CN115512252A - 基于无人机的电网巡检自动化方法及系统 - Google Patents

Abstract

本发明涉及自动控制技术领域，具体涉及基于无人机的电网巡检自动化方法及系统，包括：图像采集模块、图像处理模块和控制无人机巡检模块，具体的是，获取目标绝缘子图像的连通域，根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域；获取目标绝缘子的连通域中每个绝缘片区域中的缺陷区域；绘制散点图，根据散点图获取目标绝缘子的连通域中的缺陷为真实缺陷的第一概率；获取目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；获取存在疑似缺陷的目标绝缘子的连通域，根据存在疑似缺陷的目标绝缘子的连通域所在位置控制无人机进行巡检，本发明提高了无人机巡检效率。

Description

基于无人机的电网巡检自动化方法及系统

技术领域

本发明涉及自动控制技术领域，具体涉及基于无人机的电网巡检自动化方法及系统。

背景技术

支柱瓷绝缘子是电网输变电缓解的重要组成设备，对母线、隔离开关等起着机械支撑和电气绝缘的作用，在运行过程中支柱瓷绝缘子的突然断裂，不仅会引起变电站、供电线路停电，导致设备损坏，严重危害电力系统安全运行，因此对绝缘子进行检测至关重要。

现有技术对绝缘子进行检测是利用无人机对绝缘子进行巡检，无人机巡检时对每个绝缘子都需要进行近距离检测，因此需要无人机飞行时环顾每一个绝缘子，保证无人机能够检测到每个绝缘子的状况，其中，绝缘子的状况如电流过大导致绝缘子存在击穿缺陷；但是，绝缘子的分布较为离散，利用无人机进行巡检时对无人机的电量消耗大，导致无人机的续航时间短，从而导致无人机的巡检效率低，无法实时获取绝缘子的击穿缺陷，从而影响电力系统的安全运行。

发明内容

本发明提供基于无人机的电网巡检自动化方法，以解决现有的无人机的巡检效率低，无法实时获取绝缘子的状况的问题。

本发明的基于无人机的电网巡检自动化方法，采用如下技术方案：

S1、利用无人机采集电网区域图像，对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域；

S2、根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率；

S3、获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；

S4、根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

进一步的，所述目标绝缘子的连通域中的所有绝缘片区域是按如下方法确定：

获取目标绝缘子的连通域中每列像素点的数量，并得到每列像素点数量序列；

设置数量阈值，根据数量阈值得到数量序列中绝缘片区域的像素点数量，将数量序列中绝缘片区域的像素点数量对应到目标绝缘子的连通域得到目标绝缘子的连通域中的所有绝缘片区域。

进一步的，所述散点图是按如下方法确定的：

以目标绝缘子的连通域中的所有绝缘片区域的编号为横坐标，每个绝缘片区域中的疑似缺陷区域的面积为纵坐标绘制散点图。

进一步的，所述散点图中所有点的主成分方向是按如下方法确定的：

利用PCA算法和散点图中所有点的坐标得到散点图中所有点的主成分方向。

进一步的，所述根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率的方法是：

获取散点图中所有点的主成分方向与90°的比值，将该比值作为对应目标绝缘子的连通域中的缺陷为真实缺陷的第一概率。

进一步的，所述获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的方法是：

获取目标绝缘子图像的连通域中所有缺陷区域中心点的像素点坐标；

根据目标绝缘子图像的连通域中缺陷区域中心点的像素点坐标及PCA算法得到每个目标绝缘子图像的连通域中缺陷区域中心点的主成分方向；

将最大特征值对应的主成分方向作为该目标绝缘子图像的连通域中缺陷区域中心点的主方向；

该目标绝缘子图像的连通域中缺陷区域中心点的主方向所在的直线为目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线。

进一步的，所述根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率的方法是：

将离散系数作为指数函数的指数对离散系数进行归一化得到归一化后的值，将归一化后的值作为对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率。

进一步的，所述得到存在疑似缺陷的目标绝缘子的连通域的方法是：

若p1＞0.8且p2＞0.8，则该目标绝缘子的连通域中存在真实缺陷；

若p1＜0.4且p2＜0.4，则该目标绝缘子的连通域中不存在缺陷；

若0.4＜p1＜0.8且0.4＜p2＜0.8，则该目标绝缘子的连通域中存在疑似缺陷；

获取所有0.4＜p1＜0.8且0.4＜p2＜0.8的目标绝缘子的连通域得到存在疑似缺陷的目标绝缘子的连通域。

进一步的，所述根据近景图像判断该位置的绝缘子中是否存在真实缺陷的方法是：

将近景图像传输到地面终端得到传输后的近景图像，利用训练神经网络对传输后的近景图像进行检测得到该传输后的近景图像中的绝缘子上的疑似缺陷为真实缺陷或污渍。

基于无人机的电网巡检自动化系统，包括：

图像采集模块，用于利用无人机采集电网区域图像；

图像处理模块，包括：第一计算单元和第二计算单元，其中：

第一计算单元，用于对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域；

根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率；

第二计算单元，用于获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；

控制无人机巡检模块，用于根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

本发明的有益效果是：本发明首先获取绝缘子图像，提取绝缘子图像中目标绝缘子的连通域，获取目标绝缘子的连通域中的绝缘片区域中的缺陷区域，计算缺陷程度得到的第一概率，由于绝缘子的缺陷往往是因为电流过大导致绝缘子被击穿，所以疑似缺陷区域的面积沿散点图中所有点的主成分方向递增或递减的特征，因此，沿着主成分方向获取的第一概率更加准确；其次，本发明计算了每个缺陷区域中心点与对应目标绝缘子的连通域中所有缺陷区域的中心点的主方向线的垂距，并得到垂距序列，获取该垂距序列的离散系数，根据离散系数得到了第二概率，该离散系数代表了每个缺陷区域中心点与对应目标绝缘子的连通域中所有缺陷区域的中心点的主方向线的偏离程度，即代表了每个缺陷区域中心点的共线性，因此用离散系数衡量该目标绝缘子的连通域中的缺陷是否为真实缺陷更加准确；

本发明根据第一概率和第二概率得到存在疑似缺陷的目标绝缘子的连通域，利用无人机更近的巡检存在疑似缺陷的目标绝缘子的连通域，确定其是否存在缺陷，节约了无人机的电量，可实时获取绝缘子是否存在真实缺陷，提高了无人机的巡检效率。

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为本发明的基于无人机的电网巡检自动化方法的实施例的流程图；

图2为本发明的基于无人机的电网巡检自动化方法的实施例中目标绝缘子的连通域的分布位置；

图3为本发明的基于无人机的电网巡检自动化系统的结构框图。

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。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。

本发明的基于无人机的电网巡检自动化方法的实施例，如图1所示，包括：

S1、利用无人机采集电网区域图像，对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域。

获取绝缘子图像的具体步骤为：利用无人机拍摄待电网区域图像，对待电网区域图像进行语义分割得到绝缘子图像，其中，具体语义分割包括：使用的数据集为采集的绝缘子图像数据集，绝缘子的样式为多种多样的；需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于绝缘子的标注为1；网络的任务是分类，所有使用的loss函数为交叉熵损失函数；通过语义分割得到的0-1掩膜图像与原图像相乘，得到的图像中只含有绝缘子的图像，去除了背景的干扰。一个绝缘子图像是指一长串的绝缘子。

对每个绝缘子图像进行阈值分割，得到存在疑似缺陷的绝缘子图像，将存在疑似缺陷的绝缘子图像作为目标绝缘子图像，其中，若绝缘子图像中存在小于阈值的区域，则该绝缘子图像中存在缺陷，阈值分割的阈值根据实际情况确定，本发明不给出具体值，根据目标绝缘子图像得到目标绝缘子的连通域。

S2、根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率。

获取目标绝缘子的连通域中的所有绝缘片区域的具体步骤为：获取目标绝缘子的连通域中每列像素点的数量，并得到每列像素点数量序列，其中，该数量序列是将每列像素点数量按照从左到右的顺序进行排列，由于绝缘片的分布具有周期性，因此，绝缘片区域中的像素点数量也具有周期性，且绝缘片区域中每列像素点数量大于其他区域，因此，设置数量阈值，该数量阈值根据具体情况确定，本发明不给出参考值。

根据数量阈值得到数量序列中绝缘片区域的像素点数量，将数量序列中绝缘片区域的像素点数量对应到目标绝缘子的连通域得到目标绝缘子的连通域中的所有绝缘片区域。据此，可得到每个目标绝缘子的连通域中的所有绝缘片区域。

对目标绝缘子的连通域中的所有绝缘片区域从左往右依次进行编号，获取目标绝缘子的连通域中的所有绝缘片区域上的疑似缺陷区域，获取疑似缺陷区域的面积，以每个绝缘片区域的编号为横坐标，每个绝缘片区域中疑似缺陷区域的面积为纵坐标绘制散点图。

得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率的具体步骤为：利用PCA算法获取散点图中所有点的主成分方向，其中，将最大特征值对应的主成分方向作为散点图中所有点的主成分方向，由于绝缘子的缺陷往往是由于电流过大而导致的击穿缺陷，因此，所述绝缘片区域中的疑似缺陷区域的面积沿散点图中所有点的主成分方向会呈现递增趋势，且趋势越大，对应目标绝缘子的连通域中的缺陷为击穿缺陷的可能性越大，击穿缺陷即为真实缺陷，因此，获取散点图中所有点的主成分方向与90°的比值，将该比值作为目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率p1，该比值越大，目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率越大。

至此，可得到每个目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率。

S3、获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率。

获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的具体步骤为：获取目标绝缘子图像的连通域中所有缺陷区域中心点的像素点坐标，根据目标绝缘子图像的连通域中缺陷区域中心点的像素点坐标及PCA算法得到每个目标绝缘子图像的连通域中缺陷区域中心点的主成分方向，将最大特征值对应的主成分方向作为该目标绝缘子图像的连通域中缺陷区域中心点的主方向，据此，可得到每个目标绝缘子图像的连通域中所有缺陷区域中心点的主方向线。

得到垂距序列的具体步骤为：获取目标绝缘子的连通域中每个缺陷区域的中心点，获取目标绝缘子的连通域所有缺陷区域的中心点，获取每个缺陷区域的中心点与对应目标绝缘子图像的连通域中所有缺陷区域中心点的主方向线的垂距，统计所有垂距得到垂距序列。

根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率的具体步骤为：获取该垂距序列的标准差和均值，根据该垂距序列的标准差和均值的比值得到该垂距序列的离散系数，根据离散系数得到根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率，具体表达式为：

p2= e^-x

式中：x表示离散系数，p2表示根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率。

其中，第二概率表征了缺陷区域的共线性，由于绝缘子的缺陷往往是由于电流过大而导致的击穿缺陷，因此，目标绝缘子的连通域中的每个绝缘片区域中的缺陷区域具有共线性，即缺陷区域具有共线性越高，则目标绝缘子的连通域中的缺陷区域为真实缺陷区域的概率越大，离散系数由标准差和均值的比值获取，标准差为方差的算术平方根，表示该垂距序列的离散程度，即表征获取每个缺陷区域的中心点与缺陷区域的中心点的主方向线的偏离程度，标准差越小，则离散系数越小，缺陷区域的共线性越高，同时，离散系数越小，e^-x越大，此时，目标绝缘子的连通域中的缺陷为真实缺陷的第二概率越大，即p2越大，目标绝缘子的连通域中的疑似缺陷为真实缺陷的第二概率越大，该公式对离散系数进行了归一化，使得最终所得的第二概率在0-1之间，便于设置概率阈值。

S4、根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

得到存在真实缺陷的目标绝缘子的连通域和存在疑似缺陷的目标绝缘子的连通域的具体步骤为：设置概率阈值为0.8和0.4，若p1＞0.8且p2＞0.8，则该目标绝缘子的连通域中存在真实缺陷，若p1＜0.4且p2＜0.4，则认为该目标绝缘子的连通域中不存在缺陷，若0.4＜p1＜0.8且0.4＜p2＜0.8，则该目标绝缘子的连通域中存在疑似缺陷，需要利用无人机对存在疑似缺陷的目标绝缘子的连通域所在位置靠近巡检，进一步确定其疑似缺陷为真实缺陷或污渍。

根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子的具体步骤为：如图2所示为三个目标绝缘子的连通域的分布位置，当前视角下检测到区域a中确定存在真实缺陷，区域b和区域c存在疑似缺陷，因此无人机在飞行时对区域a不需要关注，需要关注的是区域b和区域c，通过设定飞行航线靠近区域b和区域c来实现，拍摄到这两个区域更近的图像，然后将该图像传回地面终端进行识别，根据存在疑似缺陷的目标绝缘子的连通域的分布来对无人机的飞行航线进行调整，正常的飞行航线是绕着绝缘子区域旋转多圈，但对于已经确定存在真实缺陷的连通域不需要飞近观察，因此，通过设定无人机飞行航线靠近区域b和区域c来实现，具体控制无人机进行巡检的航线的调整过程为：

首先获取存在疑似缺陷的目标绝缘子的连通域的位置在电网区域图像中的位置分布，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，将近景图像传输到地面终端得到传输后的近景图像，利用训练神经网络对传输后的近景图像进行检测得到该传输后的近景图像中的绝缘子上的疑似缺陷为真实缺陷或污渍。

其中，获取存在疑似缺陷的目标绝缘子的连通域的位置分布的方法是：获取存在疑似缺陷的目标绝缘子的连通域在电网图像中的中心点，获取电网区域图像中所有目标绝缘子连通域的中心点，以最中间位置的中心点所在的目标绝缘子的连通域为分界线，判断存在疑似缺陷的目标绝缘子的连通域的在电网区域图像中的位置处于分界线的同一侧还是两侧。若存在疑似缺陷的目标绝缘子的连通域在同一侧，则只需调整无人机到该方向更近的对存在疑似缺陷的目标绝缘子的连通域所在位置的绝缘子进行检测；若存在疑似缺陷的目标绝缘子的连通域分布在两侧，则依然按照原方法进行巡检。

基于无人机的电网巡检自动化系统，如图3所示，包括：图像采集模块、图像处理模块、控制无人机巡检模块，其中：

图像采集模块，用于利用无人机采集电网区域图像；

图像处理模块，包括：第一计算单元和第二计算单元，其中：

第一计算单元，用于对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域；

根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率；

第二计算单元，用于获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；

控制无人机巡检模块，用于根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

本发明的有益效果是：本发明首先获取绝缘子图像，提取绝缘子图像中目标绝缘子的连通域，获取目标绝缘子的连通域中的绝缘片区域中的缺陷区域，计算缺陷程度得到的第一概率，由于绝缘子的缺陷往往是因为电流过大导致绝缘子被击穿，所以疑似缺陷区域的面积沿散点图中所有点的主成分方向递增或递减的特征，因此，沿着主成分方向获取的第一概率更加准确；其次，本发明计算了每个缺陷区域中心点与对应目标绝缘子的连通域中所有缺陷区域的中心点的主方向线的垂距，并得到垂距序列，获取该垂距序列的离散系数，根据离散系数得到了第二概率，该离散系数代表了每个缺陷区域中心点与对应目标绝缘子的连通域中所有缺陷区域的中心点的主方向线的偏离程度，即代表了每个缺陷区域中心点的共线性，因此用离散系数衡量该目标绝缘子的连通域中的缺陷是否为真实缺陷更加准确；

本发明根据第一概率和第二概率得到存在疑似缺陷的目标绝缘子的连通域，利用无人机更近的巡检存在疑似缺陷的目标绝缘子的连通域，确定其是否存在缺陷，节约了无人机的电量，可实时获取绝缘子是否存在真实缺陷，提高了无人机的巡检效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于无人机的电网巡检自动化方法，其特征在于，包括：

S1、利用无人机采集电网区域图像，对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域；

S2、根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率；

S3、获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；

S4、根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

2.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述目标绝缘子的连通域中的所有绝缘片区域是按如下方法确定：

获取目标绝缘子的连通域中每列像素点的数量，并得到每列像素点数量序列；

设置数量阈值，根据数量阈值得到数量序列中绝缘片区域的像素点数量，将数量序列中绝缘片区域的像素点数量对应到目标绝缘子的连通域得到目标绝缘子的连通域中的所有绝缘片区域。

3.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述散点图是按如下方法确定的：

以目标绝缘子的连通域中的所有绝缘片区域的编号为横坐标，每个绝缘片区域中的疑似缺陷区域的面积为纵坐标绘制散点图。

4.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述散点图中所有点的主成分方向是按如下方法确定的：

利用PCA算法和散点图中所有点的坐标得到散点图中所有点的主成分方向。

5.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率的方法是：

获取散点图中所有点的主成分方向与90°的比值，将该比值作为对应目标绝缘子的连通域中的缺陷为真实缺陷的第一概率。

6.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的方法是：

获取目标绝缘子图像的连通域中所有缺陷区域中心点的像素点坐标；

根据目标绝缘子图像的连通域中缺陷区域中心点的像素点坐标及PCA算法得到每个目标绝缘子图像的连通域中缺陷区域中心点的主成分方向；

将最大特征值对应的主成分方向作为该目标绝缘子图像的连通域中缺陷区域中心点的主方向；

该目标绝缘子图像的连通域中缺陷区域中心点的主方向所在的直线为目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线。

7.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率的方法是：

将离散系数作为指数函数的指数对离散系数进行归一化得到归一化后的值，将归一化后的值作为对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率。

8.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述得到存在疑似缺陷的目标绝缘子的连通域的方法是：

若p1＞0.8且p2＞0.8，则该目标绝缘子的连通域中存在真实缺陷；

若p1＜0.4且p2＜0.4，则该目标绝缘子的连通域中不存在缺陷；

若0.4＜p1＜0.8且0.4＜p2＜0.8，则该目标绝缘子的连通域中存在疑似缺陷；

获取所有0.4＜p1＜0.8且0.4＜p2＜0.8的目标绝缘子的连通域得到存在疑似缺陷的目标绝缘子的连通域。

9.根据权利要求1所述的基于无人机的电网巡检自动化方法，其特征在于，所述根据近景图像判断该位置的绝缘子中是否存在真实缺陷的方法是：

将近景图像传输到地面终端得到传输后的近景图像，利用训练神经网络对传输后的近景图像进行检测得到该传输后的近景图像中的绝缘子上的疑似缺陷为真实缺陷或污渍。

10.基于无人机的电网巡检自动化系统，采用如权利要求1-9所述的电网巡检自动化方法，其特征在于，包括：

图像采集模块，用于利用无人机采集电网区域图像；

图像处理模块，包括：第一计算单元和第二计算单元，其中：

第一计算单元，用于对电网区域图像进行语义分割得到绝缘子图像，对绝缘子图像进行阈值分割得到存在疑似缺陷的目标绝缘子的连通域；

根据目标绝缘子的连通域中每列像素点的数量得到对应目标绝缘子的连通域中的所有绝缘片区域，获取对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域，根据每个绝缘片区域的编号和对应绝缘片区域中疑似缺陷区域的面积绘制散点图，获取散点图中所有点的主成分方向，根据散点图中所有点的主成分方向得到对应目标绝缘子的连通域中的疑似缺陷为真实缺陷的第一概率；

第二计算单元，用于获取目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线，获取每个绝缘片区域中的疑似缺陷区域的中心点与对应目标绝缘子的连通域中每个绝缘片区域中的疑似缺陷区域的中心点的主方向线的垂距，并得到垂距序列，计算该垂距序列的离散系数，根据离散系数得到对应目标绝缘子的连通域中的缺陷为真实缺陷的第二概率；

控制无人机巡检模块，用于根据目标绝缘子的连通域中的缺陷为真实缺陷的第一概率、第二概率与预设概率阈值得到存在疑似缺陷的目标绝缘子的连通域，获取存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置，根据存在疑似缺陷的目标绝缘子的连通域在电网区域图像中的位置控制无人机靠近该位置的绝缘子，并采集该位置的绝缘子近景图像，根据近景图像判断该位置的绝缘子中是否存在真实缺陷。

Images