完整且高效的体系，对于巡检效率来说较为低下，也需要耗费大量的人力，存在缺陷。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种原油储罐智能巡检系统。
为了实现上述目的，本发明采用了如下技术方案：
一种原油储罐智能巡检系统，包括用以整合数据计算的AI学习模块、用以提供计算平台和数据传输的总控服务器、用以存储数据的数据存储模块、用以进行人工指令输入操作的人工操作模块、用以进行无人机巡航的无人机模块、用以定位无人设备的雷达反应模块和用以进行地面巡航的无人车模块；
所述AI学习模块由用以建立原油储罐三维模型并进行渲染的三维模型渲染模块、用以分析检测图像光照度的光照度校准模块、用以进行图像对比的图像对比模块、用以提取影像帧图的帧图提取模块、用以输出检测结果的检测结果输出模块、用以记录排查结果的排查结果记录模块和用以进行图像和数据处理的综合整理模块组成，所述综合整理模块包括用以进行航线对比计算的航线数据计算对比模块、用以进行风力对比计算的风力数据计算对比模块、用以进行定位数据对比计算的定位数据计算对比模块、用以进行数据监控的差值监控模块、用以提取图像特征的图像特征提取模块和用以进行数据处理的数据处理模块；
所述无人机模块由用以记录无人机航线的无人机航线记录模块、用以检测实时风力的风力检测模块、用以进行信号传输的无人机信号传输模块、用以进行高速摄像的无人机高速摄像模块、用以进行红外图像拍摄的无人机红外摄像模块、用以进行飞行控制的飞行控制模块和用以发射和接收雷达信号的无人机雷达模块组成；
所述雷达反应模块由分设在各个原油储罐顶部中心处的雷达信号接收与反馈设备组成，按照巡航顺序分别标记雷达反射点一、雷达反射点二、雷达反射点三，直到雷达反射点N；
所述无人车模块由用以记录无人车航线的无人车航线记录模块、用以进行信号传输的无人车信号传输模块、用以进行高速摄像的无人车高速摄像模块、用以拍摄红外影像的无人车红外摄像模块、用以进行无人车行驶控制的行驶控制模块和用以发射和接收雷达信号的无人车雷达模块组成。
本发明进一步设置为：所述无人机航线记录模块、风力检测模块、无人机高速摄像模块、无人机红外摄像模块和无人机雷达模块所检测到的数据均通过无人机信号传输模块传输至总控服务器，并且由所述总控服务器将对应信号传输至AI学习模块中，并且将对应的无人机航线数据、风力数据、无人机高速影像数据、无人机红外影像数据和无人机雷达定位数据进行分项处理，由图像特征提取模块提取无人机航线数据、风力数据和无人机雷达定位数据，作为图像处理中的辅助性定位数据，无人机高速影像数据和无人机红外影像数据则为综合整理模块的差异判断依据数据。
通过采用上述技术方案：可以对无人机在巡检过程中的环境影响因素进行收集，并作为变量整合至计算中，提高图像对比精度。
本发明进一步设置为：所述无人车航线记录模块、无人车高速摄像模块、无人车红外摄像模块和无人车雷达模块所检测到的数据均通过无人车信号传输模块传输至总控服务器，并且总控服务器将对应信号传输至AI学习模块中，并且由综合整理模块对无人车航线数据进行提取，作为图像处理中的辅助性定位数据，无人车高速影像数据和无人车红外影像数据则为综合整理模块的差异判断依据数据。
通过采用上述技术方案：可以对无人车的进行小范围精准定位，并且对无人车采集到的图像数据进行分析对比。
本发明进一步设置为：所述无人机信号传输模块和无人车信号传输模块将数据传输至总控服务器中时，所述数据存储模块对对应数据进行同步分项存储，并且所述总控服务器所接收到的检测结果输出模块输出的检测结果同步存储至数据存储模块中对应的数据项目中。
通过采用上述技术方案：可以对巡检时的环境数据、图像数据进行存储，方便调研取用。
本发明进一步设置为：所述飞行控制模块和行驶控制模块通过总控服务器接收来自人工操作模块的不同控制指令。
通过采用上述技术方案：使用者可以通过手动操作来控制无人设备。
本发明进一步设置为：所述AI学习模块、总控服务器、数据存储模块、人工操作模块、无人机模块、雷达反应模块和无人车模块的运作包括以下步骤：
S1、首先在原油储罐建成时进行数据统计，统计的数据包括但不限于空罐数据、表层腐蚀数据、满罐数据和位置数据，并且在统计完成上述数据后安设雷达反应模块，并且通过无人机模块和无人车模块进行试验性巡检，试验性巡检次数为三次，巡检完成后对三次巡检数据进行融合，作为样本数据，前期准备工作完成；
S2、在进行巡检前，首先获取天气数据，并选取无人车巡检或无人机巡检方式：当天气数据导致无人机飞行受阻时，放弃无人机巡检方式，并采取无人车巡检和人工巡检结合的方式；当无人机可正常放飞时，采取无人车巡检和无人机巡检结合的方式；当天气条件满足无人机放飞条件，并且需要进行大规模维护时，采取无人车巡检、无人机巡检和人工巡检三者结合的方式；
S3、在巡检过程中：
无人机巡检状况监控：无人机航线记录模块将无人机的航线数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时风力检测模块将无人机的风力数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给风力数据计算对比模块进行风力数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人机的雷达定位数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
无人车巡检状况监控：无人车航线记录模块将无人车的航线数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人车的雷达定位数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
S4、将无人设备巡检过程中所拍摄到的高清影像和红外影像通过信号传输模块传输给总控服务器，并且由数据存储模块进行同步数据备份，同时将影像数据传输给光照度校准模块进行图像的光照度调整，然后通过帧图提取模块提取时间节点对应的影像，并且通过图像对比模块进行图像对比，同时由差值监控模块进行差值监控，当出现差值过大的情况时，由检测结果输出模块向总控服务器传输检测结果，并且由人工的方式进行差异数据排查；
S5、在数据排查时，通过雷达定位记录出现差异情况时无人设备所在位置，并自动接入人工操作模块进行手动操作，进行偏航巡检，同时暂停巡检影响记录计时，并额外重新记录时间，以差异情况出现的时间节点建立时间戳，接入手动操作，并保存航线偏离时的手动操作图像数据，由人工观察无人机图像进行异常排查，并将结果上传至排查结果记录模块，由数据处理模块进行数据处理，并且将处理完成的数据对样本数据进行数据补充，数据补充由样本图像的时间建立时间轴，并进行节点分割，分割时以1毫秒时间间隔建立时间戳，1毫秒时间间隔内的样本图像数据归于该时间戳内数据，当对应时间戳内的数据对比出现异常时，在该时间戳下建立第一次异常记录，并且该时间戳在后续巡检过程中出现异常时顺延上次异常记录建立新的异常记录，异常记录内容对象包括对应时间点的异常图像、排查结果记录和排查视频数据，在无人设备归航后通过雷达定位校准位置，校准完成后继续巡检并且继续计时；
S6、利用图像特征提取模块提取异常记录中异常图像的图像图形与色彩数据，同时将排查视频数据中对应的物体特征进行提取归类，然后将数据传输给三维模型渲染模块，进行原油储罐三维渲染模型的完善。
通过采用上述技术方案：通过以时间间隔分割样本数据，并以对应时间间隔对巡检图像数据提供对比坐标，在航线、航速、拍摄角度等变量极小的情况下，以此方式来对图像进行时间点为准的数据调取对比，可以极大地提高同一节点、角度下原油储罐的情况变化的检测精度。
本发明进一步设置为：所述步骤S1中，试验性巡检的三次数据中，各项数据误差不能超过5%，超过的则作为作废数据，并重新进行巡检，三次的巡检数据在融合时，取各项对应数据的平均值，图像数据进行重叠并进行图特征扫描，图像处理由向AI学习模块中输入图形叠合算法完成。
通过采用上述技术方案：确保作为对比基准的样本数据的准确性，避免检测误差过大。
本发明进一步设置为：所述步骤S5中，差异情况校准过程中，首先将无人设备拍摄的画面与样本图像逐帧对比，样本图像与拍摄图像以时间节点为匹配标准，拍摄图像的光照度以样本图像中对应时间节点的光照度为基准对比，过强则自动降低画面光强度，弱则自动提升画面光强度，同时风力与样本图像数据存在差异时，则根据雷达定位显示的无人设备位置与样本数据中无人设备位置进行比对，然后根据风力与样本数据中的风力进行比对，以雷达定位数据符合度为准，平衡风力数据，最后相同时间坐标内调取样本图像与拍摄图像进行图像差异性对比，相似度超过95%则为无差异。
通过采用上述技术方案：减少环境因素对无人设备摄像的负面影响。
本发明的有益效果为：
本发明通过设计无人机模块与无人车模块进行交替巡检、协同巡检的方式对原油储罐进行地面角度、中低空角度的巡检，并且通过制定样本数据的方式，来限定无人设备的航线与拍摄画面的准确性，减少日常巡检时所拍摄的画面与样本数据中的画面的角度、位置差异，使得巡检画面与样本画面可以尽可能地观测到不同时间下同一位置的情况变化，并且通过AI学习模块进行快速比对，同时将排除的异常状况画面以及数据整合至AI学习模块中，持续完善AI学习模块在进行画面对比时数据库以及情况筛查的准确性，极大地降低了原油储罐巡检过程中所耗费的人力，并且可以持续提升巡检时的准确性；
本发明通过对无人设备的航线、以及区域雷达定位的控制，进一步确保无人设备拍摄画面与样本画面的位置、角度、时间轴中的节点的相同性，减少变量，提高原油储罐在巡检过程中对同一位置变化细节的监控准确性，进一步提高本发明智能巡检的可靠性。
附图说明
图1为本发明一种原油储罐智能巡检系统的模块示意图。
图2为本发明中的综合整理模块的模块示意图。
图3为本发明中的样本图像数据与异常记录示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。
实施例1
如图1和图2所示，一种原油储罐智能巡检系统，包括用以整合数据计算的AI学习模块、用以提供计算平台和数据传输的总控服务器、用以存储数据的数据存储模块、用以进行人工指令输入操作的人工操作模块、用以进行无人机巡航的无人机模块、用以定位无人设备的雷达反应模块和用以进行地面巡航的无人车模块；
所述AI学习模块由用以建立原油储罐三维模型并进行渲染的三维模型渲染模块、用以分析检测图像光照度的光照度校准模块、用以进行图像对比的图像对比模块、用以提取影像帧图的帧图提取模块、用以输出检测结果的检测结果输出模块、用以记录排查结果的排查结果记录模块和用以进行图像和数据处理的综合整理模块组成，所述综合整理模块包括用以进行航线对比计算的航线数据计算对比模块、用以进行风力对比计算的风力数据计算对比模块、用以进行定位数据对比计算的定位数据计算对比模块、用以进行数据监控的差值监控模块、用以提取图像特征的图像特征提取模块和用以进行数据处理的数据处理模块；
所述无人机模块由用以记录无人机航线的无人机航线记录模块、用以检测实时风力的风力检测模块、用以进行信号传输的无人机信号传输模块、用以进行高速摄像的无人机高速摄像模块、用以进行红外图像拍摄的无人机红外摄像模块、用以进行飞行控制的飞行控制模块和用以发射和接收雷达信号的无人机雷达模块组成；
所述雷达反应模块由分设在各个原油储罐顶部中心处的雷达信号接收与反馈设备组成，按照巡航顺序分别标记雷达反射点AI学习模块、雷达反射点总控服务器、雷达反射点数据存储模块，直到雷达反射点N；
所述无人车模块由用以记录无人车航线的无人车航线记录模块、用以进行信号传输的无人车信号传输模块、用以进行高速摄像的无人车高速摄像模块、用以拍摄红外影像的无人车红外摄像模块、用以进行无人车行驶控制的行驶控制模块和用以发射和接收雷达信号的无人车雷达模块组成。
上述实施例中，无人机模块可以进行中低空巡检，巡检手段主要通过将高清摄像和红外摄像的图像与预先拍摄的基准图像进行比对，并且通过AI学习模块对图像进行差异计算，通过差异计算的差值来进行异常警报，并且通过人工操作模块来进行异常排查，同时将检查结果利用数据存储模块进存储，其间的数据流通控制通过总控服务器完成；
并且，通过设计的无人机模块来对无人机巡检过程中时常受到的风力影响进行检测，结合航线数据计算对比模块对风力数据进行对比运算，并且作为无人机拍摄图像的时间点的准确性校准依据，使得无人机在巡检过程中所拍摄到的画面与对应的时间节点与样本图像的时间节点可以极大程度的对应，使得图像的对比更加准确，并且配合雷达定位功能使得无人机和无人车在巡检过程中拍摄到的影像的位置以及角度可以被掌控，进一步提高巡检过程中无人设备所拍摄到的画面与样本影像中的画面可以极大程度地对应，减少图形数据计算总的变量，使得图形对比计算的结果更加准确。
其中，所述无人机航线记录模块、风力检测模块、无人机高速摄像模块、无人机红外摄像模块和无人机雷达模块所检测到的数据均通过无人机信号传输模块传输至总控服务器，并且由所述总控服务器将对应信号传输至AI学习模块中，并且将对应的无人机航线数据、风力数据、无人机高速影像数据、无人机红外影像数据和无人机雷达定位数据进行分项处理，由综合整理模块提取无人机航线数据、风力数据和无人机雷达定位数据，作为图像处理中的辅助性定位数据，无人机高速影像数据和无人机红外影像数据则为综合整理模块的差异判断依据数据。
其中，所述无人车航线记录模块、无人车高速摄像模块、无人车红外摄像模块和无人车雷达模块所检测到的数据均通过无人车信号传输模块传输至总控服务器，并且由所述AI学习模块将对应信号传输至AI学习模块中，并且由综合整理模块对无人车航线数据进行提取，作为图像处理中的辅助性定位数据，无人车高速影像数据和无人车红外影像数据则为综合整理模块的差异判断依据数据。
上述内容，通过无人设备中带有的航线记录模块、雷达模块和风力检测模块来对无人设备的运行环境和运作位置进行检测，对无人设备所拍摄的图像进行精准控制，通过精准控制无人设备的位置以及拍摄角度来使其所拍摄的画面与作为参考比对依据的样本画面具备相近的拍摄条件，使得画面更加精准，降低对比误差。
其中，所述无人机信号传输模块和无人车信号传输模块将数据传输至总控服务器中时，所述数据存储模块对对应数据进行同步分项存储，并且所述总控服务器所接收到的检测结果输出模块输出的检测结果同步存储至数据存储模块中对应的数据项目中；
上述内容，通过对无人机和无人车所拍摄的画面进行分项存储，使得无人设备所拍摄的画面数据可以进行详尽的分类存储，方便审查校准时的数据调取。
其中，所述飞行控制模块和行驶控制模块通过总控服务器接收来自人工操作模块的不同控制指令。
其中，无人机航线记录模块、无人机信号传输模块和飞行控制模块为无人机设备中最为基础的功能预设，航线记录一般是基于卫星定位来实现的，这种方式存在较大的地理空间位置误差，所以引入无人机雷达模块和雷达反应模块、无人机雷达模块和雷达反应模块互相配合的形式，进行小范围内的雷达网络定位，各个雷达设备作为空间反射网点，通过多向雷达波反馈来定位处无人设备的具体位置数据，将位置数据误差限定在一个极小的范围，进一步减少图像误差。
其中，图像特征提取模块的图像特征提取算法包括但不限于：HOG特征提取算法、LBP特征提取算法和Haar特征提取算法，通过图像特征提取模块将图像中的光照度数据和图形特征数据提取出，分别通过光照度校准模块对光照度进行核对校准，校准的方式以纹理特征提取算法为主，包括但不限于：灰度差分统计法、灰度共生矩阵、灰度-梯度共生矩阵，提取出的图形特征数据按照图像特征数据导入三维模型渲染模块中完善三维模型。
实施例2
如图1、图2和图3所示，所述AI学习模块、总控服务器、数据存储模块、人工操作模块、无人机模块、雷达反应模块和无人车模块的运作包括以下步骤：
S1、首先在原油储罐建成时进行数据统计，统计的数据包括但不限于空罐数据、表层腐蚀数据、满罐数据和位置数据，并且在统计完成上述数据后安设雷达反应模块，并且通过无人机模块和无人车模块进行试验性巡检，试验性巡检次数为三次，巡检完成后对三次巡检数据进行融合，作为样本数据，前期准备工作完成；
S2、在进行巡检前，首先获取天气数据，并选取无人车巡检或无人机巡检方式：当天气数据导致无人机飞行受阻时，放弃无人机巡检方式，并采取无人车巡检和人工巡检结合的方式；当无人机可正常放飞时，采取无人车巡检和无人机巡检结合的方式；当天气条件满足无人机放飞条件，并且需要进行大规模维护时，采取无人车巡检、无人机巡检和人工巡检三者结合的方式；
S3、在巡检过程中：
无人机巡检状况监控：无人机航线记录模块将无人机的航线数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时风力检测模块将无人机的风力数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给风力数据计算对比模块进行风力数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人机的雷达定位数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
无人车巡检状况监控：无人车航线记录模块将无人车的航线数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人车的雷达定位数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
S4、将无人设备巡检过程中所拍摄到的高清影像和红外影像通过信号传输模块传输给总控服务器，并且由数据存储模块进行同步数据备份，同时将影像数据传输给光照度校准模块进行图像的光照度调整，然后通过帧图提取模块提取时间节点对应的影像，并且通过图像对比模块进行图像对比，同时由差值监控模块进行差值监控，当出现差值过大的情况时，由检测结果输出模块向总控服务器传输检测结果，并且由人工的方式进行差异数据排查；
S5、在数据排查时，通过雷达定位记录出现差异情况时无人设备所在位置，并自动接入人工操作模块进行手动操作，进行偏航巡检，同时暂停巡检影响记录计时，并额外重新记录时间，以差异情况出现的时间节点建立时间戳，接入手动操作，并保存航线偏离时的手动操作图像数据，由人工观察无人机图像进行异常排查，并将结果上传至排查结果记录模块，由数据处理模块进行数据处理，并且将处理完成的数据对样本数据进行数据补充，数据补充由样本图像的时间建立时间轴，并进行节点分割，分割时以1毫秒时间间隔建立时间戳，1毫秒时间间隔内的样本图像数据归于该时间戳内数据，当对应时间戳内的数据对比出现异常时，在该时间戳下建立第一次异常记录，并且该时间戳在后续巡检过程中出现异常时顺延上次异常记录建立新的异常记录，异常记录内容对象包括对应时间点的异常图像、排查结果记录和排查视频数据，在无人设备归航后通过雷达定位校准位置，校准完成后继续巡检并且继续计时；
S6、利用图像特征提取模块提取异常记录中异常图像的图像图形与色彩数据，同时将排查视频数据中对应的物体特征进行提取归类，然后将数据传输给三维模型渲染模块，进行原油储罐三维渲染模型的完善。
上述实施例中，通过预先进行试验性巡检，并对巡检的数据进行融合处理，当作常规巡检过程中图像的对比依据，以此为基准，并对常规巡检中排查后的正常图像数据进行数据补充，完善初始数据，避免因原油储罐因风化导致的允许范围内的变化对常规巡检造成影响，同时通过雷达定位、航线记录、计时控制等方式对无人设备的拍摄画面进行调整，确保拍摄的画面与时间可以对应。
其中，所述步骤S1中，试验性巡检的三次数据中，各项数据误差不能超过5%，超过的则作为作废数据，并重新进行巡检，三次的巡检数据在融合时，取各项对应数据的平均值，图像数据进行重叠并进行图特征扫描，图像处理由向AI学习模块中输入图形叠合算法完成；
上述内容中，试验性巡检过程中，误差校对数据项目包括但不限于：光照度误差比对、风力误差比对、画面拍摄角度比对、飞行速度比对、飞行时间比对、同一时间点下画面误差比对，数据融合方式以取均值为核心，并将差值作为误差值在数据中进行备注，AI学习模块中的图形叠合算法在叠合时，将1毫秒内的图像进行叠合，取1毫秒内处于中间间隔的图像作为主要图像，其前后时间点的图像取主要特征轮廓加重，并对偏值大的图像进行淡化，单个试验性巡检图像叠合完成后，将三次巡检图像进行再次叠合计算。
其中，所述步骤S5中，差异情况校准过程中，首先将无人设备拍摄的画面与样本图像逐帧对比，样本图像与拍摄图像以时间节点为匹配标准，拍摄图像的光照度以样本图像中对应时间节点的光照度为基准对比，过强则自动降低画面光强度，弱则自动提升画面光强度，同时风力与样本图像数据存在差异时，则根据雷达定位显示的无人设备位置与样本数据中无人设备位置进行比对，然后根据风力与样本数据中的风力进行比对，以雷达定位数据符合度为准，平衡风力数据，最后相同时间坐标内调取样本图像与拍摄图像进行图像差异性对比，相似度超过95%则为无差异；
上述内容中，通过将风力数据加入时间点校对数据中，可以对巡检影像的时间轴进行再次核准，并且在时间轴核准后还通过雷达定位的方式对无人设备的空间位置进行核准，进一步确保巡检影像与样本影像的环境差异处于误差允许范围内。
工作原理：
本发明在使用前：
首先检验原油储罐的使用状况，并对其进行维护，使其保持使用的最佳状态，并且进行试验性巡检，对巡检的图像、时间、环境因素等数据进行记录，并进行数据融合，建立对应的巡检数据样本；
本发明在使用时：
首先根据气象情况选择使用的无人设备，然后实时监控无人设备的航线以及雷达定位，并且利用AI学习模块根据记录的时间来对应巡检数据样本中的图像数据进行对比计算，得出对比计算结果，当出现异常数据时，首先接入手动操作，并且对巡检时间进行暂停，同时建立对应时间的异常记录数据，由操作员进行人工操作偏航巡检进行异常排查，确定异常时通知维护部门进行实地维护，异常排除时将对应异常记录归类于对应时间节点下的图像数据中；
需要进行大规模维护时，选取合适日期，并同时进行无人机巡检、无人车巡检和人工巡检。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种原油储罐智能巡检系统，其特征在于：包括用以整合数据计算的AI学习模块、用以提供计算平台和数据传输的总控服务器、用以存储数据的数据存储模块、用以进行人工指令输入操作的人工操作模块、用以进行无人机巡航的无人机模块、用以定位无人设备的雷达反应模块和用以进行地面巡航的无人车模块；
所述AI学习模块由用以建立原油储罐三维模型并进行渲染的三维模型渲染模块、用以分析检测图像光照度的光照度校准模块、用以进行图像对比的图像对比模块、用以提取影像帧图的帧图提取模块、用以输出检测结果的检测结果输出模块、用以记录排查结果的排查结果记录模块和用以进行图像和数据处理的综合整理模块组成，所述综合整理模块包括用以进行航线对比计算的航线数据计算对比模块、用以进行风力对比计算的风力数据计算对比模块、用以进行定位数据对比计算的定位数据计算对比模块、用以进行数据监控的差值监控模块、用以提取图像特征的图像特征提取模块和用以进行数据处理的数据处理模块；
所述无人机模块由用以记录无人机航线的无人机航线记录模块、用以检测实时风力的风力检测模块、用以进行信号传输的无人机信号传输模块、用以进行高速摄像的无人机高速摄像模块、用以进行红外图像拍摄的无人机红外摄像模块、用以进行飞行控制的飞行控制模块和用以发射和接收雷达信号的无人机雷达模块组成；
所述雷达反应模块由分设在各个原油储罐顶部中心处的雷达信号接收与反馈设备组成，按照巡航顺序分别标记雷达反射点一、雷达反射点二、雷达反射点三，直到雷达反射点N；
所述无人车模块由用以记录无人车航线的无人车航线记录模块、用以进行信号传输的无人车信号传输模块、用以进行高速摄像的无人车高速摄像模块、用以拍摄红外影像的无人车红外摄像模块、用以进行无人车行驶控制的行驶控制模块和用以发射和接收雷达信号的无人车雷达模块组成。
2.根据权利要求1所述的一种原油储罐智能巡检系统，其特征在于，所述无人机航线记录模块、风力检测模块、无人机高速摄像模块、无人机红外摄像模块和无人机雷达模块所检测到的数据均通过无人机信号传输模块传输至总控服务器，并且由所述总控服务器将对应信号传输至AI学习模块中，并且将对应的无人机航线数据、风力数据、无人机高速影像数据、无人机红外影像数据和无人机雷达定位数据进行分项处理，由图像特征提取模块提取无人机航线数据、风力数据和无人机雷达定位数据，作为图像处理中的辅助性定位数据，无人机高速影像数据和无人机红外影像数据则为综合整理模块的差异判断依据数据。
3.根据权利要求1所述的一种原油储罐智能巡检系统，其特征在于，所述无人车航线记录模块、无人车高速摄像模块、无人车红外摄像模块和无人车雷达模块所检测到的数据均通过无人车信号传输模块传输至总控服务器，并且总控服务器将对应信号传输至AI学习模块中，并且由综合整理模块对无人车航线数据进行提取，作为图像处理中的辅助性定位数据，无人车高速影像数据和无人车红外影像数据则为综合整理模块的差异判断依据数据。
4.根据权利要求1所述的一种原油储罐智能巡检系统，其特征在于，所述无人机信号传输模块和无人车信号传输模块将数据传输至总控服务器中时，所述数据存储模块对对应数据进行同步分项存储，并且所述总控服务器所接收到的检测结果输出模块输出的检测结果同步存储至数据存储模块中对应的数据项目中。
5.根据权利要求1所述的一种原油储罐智能巡检系统，其特征在于，所述飞行控制模块和行驶控制模块通过总控服务器接收来自人工操作模块的不同控制指令。
6.根据权利要求1所述的一种原油储罐智能巡检系统，其特征在于，所述AI学习模块、总控服务器、数据存储模块、人工操作模块、无人机模块、雷达反应模块和无人车模块的运作包括以下步骤：
S1、首先在原油储罐建成时进行数据统计，统计的数据包括但不限于空罐数据、表层腐蚀数据、满罐数据和位置数据，并且在统计完成上述数据后安设雷达反应模块，并且通过无人机模块和无人车模块进行试验性巡检，试验性巡检次数为三次，巡检完成后对三次巡检数据进行融合，作为样本数据，前期准备工作完成；
S2、在进行巡检前，首先获取天气数据，并选取无人车巡检或无人机巡检方式：当天气数据导致无人机飞行受阻时，放弃无人机巡检方式，并采取无人车巡检和人工巡检结合的方式；当无人机可正常放飞时，采取无人车巡检和无人机巡检结合的方式；当天气条件满足无人机放飞条件，并且需要进行大规模维护时，采取无人车巡检、无人机巡检和人工巡检三者结合的方式；
S3、在巡检过程中：
无人机巡检状况监控：无人机航线记录模块将无人机的航线数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时风力检测模块将无人机的风力数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给风力数据计算对比模块进行风力数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人机的雷达定位数据通过无人机信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
无人车巡检状况监控：无人车航线记录模块将无人车的航线数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给航线数据计算对比模块进行航线数据对比计算，并且利用差值监控模块进行差值监控，同时无人机雷达模块将无人车的雷达定位数据通过无人车信号传输模块传输给总控服务器，并且由总控服务器传导给定位数据计算对比模块进行定位数据对比计算，利用差值监控模块进行差值监控；
S4、将无人设备巡检过程中所拍摄到的高清影像和红外影像通过信号传输模块传输给总控服务器，并且由数据存储模块进行同步数据备份，同时将影像数据传输给光照度校准模块进行图像的光照度调整，然后通过帧图提取模块提取时间节点对应的影像，并且通过图像对比模块进行图像对比，同时由差值监控模块进行差值监控，当出现差值过大的情况时，由检测结果输出模块向总控服务器传输检测结果，并且由人工的方式进行差异数据排查；
S5、在数据排查时，通过雷达定位记录出现差异情况时无人设备所在位置，并自动接入人工操作模块进行手动操作，进行偏航巡检，同时暂停巡检影响记录计时，并额外重新记录时间，以差异情况出现的时间节点建立时间戳，接入手动操作，并保存航线偏离时的手动操作图像数据，由人工观察无人机图像进行异常排查，并将结果上传至排查结果记录模块，由数据处理模块进行数据处理，并且将处理完成的数据对样本数据进行数据补充，数据补充由样本图像的时间建立时间轴，并进行节点分割，分割时以1毫秒时间间隔建立时间戳，1毫秒时间间隔内的样本图像数据归于该时间戳内数据，当对应时间戳内的数据对比出现异常时，在该时间戳下建立第一次异常记录，并且该时间戳在后续巡检过程中出现异常时顺延上次异常记录建立新的异常记录，异常记录内容对象包括对应时间点的异常图像、排查结果记录和排查视频数据，在无人设备归航后通过雷达定位校准位置，校准完成后继续巡检并且继续计时；
S6、利用图像特征提取模块提取异常记录中异常图像的图像图形与色彩数据，同时将排查视频数据中对应的物体特征进行提取归类，然后将数据传输给三维模型渲染模块，进行原油储罐三维渲染模型的完善。
7.根据权利要求所述6的一种原油储罐智能巡检系统，其特征在于，所述步骤S1中，试验性巡检的三次数据中，各项数据误差不能超过5%，超过的则作为作废数据，并重新进行巡检，三次的巡检数据在融合时，取各项对应数据的平均值，图像数据进行重叠并进行图特征扫描，图像处理由向AI学习模块中输入图形叠合算法完成。
8.根据权利要求所述6的一种原油储罐智能巡检系统，其特征在于，所述步骤S5中，差异情况校准过程中，首先将无人设备拍摄的画面与样本图像逐帧对比，样本图像与拍摄图像以时间节点为匹配标准，拍摄图像的光照度以样本图像中对应时间节点的光照度为基准对比，过强则自动降低画面光强度，弱则自动提升画面光强度，同时风力与样本图像数据存在差异时，则根据雷达定位显示的无人设备位置与样本数据中无人设备位置进行比对，然后根据风力与样本数据中的风力进行比对，以雷达定位数据符合度为准，平衡风力数据，最后相同时间坐标内调取样本图像与拍摄图像进行图像差异性对比，相似度超过95%则为无差异。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283140.5A CN115355952B (zh) | 2022-10-20 | 2022-10-20 | 一种原油储罐智能巡检系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283140.5A CN115355952B (zh) | 2022-10-20 | 2022-10-20 | 一种原油储罐智能巡检系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115355952A true CN115355952A (zh) | 2022-11-18 |
| CN115355952B CN115355952B (zh) | 2023-01-20 |
Family
ID=84008173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211283140.5A Active CN115355952B (zh) | 2022-10-20 | 2022-10-20 | 一种原油储罐智能巡检系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115355952B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115793093A (zh) * | 2023-02-02 | 2023-03-14 | 水利部交通运输部国家能源局南京水利科学研究院 | 堤坝隐伏病险诊断空地一体化装备 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2900736A1 (fr) * | 2006-05-05 | 2007-11-09 | Thales Sa | Procede pour obtenir simultanement la detection de navire et la cartographie radar de nappes de pollutions, au moyen d'un radar aeroporte rotatif |
| CN104167027A (zh) * | 2014-09-05 | 2014-11-26 | 河北华恒信通信技术有限公司 | 隧道线缆故障巡视系统及相应的隧道线缆故障巡检方法 |
| CN106774221A (zh) * | 2017-01-22 | 2017-05-31 | 江苏中科院智能科学技术应用研究院 | 一种无人机与无人车协作巡逻系统及方法 |
| CN108073090A (zh) * | 2016-11-08 | 2018-05-25 | 上海孚凌自动化控制系统有限公司 | 储油罐远程监控装置 |
| JP2018165930A (ja) * | 2017-03-28 | 2018-10-25 | 株式会社ゼンリンデータコム | ドローンナビゲーション装置、ドローンナビゲーション方法及びドローンナビゲーションプログラム |
| CN109901625A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检系统 |
| US20190306757A1 (en) * | 2018-03-27 | 2019-10-03 | SparkCognition, Inc. | System and method for unmanned transportation management |
| CN110398982A (zh) * | 2019-06-21 | 2019-11-01 | 万翼科技有限公司 | 一种无人机的巡检方法及系统 |
| CN111898563A (zh) * | 2020-08-04 | 2020-11-06 | 上海同岩土木工程科技股份有限公司 | 一种保护区安全综合监护装备与监护方法 |
| CN112269398A (zh) * | 2020-11-04 | 2021-01-26 | 国网福建省电力有限公司漳州供电公司 | 一种变电站无人机自主巡检系统 |
| CN113271357A (zh) * | 2021-05-17 | 2021-08-17 | 南京邮电大学 | 一种地空协同组网系统及控制方法 |
| CN113359826A (zh) * | 2021-06-02 | 2021-09-07 | 太原理工大学 | 一种无人机智能电力巡检系统及方法 |
| 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 |
| WO2021212773A1 (zh) * | 2020-04-24 | 2021-10-28 | 滨州学院 | 一种多旋翼无人机智能巡检系统 |
| CN113741527A (zh) * | 2021-09-13 | 2021-12-03 | 德仕能源科技集团股份有限公司 | 一种基于多无人机的油井巡检方法、设备及介质 |
| CN113781478A (zh) * | 2021-11-09 | 2021-12-10 | 中科星睿科技(北京)有限公司 | 油罐图像检测方法、装置、电子设备和计算机可读介质 |
| CN114120709A (zh) * | 2021-11-13 | 2022-03-01 | 扬州英能吉电气自动化有限公司 | 一种船舶安全管理系统 |
| CN114162318A (zh) * | 2022-02-11 | 2022-03-11 | 华南理工大学 | 一种机场异物监测系统 |
| CN114812512A (zh) * | 2022-02-17 | 2022-07-29 | 云南高阳科技有限公司 | 一种基于ai免像控点的无人航拍自动成像系统 |
-
2022
- 2022-10-20 CN CN202211283140.5A patent/CN115355952B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2900736A1 (fr) * | 2006-05-05 | 2007-11-09 | Thales Sa | Procede pour obtenir simultanement la detection de navire et la cartographie radar de nappes de pollutions, au moyen d'un radar aeroporte rotatif |
| CN104167027A (zh) * | 2014-09-05 | 2014-11-26 | 河北华恒信通信技术有限公司 | 隧道线缆故障巡视系统及相应的隧道线缆故障巡检方法 |
| CN108073090A (zh) * | 2016-11-08 | 2018-05-25 | 上海孚凌自动化控制系统有限公司 | 储油罐远程监控装置 |
| CN106774221A (zh) * | 2017-01-22 | 2017-05-31 | 江苏中科院智能科学技术应用研究院 | 一种无人机与无人车协作巡逻系统及方法 |
| JP2018165930A (ja) * | 2017-03-28 | 2018-10-25 | 株式会社ゼンリンデータコム | ドローンナビゲーション装置、ドローンナビゲーション方法及びドローンナビゲーションプログラム |
| US20190306757A1 (en) * | 2018-03-27 | 2019-10-03 | SparkCognition, Inc. | System and method for unmanned transportation management |
| CN109901625A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检系统 |
| CN110398982A (zh) * | 2019-06-21 | 2019-11-01 | 万翼科技有限公司 | 一种无人机的巡检方法及系统 |
| WO2021212773A1 (zh) * | 2020-04-24 | 2021-10-28 | 滨州学院 | 一种多旋翼无人机智能巡检系统 |
| CN111898563A (zh) * | 2020-08-04 | 2020-11-06 | 上海同岩土木工程科技股份有限公司 | 一种保护区安全综合监护装备与监护方法 |
| CN112269398A (zh) * | 2020-11-04 | 2021-01-26 | 国网福建省电力有限公司漳州供电公司 | 一种变电站无人机自主巡检系统 |
| CN113271357A (zh) * | 2021-05-17 | 2021-08-17 | 南京邮电大学 | 一种地空协同组网系统及控制方法 |
| 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 |
| CN113359826A (zh) * | 2021-06-02 | 2021-09-07 | 太原理工大学 | 一种无人机智能电力巡检系统及方法 |
| CN113741527A (zh) * | 2021-09-13 | 2021-12-03 | 德仕能源科技集团股份有限公司 | 一种基于多无人机的油井巡检方法、设备及介质 |
| CN113781478A (zh) * | 2021-11-09 | 2021-12-10 | 中科星睿科技(北京)有限公司 | 油罐图像检测方法、装置、电子设备和计算机可读介质 |
| CN114120709A (zh) * | 2021-11-13 | 2022-03-01 | 扬州英能吉电气自动化有限公司 | 一种船舶安全管理系统 |
| CN114162318A (zh) * | 2022-02-11 | 2022-03-11 | 华南理工大学 | 一种机场异物监测系统 |
| CN114812512A (zh) * | 2022-02-17 | 2022-07-29 | 云南高阳科技有限公司 | 一种基于ai免像控点的无人航拍自动成像系统 |
Non-Patent Citations (7)
| Title |
|---|
| BILAL HAMMOUD等: "Multi-Frequency Approach for Oil Spill Remote Sensing Detection", 《2017 INTERNATIONAL CONFERENCE ON HIGH PERFORMANCE COMPUTING & SIMULATION (HPCS)》 * |
| YU, BO等: "Res2-Unet+, a Practical Oil Tank Detection Network for Large-Scale High Spatial Resolution Images", 《REMOTE SENSING (BASEL, SWITZERLAND)》 * |
| 吴云鹏: "高铁沿线典型设备的无人机图像智能缺陷检测研究", 《中国博士学位论文全文数据库 工程科技I辑》 * |
| 孙庆峰等: "浅谈长输石油管道腐蚀检测及修复", 《浅谈长输石油管道腐蚀检测及修复》 * |
| 武丽英等: "基于GPRS和GPS技术的移动油罐监控系统", 《自动化仪表》 * |
| 郭晋等: "特种设备和危化品储存容器无人机巡检方法研究", 《中国特种设备安全》 * |
| 黄梓健等: "基于多智能体的罐区巡检关键技术研究", 《当代化工》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115793093A (zh) * | 2023-02-02 | 2023-03-14 | 水利部交通运输部国家能源局南京水利科学研究院 | 堤坝隐伏病险诊断空地一体化装备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115355952B (zh) | 2023-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN109977813B (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
| CN109725310B (zh) | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 | |
| CN108734143A (zh) | 一种巡检机器人的基于双目视觉的输电线路在线检测方法 | |
| CN107808133B (zh) | 基于无人机巡线的油气管道安全监测方法、系统及软件存储器 | |
| CN110084165B (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
| CN110032949A (zh) | 一种基于轻量化卷积神经网络的目标检测与定位方法 | |
| CN111353413A (zh) | 一种输电设备低漏报率缺陷识别方法 | |
| CN111339893B (zh) | 基于深度学习和无人机的管道检测系统及方法 | |
| CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
| CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
| CN111144324A (zh) | 一种无人机巡检光伏板异常目标分析管理系统及方法 | |
| WO2024040566A1 (zh) | 基于图像识别的变电站智能巡检系统及方法 | |
| CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
| CN114265418A (zh) | 一种用于光伏电站的无人机巡检与缺陷定位系统及方法 | |
| CN111815717A (zh) | 一种多传感器融合外参联合半自主标定方法 | |
| 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 | |
| CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
| CN115355952B (zh) | 一种原油储罐智能巡检系统 | |
| CN112819988A (zh) | 基于5g的无人机电站智能巡检方法、系统和网络侧服务端 | |
| CN116310891A (zh) | 一种云边协同输电线路缺陷智能检测系统和方法 | |
| CN113487570A (zh) | 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法 | |
| CN116385958A (zh) | 一种用于电网巡检和监控的边缘智能检测方法 | |
| CN116843691B (zh) | 光伏板热斑检测方法及存储介质、电子设备 | |
| CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 |
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 |