CN115358988A - 一种基于大数据的配电站缺陷识别系统 - Google Patents
一种基于大数据的配电站缺陷识别系统 Download PDFInfo
- Publication number
- CN115358988A CN115358988A CN202210988843.1A CN202210988843A CN115358988A CN 115358988 A CN115358988 A CN 115358988A CN 202210988843 A CN202210988843 A CN 202210988843A CN 115358988 A CN115358988 A CN 115358988A
- Authority
- CN
- China
- Prior art keywords
- route
- inspection
- marking
- power distribution
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 22
- 238000007689 inspection Methods 0.000 claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 37
- 238000013499 data model Methods 0.000 claims description 8
- 239000012212 insulator Substances 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011017 operating method Methods 0.000 claims 1
- 238000012549 training Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/235—Update request formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的配电站缺陷识别系统,属于配电站检测技术领域,包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器;标准模块用于建立标准库;模型模块用于进行配电站的模型管理,获得配电站模型;采集路线模块用于规划巡检无人机的采集路线,获得巡检路线;控制模块用于控制巡检无人机进行数据采集,获取巡检无人机的巡检路线,根据获得的巡检路线控制巡检无人机进行飞行,当巡检无人机到达对应的停留点时,对对应的采集区域进行数据采集,获得对应的采集图像,并打上对应的区域表标签,直到飞行完全部的巡检路线,将所有采集的采集图像进行整合为巡检数据;分析模块用于对巡检数据进行分析,判断是否具有缺陷。
Description
技术领域
本发明属于配电站检测技术领域,具体是一种基于大数据的配电站缺陷识别系统。
背景技术
随着科学技术的快速发展,使得人们对用电的需求也越来越高,促进发电站和配电站的快速发展,随着配电站的数量增多,且部分的配电设置在人员较少的地区,使得通过人工的方式进行配电站内配电设备的标识检测、绝缘子检测等具有效率较低、不够便捷的问题,因此本发明提供了一种基于大数据的配电站缺陷识别系统,通过结合无人机进行图像采集,智能化的进行识别分析,解决配电站缺陷识别的问题。
发明内容
为了解决上述方案存在的问题,本发明提供了一种基于大数据的配电站缺陷识别系统。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的配电站缺陷识别系统,包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器;
所述标准模块用于建立标准库;所述模型模块用于进行配电站的模型管理,获得配电站模型;
所述采集路线模块用于规划巡检无人机的采集路线,获得巡检路线;
所述控制模块用于控制巡检无人机进行数据采集,获取巡检无人机的巡检路线,根据获得的巡检路线控制巡检无人机进行飞行,当巡检无人机到达对应的停留点时,对对应的采集区域进行数据采集,获得对应的采集图像,并打上对应的区域表标签,直到飞行完全部的巡检路线,将所有采集的采集图像进行整合为巡检数据;
所述分析模块用于对巡检数据进行分析,获取巡检数据,将巡检数据拆分为对应的采集图像,从标准库从获取采集图像对应的校核数据,根据采集图像与校核数据进行分析,判断是否具有缺陷。
进一步地,标准模块的工作方法包括:
获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据,将获取的标准检测数据按照对应配电设备进行相应的数据拆分,获得校核数据,将校核数据打上对应的配电设备标签,建立第一数据库,将校核数据输入到第一数据库中进行储存,将当前的第一数据库标记为标准库,并根据对应规范的更新进行相应的校核数据更新。
进一步地,模型模块的工作方法包括:
获取配电站三维数据模型,标记为配电站模型,在配电站模型内标记需要进行检测的配电设备,标记为目标设备,获取目标设备的设备信息,根据获得的设备信息从标准库中匹配对应的校核数据;根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域,并在采集区域上打上对应的检测种类,完成配电站的模型管理。
进一步地,采集路线模块的工作方法包括:
获取配电站模型,识别各个采集区域位置,根据识别的采集区域位置设置对应的停留点,将设置的停留点在配电站模型中的对应位置上进行标记;实时获取巡检无人机的起始升空位置,标记为起始点,将起始点在配电站模型内进行相应的标记,对当前配电站模型内的各个停留点和起始点进行分析,获得对应的巡检路线。
进一步地,根据识别的采集区域位置设置对应的停留点的方法包括:
获取巡检无人机的采集范围,将获得的采集范围标记为参照范围,将参照范围与各个采集区域进行比较,根据比较结果将采集区域分为第一区域和第二区域,对第一区域进行分析设置一个停留点,标记为第一停留点,对第二区域进行分析设置若干个停留点,标记为第二停留点。
进一步地,对于第一区域进行分析设置一个停留点的方法包括:
标记对应采集区域的形状,标记为第一形状,将参照区域覆盖在第一形状上,逐渐缩小参照区域直径,当参照区域边界与第一形状接触时,调整参照区域的中心位置,再次缩小参照区域直径,直到参照区域无法再进行缩小,识别当前参照区域的中心,根据识别的参照区域中心计算对应的停留点。
进一步地,对当前配电站模型内的各个停留点和起始点进行分析的方法包括:
识别一个第二区域对应的若干个第二停留点,根据第二停留点设置一个代表点,将代表点在配电站模型内进行相应的标记,根据起始点、代表点、第一停留点生成若干个待选路线,将待选路线内的各个路线段标记为i,i=1、2、……、n,n为正整数;识别各个路线段的长度,标记为LXi,识别对应待选路线经过代表点的行进方向,设置路段修正值,标记为XZi,并获取对应的内部路线,根据公式计算优先值,根据计算的优先值选择对应的待选路线为目标路线,将目标路线与内部路线进行相结合,获得巡检路线。
进一步地,根据计算的优先值选择对应的待选路线为目标路线的方法为:
将计算的优先值按照由小到大的顺序进行排序,获得第一序列,识别第一序列对应的待选路线,标记为目标路线。
进一步地,将目标路线与内部路线进行相结合的方法包括:
识别目标路线中的代表点,匹配对应的内部路线,将代表点替换为内部路线,识别内部路线对应的进点和出点,进行相应的点位连线,获得巡检路线。
与现有技术相比,本发明的有益效果是:通过标准模块、模型模块、采集路线模块、控制模块和分析模块之间的相互配合,实现智能化的进行配电站缺陷检测,极大的提高检测效率,降低对应工作人员的巡检负担,根据配电站的实际情况,生成对应的巡检路线,智能化的进行巡检无人机的控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。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,一种基于大数据的配电站缺陷识别系统,包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器;
所述标准模块用于建立标准库,具体方法包括:
基于大数据分析,获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据,如安装位置区间、规定标识的数据、绝缘子外观等规定的规范数据,将获取的标准检测数据按照对应配电设备进行相应的数据拆分,获得校核数据,如一个关于标牌的校核数据,指的是某个配电设备的标牌应该满足哪些规范要求;将校核数据打上对应的配电设备标签,建立第一数据库,将校核数据输入到第一数据库中进行储存,将当前的第一数据库标记为标准库,并根据对应规范的更新进行相应的校核数据更新。
所述模型模块用于进行配电站的模型管理,具体方法包括:
获取配电站三维数据模型,标记为配电站模型,对于无法直接获取的配电站三维数据模型,可以基于现有的建模技术进行重新建立配电站三维数据模型,在配电站模型内标记需要进行检测的配电设备,标记为目标设备,获取目标设备的设备信息,如种类、型号等信息,根据获得的设备信息从标准库中匹配对应的校核数据;根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域,并在采集区域上打上对应的检测种类,检测种类指的是检测标牌还是检测绝缘子,完成配电站的模型管理。
根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域,就是根据校核数据中对应标牌或绝缘子的规范安装要求,确定对应的安装区间,进行相应的位置区间标记,即为采集区域,后续进行相应数据采集时,直接对着采集区域进行采集即可,可以大大的降低相应数据的采集量,同时降低对应的数据分析量。
所述采集路线模块用于规划巡检无人机的采集路线,具体方法包括:
获取配电站模型,识别各个采集区域位置,根据识别的采集区域位置设置对应的停留点,停留点指的是采集对应采集区域内的信息时,巡检无人机停留的点,将设置的停留点在配电站模型中的对应位置上进行标记;实时获取巡检无人机的起始升空位置,标记为起始点,将起始点在配电站模型内进行相应的标记,对当前配电站模型内的各个停留点和起始点进行分析,获得对应的巡检路线。
根据识别的采集区域位置设置对应的停留点的方法包括:
获取巡检无人机的采集范围,指的是在满足采集清晰度等要求下,巡检无人机的最大有效采集范围,将获得的采集范围标记为参照范围,将参照范围与各个采集区域进行比较,根据比较结果将采集区域分为第一区域和第二区域,第一区域指的是参照区域不小于采集区域的采集区域,代表一个停留点就可以完整的采集到整个采集区域内的信息,第二区域指的是参照区域小于采集区域的采集区域,需要设置多个停留点进行采集,对第一区域进行分析设置一个停留点,标记为第一停留点,对第二区域进行分析设置若干个停留点,标记为第二停留点。
对于第一区域进行分析设置一个停留点的方法包括:
标记对应采集区域的形状,标记为第一形状,将参照区域覆盖在第一形状上,逐渐缩小参照区域直径,当参照区域边界与第一形状接触时,调整参照区域的中心位置,再次缩小参照区域直径,直到参照区域无法再进行缩小,指的是再进行缩小时,无论怎么调整参照区域的位置,第一形状的边界将会超过参照区域,识别当前参照区域的中心,根据识别的参照区域中心计算对应的停留点;根据当前计算方法可以确定对应的直线距离,进而确定对应的停留点。
对第二区域进行分析设置若干个停留点的方法为:
基于CNN网络或DNN网络建立点位分析模型,通过人工的方式设置对应的训练集进行训练,获取对应的采集区域信息和巡检无人机的参照区域信息,通过训练成功的点位分析模型进行分析,获得对应的停留点,具体的建立和训练过程为本领域常识,因此不进行详细叙述。
对当前配电站模型内的各个停留点和起始点进行分析的方法包括:
识别一个第二区域对应的若干个第二停留点,根据第二停留点设置一个代表点,将代表点在配电站模型内进行相应的标记,根据起始点、代表点、第一停留点生成若干个待选路线,将待选路线内的各个路线段标记为i,i=1、2、……、n,n为正整数;识别各个路线段的长度,标记为LXi,识别对应待选路线经过代表点的行进方向,设置路段修正值,标记为XZi,并获取对应的内部路线,根据公式计算优先值,根据计算的优先值选择对应的待选路线为目标路线,将目标路线与内部路线进行相结合,获得巡检路线。
根据第二停留点设置一个代表点,即为根据第二区域的若干个第二停留点位置设置一个代表点,可以设置中心点,或者选择一个第二停留点作为代表点,可以根据实际需要进行相应的调整。
根据起始点、代表点、第一停留点生成若干个待选路线的方法为:基于CNN网络或DNN网络建立线路模型,通过人工的方式设置对应的训练集进行训练,通过训练成功的线路模型进行分析,生成可能具有的待选路线。
识别对应待选路线经过代表点的行进方向,设置路段修正值的方法包括:根据对应的行进方向,确定对应最近的第二停留点,标记为进点,根据进点和离开方向确定出点,根据进点和出点规划当前各个第二停留点的路线,标记为内部路线,按照距离最短的方式进行规划,通过现有技术可以实现相应的进点、出点的确定,因此不进行详细叙述;基于CNN网络或DNN网络建立修正模型,采用人工的方式设置对应的训练集进行训练,根据对应路段变动,设置对应的路段修正值,进而建立训练集,通过训练成功后的修正模型对具有代表点的路线段进行分析,输出对应的路段修正值,对于不包括代表点的路线段,无路段修正值。
根据计算的优先值选择对应的待选路线为目标路线的方法为:
将计算的优先值按照由小到大的顺序进行排序,获得第一序列,识别第一序列对应的待选路线,标记为目标路线。
将目标路线与内部路线进行相结合的方法包括:
识别目标路线中的代表点,匹配对应的内部路线,将代表点替换为内部路线,识别内部路线对应的进点和出点,进行相应的点位连线,获得巡检路线。
所述控制模块用于控制巡检无人机进行数据采集,具体方法包括:
获取巡检无人机的巡检路线,根据获得的巡检路线控制巡检无人机进行飞行,当巡检无人机到达对应的停留点时,对对应的采集区域进行数据采集,获得对应的采集图像,并打上对应的区域表标签,直到飞行完全部的巡检路线,将所有采集的采集图像进行整合为巡检数据。
所述分析模块用于对巡检数据进行分析,具体方法包括:
获取巡检数据,将巡检数据拆分为对应的采集图像,从标准库从获取采集图像对应的校核数据,根据采集图像与校核数据进行分析,判断是否具有缺陷。
根据采集图像与校核数据进行分析,基于CNN网络或DNN网络建立校核分析模型,通过人工的方式建立对应的训练集进行训练,结合图像识别技术,判断是否具有标牌缺失、标识错误、绝缘子开裂等缺陷,通过训练成功后的校核分析模型对采集图像与校核数据进行分析,获得对应的分析结果。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (9)
1.一种基于大数据的配电站缺陷识别系统,其特征在于,包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器;
所述标准模块用于建立标准库;所述模型模块用于进行配电站的模型管理,获得配电站模型;
所述采集路线模块用于规划巡检无人机的采集路线,获得巡检路线;
所述控制模块用于控制巡检无人机进行数据采集,获取巡检无人机的巡检路线,根据获得的巡检路线控制巡检无人机进行飞行,当巡检无人机到达对应的停留点时,对对应的采集区域进行数据采集,获得对应的采集图像,并打上对应的区域表标签,直到飞行完全部的巡检路线,将所有采集的采集图像进行整合为巡检数据;
所述分析模块用于对巡检数据进行分析,获取巡检数据,将巡检数据拆分为对应的采集图像,从标准库从获取采集图像对应的校核数据,根据采集图像与校核数据进行分析,判断是否具有缺陷。
2.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统,其特征在于,标准模块的工作方法包括:
获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据,将获取的标准检测数据按照对应配电设备进行相应的数据拆分,获得校核数据,将校核数据打上对应的配电设备标签,建立第一数据库,将校核数据输入到第一数据库中进行储存,将当前的第一数据库标记为标准库,并根据对应规范的更新进行相应的校核数据更新。
3.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统,其特征在于,模型模块的工作方法包括:
获取配电站三维数据模型,标记为配电站模型,在配电站模型内标记需要进行检测的配电设备,标记为目标设备,获取目标设备的设备信息,根据获得的设备信息从标准库中匹配对应的校核数据;根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域,并在采集区域上打上对应的检测种类,完成配电站的模型管理。
4.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统,其特征在于,采集路线模块的工作方法包括:
获取配电站模型,识别各个采集区域位置,根据识别的采集区域位置设置对应的停留点,将设置的停留点在配电站模型中的对应位置上进行标记;实时获取巡检无人机的起始升空位置,标记为起始点,将起始点在配电站模型内进行相应的标记,对当前配电站模型内的各个停留点和起始点进行分析,获得对应的巡检路线。
5.根据权利要求4所述的一种基于大数据的配电站缺陷识别系统,其特征在于,根据识别的采集区域位置设置对应的停留点的方法包括:
获取巡检无人机的采集范围,将获得的采集范围标记为参照范围,将参照范围与各个采集区域进行比较,根据比较结果将采集区域分为第一区域和第二区域,对第一区域进行分析设置一个停留点,标记为第一停留点,对第二区域进行分析设置若干个停留点,标记为第二停留点。
6.根据权利要求5所述的一种基于大数据的配电站缺陷识别系统,其特征在于,对于第一区域进行分析设置一个停留点的方法包括:
标记对应采集区域的形状,标记为第一形状,将参照区域覆盖在第一形状上,逐渐缩小参照区域直径,当参照区域边界与第一形状接触时,调整参照区域的中心位置,再次缩小参照区域直径,直到参照区域无法再进行缩小,识别当前参照区域的中心,根据识别的参照区域中心计算对应的停留点。
8.根据权利要求7所述的一种基于大数据的配电站缺陷识别系统,其特征在于,根据计算的优先值选择对应的待选路线为目标路线的方法为:
将计算的优先值按照由小到大的顺序进行排序,获得第一序列,识别第一序列对应的待选路线,标记为目标路线。
9.根据权利要求8所述的一种基于大数据的配电站缺陷识别系统,其特征在于,将目标路线与内部路线进行相结合的方法包括:
识别目标路线中的代表点,匹配对应的内部路线,将代表点替换为内部路线,识别内部路线对应的进点和出点,进行相应的点位连线,获得巡检路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988843.1A CN115358988A (zh) | 2022-08-17 | 2022-08-17 | 一种基于大数据的配电站缺陷识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210988843.1A CN115358988A (zh) | 2022-08-17 | 2022-08-17 | 一种基于大数据的配电站缺陷识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358988A true CN115358988A (zh) | 2022-11-18 |
Family
ID=84002081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210988843.1A Pending CN115358988A (zh) | 2022-08-17 | 2022-08-17 | 一种基于大数据的配电站缺陷识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358988A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777187A (zh) * | 2023-08-25 | 2023-09-19 | 山东道万电气有限公司 | 一种多路巡检智能中控调度方法及调度平台 |
CN117109598A (zh) * | 2023-10-23 | 2023-11-24 | 中冶建筑研究总院(深圳)有限公司 | 一种地空协同多旋翼无人机巡检路径规划方法和系统 |
-
2022
- 2022-08-17 CN CN202210988843.1A patent/CN115358988A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777187A (zh) * | 2023-08-25 | 2023-09-19 | 山东道万电气有限公司 | 一种多路巡检智能中控调度方法及调度平台 |
CN116777187B (zh) * | 2023-08-25 | 2024-01-16 | 山东道万电气有限公司 | 一种多路巡检智能中控调度方法及调度平台 |
CN117109598A (zh) * | 2023-10-23 | 2023-11-24 | 中冶建筑研究总院(深圳)有限公司 | 一种地空协同多旋翼无人机巡检路径规划方法和系统 |
CN117109598B (zh) * | 2023-10-23 | 2024-01-23 | 中冶建筑研究总院(深圳)有限公司 | 一种地空协同多旋翼无人机巡检路径规划方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115358988A (zh) | 一种基于大数据的配电站缺陷识别系统 | |
CN112884931B (zh) | 一种用于变电站的无人机巡检方法及系统 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN106771856B (zh) | 基于无人机技术的电力输电线路雷击点确定方法 | |
CN111709361B (zh) | 一种输电线路无人机巡检数据处理方法 | |
CN111914813A (zh) | 基于图像分类的输电线路巡检图像命名方法及系统 | |
CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN115719475B (zh) | 一种基于深度学习的三阶段轨旁设备故障自动检测方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN113051423A (zh) | 一种基于大数据分析的智能电网输电线路状态在线智能监测方法 | |
CN114723271A (zh) | 一种基于图像识别的输电工程质量检测方法及系统 | |
CN115112143A (zh) | 一种事故施救车辆行驶轨迹规划方法 | |
CN114037895A (zh) | 一种无人机杆塔巡检图像识别方法 | |
CN113989688A (zh) | 基于紫外无人机5g云高压线路故障精准定位系统及方法 | |
CN112132088A (zh) | 一种巡检点位漏巡识别方法 | |
CN116704355A (zh) | 一种航拍式道路照明的照度检测方法及装置 | |
CN115423156B (zh) | 一种新建铁路四电工程用地选址优化方法 | |
CN115033015A (zh) | 基于移动智能终端的输电线路巡检管控系统 | |
CN113763326A (zh) | 一种基于Mask Scoring R-CNN网络的受电弓检测方法 | |
CN114445411A (zh) | 一种无人机巡线缺陷识别系统及控制方法 | |
CN112765392A (zh) | 一种基于图像匹配的高铁列控定位方法及其系统 | |
CN113298292A (zh) | 基于电力物联网的配电线路电力杆塔巡视管控方法及系统 | |
CN116780763A (zh) | 一种基于物联网的变电站巡检方法及系统 | |
Jiang et al. | Optimization algorithm of transmission line defect detection and identification based on embedded AI |
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 |