CN115548958A - 传输线清洁方法和存储介质 - Google Patents

Abstract

本申请提供一种传输线清洁方法和存储介质，传输线清洁方法包括：获取传输线异物的定位位置；根据数字孪生地图，控制清洁机器人运行至所述定位位置；响应于所述清洁机器人获取所述定位位置的图像信息，根据所述图像信息进行异物识别；控制所述清洁机器人根据预设清理模式清理所述传输线异物。本申请提供的传输线清洁方法和存储介质利用数字孪生地图实现快速定位精准寻找的目的，将定位位置发送至清洁机器人，控制清洁机器人对该位置的异物进行清理，具有提高工作效率和保障工作人员安全等优点。

Description

传输线清洁方法和存储介质

技术领域

本申请涉及传输线清洁技术领域，具体涉及一种传输线清洁方法和存储介质。

背景技术

配电网是电力系统的一个重要的组成部分，担负着从输电网或地区发电厂接其所受电能，再通过配电设施就地进行分配或按电压逐级分配给各类用户的任务。因此，配电线路的安全稳定运行对整体电力供应系统的安全性起着至关重要的作用，更是社会稳定、百姓日常生活的基础。传统的配网线路需要运维人员定期进行巡检，近距离仰视观察，确保线路的正常运作。

在构思及实现本申请过程中，申请人发现至少存在如下问题：针对在深山老林中的电力系统，杆塔或高压线上会有广告布、气球、飘带、塑料薄膜、彩钢瓦、锡箔纸、孔明灯、风筝、鱼线、树枝等悬挂物将其缠住。在杆塔上一般这种情况需要工作人员爬上杆塔对其用小刀、操作杆等工具将其拆除，如果不能及时处理会发生线路跳闸或者二次塔挂造成跳闸事故，再比如说出现大型泡沫板或者大型塑料布挂在上面用小刀等工具处理起来会十分苦难，这时就需要喷火器等设备进行操作，这样就会对工作人员的安全问题造成影响。

发明内容

为了缓解以上问题，本申请提供一种传输线清洁方法和存储介质。

在一方面，本申请提供一种传输线清洁方法，具体地，包括：

获取传输线异物的定位位置；

根据数字孪生地图，控制清洁机器人运行至所述定位位置；

响应于所述清洁机器人获取所述定位位置的图像信息，根据所述图像信息进行异物识别；

控制所述清洁机器人根据预设清理模式清理所述传输线异物。

可选地，所述传输线清洁方法在执行所述获取传输线异物的定位位置的步骤包括：

基于北斗网格码，对巡检线路的电塔和配电网线路进行网格编码定位转换，将所述巡检线路划分为北斗网格，并关联所述巡检线路的多源数据，生成数字孪生线路图；

基于所述数字孪生线路图，通过增强无人机控制无人机集群进行巡检，以获取所述传输线异物的定位位置。

可选地，所述传输线清洁方法在执行所述将所述巡检线路划分为北斗网格的步骤包括：

对所述电塔和配电网线路进行网格编码定位转换，形成网格位置数据库，其中，所述网格位置数据库用于存储线路定位数据，所述线路定位数据包括网格编码、超宽带位置数据和视频数据；

根据所述网格位置数据库，生成所述北斗网格；

和/或，所述生成数字孪生线路图的步骤包括：

基于所述北斗网格，构建巡检线路的三维网格图，并动态关联所述多源数据，生成数字孪生线路图，其中，所述数字孪生线路图包括CAD数据、三维数据、电子地图和遥感影像。

可选地，所述传输线清洁方法在执行所述生成数字孪生线路图的步骤还包括：

根据所述北斗网格，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据；

根据数字孪生技术，分别生成配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型后，三维模型进行组合，生成所述数字孪生线路图。

可选地，所述传输线清洁方法在执行所述生成数字孪生线路图的步骤包括：

设置所述无人机集群的起点、分杆塔的巡检、待巡检杆塔的权重，构建用于所述路径规划的数学模型，其中，所述权重表示距离上一次巡检该杆塔的时间间隔，所述权重越大，时间间隔越长；

基于所述数学模型，通过设置约束条件，进行种群初始化，生成巡检路径。

可选地，所述传输线清洁方法在执行所述生成巡检路径的步骤包括：

以所述增强无人机的起点为圆心，以所述无人机集群的续航能力为直径，生成作为巡检目标的杆塔集合；

根据遗传算法，将所述杆塔集合的杆塔号进行随机排列，生成一条染色体，得到巡检子路径，其中，判断所述染色体是否存在相同的杆塔号，删除多余的编号；根据染色体编码计算无人机的路径长度，除以无人机的飞行速度，获取巡检路径的飞行时间，如果超过所述续航时间，则按照杆塔的所述权重从小到大依次删除编号；当两个所述权重相同时，则优先删除距离最远的杆塔，直至飞行时间小于等于无人机的续航时间；

基于每条所述巡检子路径，生成所述巡检路径。

可选地，所述传输线清洁方法在执行所述生成巡检子路径的步骤包括：

对父代种群的每条所述染色体进行交叉操作，生成子代种群；

基于Metropolis准则，对所述父代种群和所述子代种群进行变异操作，并根据所述染色体的适用度，进行排序，其中，所述子代种群包括第一染色体数量，所述父代种群包括第二染色体数量；

根据所述子代种群的适应度排名后第一染色体数量位，对应的第一染色体，与所述父代种群的适应度排名前第二染色体数量位，对应的第二染色体，进行合并，形成新的种群，以此迭代，直到生成所述巡检路径。

可选地，所述传输线清洁方法在执行所述根据所述图像信息进行异物识别的步骤包括：

使用YOLO算法对所述图像信息进行异物识别。

可选地，所述传输线清洁方法在执行所述预设清理模式选自机械臂模式、火焰模式及旋刀模式；所述控制所述清洁机器人根据预设清理模式清理所述传输线异物的步骤包括：

当识别到第一类异物时，选用所述机械臂模式，以使用机械臂对所述传输线异物进行物理推动；

当识别到第二类异物时，选用所述火焰模式，以控制火焰喷射器对所述传输线异物进行焚烧；

当识别到第三类异物时，选用所述旋刀模式，以使用旋转刀片对所述传输线异物进行刮削。

另一方面，本申请提供一种存储介质，具体地，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的传输线清洁方法。

如上所述，本申请提供的传输线清洁方法和存储介质利用数字孪生地图实现快速定位精准寻找的目的，将定位位置发送至清洁机器人，控制清洁机器人对该位置的异物进行清理，具有提高工作效率和保障工作人员安全等优点。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，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，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为本申请一实施例的传输线清洁方法的流程图。

图2为本申请一实施例的增强无人机的结构图。

图3为本申请一实施例的增强无人机工作的流程图。

图4为本申请一实施例的无人机集群的结构图。

图5为本申请一实施例的无人机集群工作的流程图。

图6为本申请一实施例的清洁机器人的结构图。

图7为本申请一实施例的清洁机器人工作的流程图。

图8为本申请另一实施例的传输线清洁方法的流程图

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一方面，本申请提供一种传输线清洁方法，图1为本申请一实施例的传输线清洁方法的流程图。

请参阅图1，一种传输线清洁方法包括：

S10：获取传输线异物的定位位置。

定位位置可以在巡检工作中发现异物并标记定位位置。示例性地，可以通过巡视车或者巡视无人机进行巡检。在一视觉识别异物的技术中，可以采用YOLO网络技术进行检测识别，在其他实施例中，也可以通过其他方式获取异物的定位位置，本申请对此不作限定。

S20：根据数字孪生地图，控制清洁机器人运行至定位位置。

数字孪生技术是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。可选地，根据北斗网格技术获取到的北斗网格码，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、遗传算法后无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据基于数字孪生技术对配电线路数据、电塔数据、增强无人机巡检路线数据、无人机集群数据和配电线路周边环境数据分别进行处理，得到配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型；将所述的三维模型组合,得到电力巡检数字孪生场景。可选地，清洁机器人是利用高压线的特点，双线平行的方式，利用轮子将其卡住，类似于火车的轱辘和铁轨一样，可以在高压线上持续工作，配合其胸前的刀片，右手的机械臂和左手的火焰喷射器可以将传输线悬挂物清理，并且搭配着增强无人机的数字孪生地图，可以不使用灰度识别等技术进行巡线清洁，保证其供电问题，无人机集群的北斗网格化同样会对清洁机器人在异物的定位上起到帮助，准确的找到异物并利用YOLO网络对其是什么类型的网络进行判断改用什么方式对其进行清理。

S30：响应于清洁机器人获取定位位置的图像信息，根据图像信息进行异物识别。

示例性地，传输线异物可能有广告布、气球、飘带、塑料薄膜、彩钢瓦、锡箔纸、孔明灯、风筝、鱼线、树枝等各种不同种类和数量的悬挂物。针对不同的悬挂物，可以选用不同方式的清理。

S40：控制清洁机器人根据预设清理模式清理传输线异物。

示例性地，通过机械臂可以对硬物进行物理推动。通过火焰喷射器可以对大型的广告牌等用火焰焚烧。对于气球、孔明灯等异物可以用旋转刀片清理。

在本实施例中，传输线清洁方法利用数字孪生地图实现快速定位精准寻找的目的，将定位位置发送至清洁机器人，控制清洁机器人对该位置的异物进行清理，具有提高工作效率和保障工作人员安全等优点。

在一实施例中，传输线清洁方法在执行S10：获取传输线异物的定位位置的步骤包括：

S11：基于北斗网格码，对巡检线路的电塔和配电网线路进行网格编码定位转换，将巡检线路划分为北斗网格，并关联巡检线路的多源数据，生成数字孪生线路图。

可选地，北斗网格码是北斗网格编码与大数据组织利用技术体系的简称，它是一项中国自主原创、有望引领全球标准的时空大数据范畴基础性重大创新，包括两个层面内容：北斗网格编码技术和基于北斗网格的时空大数据组织利用技术，北斗网格码作为时空大数据基础组织框架和大数据分析利用基础性工具，支撑打造面向数字孪生世界的时空大数据底座，形成当前数字化新基建的万物数据互联互通时空标准，从而助力“数字中国、智慧社会”国家战略的推行。北斗网格技术能够大大简化对区位信息的标识、表达和计算的复杂度，在信息计算速度、信息索引效率、信息交换与整合、以及导航定位能力的扩展与增强等方面具有独特的优势。更重要的是，它不仅能有效弥补传统经纬度技术体制下的不足和短板，而且能与经纬度完美兼容，是对经纬度技术体制的极好完善和补充；不仅能有效解决海量、多源、异构空间信息的组织问题，而且可以非常方便地同现有各种技术体制下的信息系统实现转换。

S12：基于数字孪生线路图，通过增强无人机控制无人机集群进行巡检，以获取所述传输线异物的定位位置。

可选地，数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

可选地，本申请的无人机分为增强无人机和无人机集群两种形式。

图2为本申请一实施例的增强无人机的结构图。图3为本申请一实施例的增强无人机工作的流程图。请参阅图2和图3，增强无人机包括摄像头：为第一次由增强无人机对整个巡检路径的拍摄，为了后期的北斗网格和数字孪生以及自动巡检路径做准备；WIFI模块：增强无人机在自动巡检的过程中会落在普通无人机集群圆形的圆心位置，将每个无人机的信息传送至云端，这里为了防止增强无人机向普通无人机下达自动巡检指令时通信混乱，所以选用WIFI传送信息；北斗模块：利用北斗模块，获取地理位置图，并按照位置对其配电线路中的杆塔进行北斗网格定位；定位装置：巡检人员可以通过定位装置查看增强无人机现在所处的位置和增强无人机出现故障时可以及时找到；无线通信装置：增强无人机中有自动巡检算法，增强无人机会通过5G将其发送给普通无人机集群，普通无人机集群在接收到指令时会自动进行巡检；数据存储装置：当云端出现问题时，巡检人员可以通过数据存储装置来查看巡检记录；供电装置：由于增强无人机在运行时会运行算法，所以耗电量会增加，为了保持续航。在第一次巡检拍摄时只给摄像头、WIFI模块、北斗模块、定位装置、数据存储装置供电。后面自动巡检时，会打开WIFI模块、北斗模块、定位装置、无线通信装置、数据存储装置。

图4为本申请一实施例的无人机集群的结构图。图5为本申请一实施例的无人机集群工作的流程图。

请参阅图4和图5，无人机集群包括WIFI模块：当增强无人机的云端上传出现问题时，供电系统会给WIFI模块供电，让其直接上传至云端，否则不会打开WIFI模块，保持供电；摄像头：普通无人机集群会在巡检过程中通过无线通信装置将视频发送给增强无人机，由增强无人机上传至云端；定位装置：巡检人员可以通过定位装置查看无人机集群现在所处的位置和无人机集群出现故障时可以及时找到；无线通信装置：用来接收增强无人机的自动巡检路径指令和分配的路径，向增强无人机发送当前视频；数据存储装置：当普通无人机集群的无线通信装置和WIFI模块出现故障时，可以查看数据存储模块；供电装置：在无人机集群工作时会利用供电装置关闭WIFI模块供电，除非增强无人机云端出现问题时会开启供电，节约电力，增加续航。

在本实施例中，传输线清洁方法利用北斗网格编码本身带有的位置信息进行关联，实现快速定位精准寻找的目的，根据北斗网格编码包含构建配电网线路的三维网格图，并动态关联多源数据，形成数字孪生线路图，对巡检路径规划传达到增强无人机中，增强无人机对无人机集群下达的指令对配电网线路进行异物巡检，具有提高检测效率及精确度安全等优点。

在一实施例中，传输线清洁方法在执行S11：将巡检线路划分为北斗网格的步骤包括：

S110：对电塔和配电网线路进行网格编码定位转换，形成网格位置数据库，其中，网格位置数据库用于存储线路定位数据，线路定位数据包括网格编码、超宽带位置数据和视频数据；

S111：根据网格位置数据库，生成北斗网格。

在本实施例中，北斗网格技术包括线路定位数据：对电塔和配电网线路进行网格编码定位转换，并形成网格位置数据库，建立数据。配电网线路定位数据包括网格编码、超宽带位置数据和视频数据，超宽带位置数据和视频数据与网格编码之间均为双向信号连接。北斗网络技术还包括北斗网格终端：用于规划系统各个终端之间的数据建立、融合以及计算等；数据处理：用于配电网线路规划系统的基础数据处理。

在一实施例中，传输线清洁方法在执行S11：生成数字孪生线路图的步骤包括：

S112：基于北斗网格，构建巡检线路的三维网格图，并动态关联多源数据，生成数字孪生线路图，其中，数字孪生线路图包括CAD数据、三维数据、电子地图和遥感影像。

可选地，由数字孪生生成的三维应用场景包括CAD数据、三维数据、电子地图和遥感影像，CAD数据、三维数据、电子地图和遥感影像之间均双向信号连接。

在一实施例中，传输线清洁方法在执行S11：生成数字孪生线路图的步骤还包括：

S113：根据北斗网格，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据；

S114：根据数字孪生技术，分别生成配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型后，三维模型进行组合，生成数字孪生线路图。

可选地，根据北斗网格技术获取到的北斗网格码，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据基于数字孪生技术对配电线路数据、电塔数据、增强无人机巡检路线数据、无人机集群数据和配电线路周边环境数据分别进行处理，得到配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型。将所述的三维模型组合,得到电力巡检数字孪生场景。

在一实施例中，传输线清洁方法在执行S113：获取无人机集群基础数据的步骤包括：

S1130：基于遗传算法，对无人机集群进行路径规划，生成无人机集群基础数据。

可选地，遗传算法(Genetic Algorithm，GA)是美国密歇根大学John H.Holland教授提出的一种启发式算法，模拟了自然界进化机制和生物进化论，是一类典型的群类算法。由于遗传算法是从一个群体开始搜索最优解，所以具有很强的并行搜索能力，同时遗传算法是一种与问题无关的算法，对参数的编码进行选择、交叉和变异等操作，不需要了解问题的相关知识，仅凭适应度函数对种群中的染色体进行评估。上述优点使得遗传算法被广泛应用于无人机路径规划等组合优化领域。

在一实施例中，传输线清洁方法在执行S1130：对无人机集群进行路径规划的步骤包括：

S1131：设置无人机集群的起点、分杆塔的巡检、待巡检杆塔的权重，构建用于路径规划的数学模型，其中，权重表示距离上一次巡检该杆塔的时间间隔，权重越大，时间间隔越长。

可选地，待巡检杆塔的权重越大表示时间间隔越长，则杆塔被巡检的优先级也越高，需要尽快安排无人机对其进行巡检。

S1132：基于数学模型，通过设置约束条件，进行种群初始化，生成巡检路径。

示例性地，建立数学模型的步骤包括：

无人机从起点0出发，选择部分杆塔进行巡检，并在完成巡检任务后返回终点N+1，无人机从起飞到降落的总时长不能超过无人机的最大续航时长T_max。假设无人机搭载了自动避障和增稳装置，具有自动避障和一定的抗风能力，因风力影响或避障产生的路径偏离相对于总飞行路径长度忽略不计。用0和N+1分别表示无人机的起点和终点，集合T＝{1,…,i,…,N}为所有待巡检杆塔的集合，无人机的起点、终点以及所有待巡检杆塔组成的集合为A＝{0,1,…,i,…,N,N+1}。待巡检杆塔i的权重用W_i(i∈T)，表示该权重表示杆塔i距离上一次被巡检的时间间隔。P＝{0,i,…,j,N+1}(i,j∈T)表示无人机巡检路径，无人机从出发到执行完任务后最终回到终点。无人机在杆塔i与杆塔j之间的飞行时间设置为t_ij，d_ij为杆塔i与杆塔j之间的欧式距离，v为无人机飞行速度，A为所有顶点结合。则t_ij＝d_ij/v(设任意的i,j都是属于集合A的)

无人机巡检任务路径P对应的任务执行的时间设为t_p，则

无人机所巡检杆塔的权重之和最大化作为目标函数，设为

其中最重要的约束条件为：

每个杆塔最多智能被巡检一次，

其中任意的j∈T

无人机续航能力约束，t_p≤T_max

在一实施例中，传输线清洁方法在执行S1132：生成巡检路径的步骤包括：

S1133：以增强无人机的起点为圆心，以无人机集群的续航能力为直径，生成作为巡检目标的杆塔集合；

S1134：根据遗传算法，将杆塔集合的杆塔号进行随机排列，生成一条染色体，得到巡检子路径，其中，判断染色体是否存在相同的杆塔号，删除多余的编号；根据染色体编码计算无人机的路径长度，除以无人机的飞行速度，获取巡检路径的飞行时间，如果超过续航时间，则按照杆塔的权重从小到大依次删除编号；当两个权重相同时，则优先删除距离最远的杆塔，直至飞行时间小于等于无人机的续航时间。

可选地，将杆塔集合的杆塔号进行随机排列，生成一条染色体后需进行染色体的约束校验与调整。初始化以及交叉操作后的染色体有可能违背每个杆塔最多智能被巡检一次和无人机续航能力约束，进行下面操作：

判断染色体是否存在相同的杆塔号，删除多余的编号，确保只出现一次；根据染色体编码计算无人机的路径长度，除以无人机的飞行速度可以得到路径的飞行时间，如果超过时长，则按照杆塔的权重从小到大依次删除编号，这时会出现两个权重相同时，则优先删除距离最远的杆塔，确保路径的飞行时间小于等于无人机的续航时间。最后经过调整染色体可以得到一个可行解。

S1135：基于每条巡检子路径，生成巡检路径。

示例性地，生成巡检路径的步骤包括：

令T为无人机巡检杆塔的集合，以增强无人机的起点为圆心，以无人机集群的续航能力为直径，构造“T_max圆”，删掉集合T中的“T_max圆”以外的杆塔编号，得到无人机续航能力可以覆盖的杆塔集合T。将集合中的T对应的杆塔号进行随机排列设计为一条染色体，得到巡检路径P。根据种群规模重复以上两步得到初始种群。

由于无人机的续航能力有限所以初始种群不一定是可行解，故要对种群中的每一条染色体进行约束检验，不满足条件的进行调整。

在一实施例中，传输线清洁方法在执行S1134：生成巡检子路径的步骤包括：

S1136：对父代种群的每条染色体进行交叉操作，生成子代种群。

可选地，交叉操作指选用轮盘赌方法从父代种群中选择染色体进行交叉操作，适应度越高则有点会被遗传的可能性就越高。

示例性地，选择2条带交叉的染色体，记为父A和父B，生成一个[0,1]区间的随机数r，若r大于交叉概率的P_c就结束。若r小于交叉概率的P_c，由于父A和B的染色体长度可能不同，产生了2个交位，将其进行互换得到子C和子D。

S1137：基于Metropolis准则，对父代种群和子代种群进行变异操作，并根据染色体的适用度，进行排序，其中，子代种群包括第一染色体数量，父代种群包括第二染色体数量。

可选地，染色体的适应度代表了路径规划方案的优缺，适应度越好则规划越好，因此无人机所巡检杆塔的权重之和最大化为适应度函数。由于杆塔的权重不同，所以通过替换染色体中的编号有可能提高适应度。同时要对染色体路径进行长度校验，通过改变杆塔的巡检顺序是否有可能虽短无人机的路径胀肚，从而可以使无人机访问更多的杆塔，以下面两个变异算子来提高染色体适应度。

示例性地，变异算子A：基因替换，随机选择一个基因位，使用无人机续航能力可以覆盖的杆塔集合T中未出现的杆塔编号替换到该基因位的杆塔编号。变异算子B：基因调换，随机选择两个基因位，将这两个基因位上的杆塔编号调换。每次编译操作，都会随机选取一种变异算子生成一个染色体，然后进行染色体的约束校验和调整，得到满足约束的新染色体，运用Metropolis准则对一定概率的染色体进行接收。

S1137：根据子代种群的适应度排名后第一染色体数量位，对应的第一染色体，与父代种群的适应度排名前第二染色体数量位，对应的第二染色体，进行合并，形成新的种群，以此迭代，直到生成巡检路径。

可选地，将新生的子代种群与父代种群进行合并的操作从而达到种群更新的目的，生成巡检路径。

示例性地，根据适应度分别对子代种群和父代种群的染色体进行排序。设子代种群提取的染色体数量为N₁，种群规模为N_p,Gap为代沟，有以下公式：N₁＝N_p*Gap。设父代种群提取的染色体数量为N₂，则N₂＝N_p*(1-Gap)。从子代种群适应度排名后N₁位的染色体与父类排名前N₂位染色体进行合并，得到新的种群，以此迭代，直到新的种群出现。

在一实施例中，传输线清洁方法在执行S30：根据图像信息进行异物识别的步骤包括：

S31：使用YOLO算法对图像信息进行异物识别。

可选地，YOLO网络由Joseph Redmon等在2016年提出，即将物体检测问题处理成回归问题，用一个卷积神经网络采用端到端的处理方式同时对图像中目标的位置和所属类别进行预测。YOLO v3由YOLO v1，YOLO v2改进而来，针对YOLO v1中的目标预测框召回率较低的问题上，通过使用基于锚框的目标区域采集方式，大幅增加了目标预测区域的数量，提升了目标区域的召回率，有效降低了YOLO v1在目标重叠时目标漏检数量。YOLO v3在YOLO v2网络的基础上改进骨干提取网络，提升了骨干网络对输入图像的特征提取能力。同时针对YOLO v2浅层预测分支预测性能较差的问题，使用FPN结构，通过自顶向下的特征融合流，提升了浅层网络的检测能力。YOLO v3作为一阶段目标检测网络中的代表性网络，由于其良好的泛化能力和较快的检测速度，以及高移植性，被广泛的应用于各个领域的检测任务中。

示例性地，传输线清洁方法利用YOLO网络对无人机集群和清洁机器人进行对异物识别的训练。无人机集群中的每个无人机都可以进行独立的异物识别，为了保证供电，增强无人机不具备识别功能，只具备发送遗传算法分配路径的功能，但是增强无人机会汇总异物位置，并将位置对应的北斗网格和异物视频照片发送至云端，最后到达工作人与手中，工作人员对其进行辨认和处理。

在一实施例中，预设清理模式选自机械臂模式、火焰模式及旋刀模式。传输线清洁方法在执行S40：控制清洁机器人根据预设清理模式清理传输线异物的步骤包括：

S41：当识别到第一类异物时，选用机械臂模式，以使用机械臂对传输线异物进行物理推动。

可选地，第一类异物如硬物、泡沫等选用机械臂对硬物进行物理推动。

S42：当识别到第二类异物时，选用火焰模式，以控制火焰喷射器对传输线异物进行焚烧。

可选地，第二类异物如大型广告或者布料等选用火焰喷射器将其烧毁。

S43：当识别到第三类异物时，选用旋刀模式，以使用旋转刀片对传输线异物进行刮削。

可选地，第三类异物如塑料袋等选用前方剃刀对其进行清理。

图6为本申请一实施例的清洁机器人的结构图。

请参阅图6，在一实施例中，清洁机器人包括驱动模块：利用马达为清洁机器人提供前进的动力。摄像头：摄像头在拍摄前方的过程会向主控模块发送图像，由搭载着YOLO算法的主控模块会对摄像头拍摄的图片进行判断异物改用什么方式进行处理。机械臂：对硬物进行物理推动。火焰喷射器：对大型的广告牌等短时间无法用旋转刀片处理的异物进行火焰焚烧。WIFI模块：实时向工作人员传送清理信息。无线通信设备：当WIFI模块无法正常工作时，供电系统会开启无线通信设备对其清理信息进行传送。定位装置：时时定位，可以让工作人员在数字孪生的图像中看到清洁机器人当前的工作位置和意外滑落时方便工作人员寻找。供电系统：维持清洁机器人的电量，控制WIFI模块和无线通信设备的开启和关闭。主控模块：处理YOLO算法和对其他模块进行工作处理。旋转刀片：利用旋转刀片可以刮开塑料袋、孔明灯等异物。

图7为本申请一实施例的清洁机器人工作的流程图。

请参阅图7，示例性地，清洁机器人工作流程包括：

(1)增强无人机发送异物信息和北斗位置。

(2)工作人员手工对无人机集群拍摄的异物图片进行审核，节约清洁机器人的动力。

(3)清洁机器人接收数字孪生地图和异物位置信息。

(4)清洁机器人根据数字孪生地图沿着高压线进行运动。

(5)碰到异物时摄像头会将异物的具体照片发送至主控模块，主控模块根据YOLO算法对其进行判断该异物应该使用什么清洁工具。

(6)清洁机器人查看数字孪生地图上异物位置，当地图上没有异物时就会结束工作根据数字孪生地图进行返回，还有异物时会继续沿着高压线对其进行清洁。

另一方面，本申请提供一种存储介质，具体地，存储介质上存储有计算机程序，图8为本申请另一实施例的传输清洁方法的流程图，请参阅图8，计算机程序被处理器执行时实现如上所述的传输线清洁方法。

示例性地，北斗网格码是北斗网格编码与大数据组织利用技术体系的简称，它是一项国内自主原创、有望引领全球标准的时空大数据范畴基础性重大创新，包括两个层面内容：北斗网格编码技术和基于北斗网格的时空大数据组织利用技术，北斗网格码作为时空大数据基础组织框架和大数据分析利用基础性工具，支撑打造面向数字孪生世界的时空大数据底座，形成当前数字化新基建的万物数据互联互通时空标准，从而助力“数字中国、智慧社会”国家战略的推行。能够大大简化对区位信息的标识、表达和计算的复杂度，在信息计算速度、信息索引效率、信息交换与整合、以及导航定位能力的扩展与增强等方面具有独特的优势。更重要的是，它不仅能有效弥补传统经纬度技术体制下的不足和短板，而且能与经纬度完美兼容，是对经纬度技术体制的极好完善和补充；不仅能有效解决海量、多源、异构空间信息的组织问题，而且可以非常方便地同现有各种技术体制下的信息系统实现转换。

可选地，北斗网格技术具体实施方案：

1.北斗网格终端：用于规划系统各个终端之间的数据建立、融合以及计算等；

2.数据处理：用于配电网线路规划系统的基础数据处理；

3.线路定位数据：对电塔进行网格编码定位转换，并形成网格位置数据库，建立数据。所述配电网线路定位数据包括网格编码、超宽带位置数据和视频数据，所述超宽带位置数据和视频数据与网格编码之间均为双向信号连接，所述后面由数字孪生生成的三维应用场景包括CAD数据、三维数据、电子地图和遥感影像，所述CAD数据、三维数据、电子地图和遥感影像之间均双向信号连接。

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

可选地，数字孪生技术具体实施方案：

根据北斗网格技术获取到的北斗网格码，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、遗传算法后无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据基于数字孪生技术对配电线路数据、电塔数据、增强无人机巡检路线数据、无人机集群数据和配电线路周边环境数据分别进行处理，得到配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型；将所述的三维模型组合,得到电力巡检数字孪生场景。

遗传算法(Genetic Algorithm，GA)是一种启发式算法，模拟了自然界进化机制和生物进化论，是一类典型的群类算法[13]。由于GA是从一个群体开始搜索最优解，所以具有很强的并行搜索能力，同时GA是一种与问题无关的算法，对参数的编码进行选择、交叉和变异等操作，不需要了解问题的相关知识，仅凭适应度函数对种群中的染色体进行评估。上述优点使得GA被广泛应用于无人机路径规划等组合优化领域。

一.建立数学模型

无人机从起点0出发，选择部分杆塔进行巡检，并在完成巡检任务后返回终点N+1，无人机从起飞到降落的总时长不能超过无人机的最大续航时长T_max。假设无人机搭载了自动避障和增稳装置，具有自动避障和一定的抗风能力，因风力影响或避障产生的路径偏离相对于总飞行路径长度忽略不计。用0和N+1分别表示无人机的起点和终点，集合T＝{1,…,i,…,N}为所有待巡检杆塔的集合，无人机的起点、终点以及所有待巡检杆塔组成的集合为A＝{0,1,…,i,…,N,N+1}。待巡检杆塔i的权重用W_i(i∈T)，表示该权重表示杆塔i距离上一次被巡检的时间间隔，权重越大表示时间间隔越长，则杆塔被巡检的优先级也越高，表示需要尽快安排巡检工作。

P＝{0,i,…,j,N+1}(i,j∈T)表示无人机巡检路径，无人机从出发到执行完任务后最终回到终点。无人机在杆塔i与杆塔j之间的飞行时间设置为t_ij，d_ij为杆塔i与杆塔j之间的欧式距离，v为无人机飞行速度，A为所有顶点结合。则

t_ij＝d_ij/v(设任意的i,j都是属于集合A的)

无人机巡检任务路径P对应的任务执行的时间设为t_p，则

无人机所巡检杆塔的权重之和最大化作为目标函数(x是当无人机巡检完塔杆i后飞往杆塔j巡检)，设为

其中两个约束条件为：

每个杆塔最多智能被巡检一次，

其中任意的j∈T

无人机续航能力约束，t_p≤T_max

二.种群初始化

初始化种群步骤如下：

1.令T为无人机巡检杆塔的集合，以增强无人机的起点为圆心，以无人机集群的续航能力为直径，构造“T_max圆”，删掉集合T中的“T_max圆”以外的杆塔编号，得到无人机续航能力可以覆盖的杆塔集合T。

2.将集合中的T对应的杆塔号进行随机排列设计为一条染色体，得到巡检路径P。

3.根据种群规模重复1到2步得到初始种群。

三.染色体的约束校验与调整

判断染色体是否存在相同的杆塔号，删除多余的编号，确保只出现一次。

根据染色体编码计算无人机的路径长度，除以无人机的飞行速度可以得到路径的飞行时间，如果超过时长，则按照杆塔的权重从小到大依次删除编号，这时会出现两个权重相同时，则优先删除距离最远的杆塔，确保路径的飞行时间小于等于无人机的续航时间。

四.种群的适应度评价

染色体的适应度代表了路径规划方案的优缺，适应度越好则规划越好，因此无人机所巡检杆塔的权重之和最大化为适应度函数。

五.种群的适应度评价

染色体的适应度代表了路径规划方案的优缺，适应度越好则规划越好，因此无人机所巡检杆塔的权重之和最大化为适应度函数。

六.交叉操作

选择2条带交叉的染色体，记为父A和父B，生成一个[0,1]区间的随机数r，若r小于交叉概率的P_c则执行下面的2，否则就结束。

由于父A和B的染色体长度可能不同，产生了2个交位，将其进行互换得到子C和子D。

七.Metropolis准则的变异操作

变异算子A：基因替换，随机选择一个基因位，使用无人机续航能力可以覆盖的杆塔集合T中未出现的杆塔编号替换到该基因位的杆塔编号。

变异算子B：基因调换，随机选择两个基因位，将这两个基因位上的杆塔编号调换。

八.种群更新操作

1.根据适应度分别对子代种群和父代种群的染色体进行排序。

2.设子代种群提取的染色体数量为N₁，种群规模为N_p,Gap为代沟，有以下公式：N₁＝N_p*Gap。

3.设父代种群提取的染色体数量为N₂，则N₂＝N_p*(1-Gap)。

4.从子代种群适应度排名后N₁位的染色体与父类排名前N₂位染色体进行合并，得到新的种群，以此迭代，直到新的种群出现。

4.6仿真结果

杆塔总数量	巡检杆塔数	路径总时长/min	算法运行时长/s
				80	27	21.3	53.6
80	43	21.2	53.1
				80	70	21.5	53.8
80	31	30.1	53.7
				80	68	30.2	53.2
80	80	29.1	53.4
				80	53	32.5	53.4
80	75	32.1	52.4
				80	80	28.4	53.6

表2-仿真结果

可选地，视觉识别技术可以选用YOLO网络技术。

YOLO网络可将物体检测问题处理成回归问题，用一个卷积神经网络采用端到端的处理方式同时对图像中目标的位置和所属类别进行预测。YOLO v3由YOLO v1，YOLO v2改进而来，针对YOLO v1中的目标预测框召回率较低的问题上，通过使用基于锚框的目标区域采集方式，大幅增加了目标预测区域的数量，提升了目标区域的召回率，有效降低了YOLO v1在目标重叠时目标漏检数量。YOLO v3在YOLO v2网络的基础上改进骨干提取网络，提升了骨干网络对输入图像的特征提取能力。同时针对YOLO v2浅层预测分支预测性能较差的问题，使用FPN结构，通过自顶向下的特征融合流，提升了浅层网络的检测能力。YOLO v3作为一阶段目标检测网络中的代表性网络，由于其良好的泛化能力和较快的检测速度，以及高移植性，被广泛的应用于各个领域的检测任务中。

可选地，YOLO网络识别方案具体实施方案中，利用YOLO网络对无人机集群和清洁机器人进行对异物识别的训练。无人机集群中的每个无人机都可以进行独立的异物识别，为了保证供电，增强无人机不具备识别功能，只具备发送遗传算法分配路径的功能，但是增强无人机会汇总异物位置，并将位置对应的北斗网格和异物视频照片发送至云端，最后到达工作人与手中，工作人员对其进行辨认和处理。

清洁机器人则需要训练异物的识别，比如对塑料袋只需要打开前方剃刀对其进行清理，而泡沫这种则需要用手臂将其推掉，大型广告或者布料，则需要用手中的火焰喷射器将其烧毁。

可选地，本申请的无人机分为两种，一种是增强无人机，一种是普通无人机集群。

1.增强无人机可以包括：

(1)摄像头：为第一次由增强无人机对整个巡检路径的拍摄，为了后期的北斗网格和数字孪生以及自动巡检路径做准备。

(2)WIFI模块：增强无人机在自动巡检的过程中会落在普通无人机集群圆形的圆心位置，将每个无人机的信息传送至云端，这里为了防止增强无人机向普通无人机下达自动巡检指令时通信混乱，所以选用WIFI传送信息。

(3)北斗模块：利用北斗模块，获取地理位置图，并按照位置对其配电线路中的杆塔进行北斗网格定位。

(4)定位装置：巡检人员可以通过定位装置查看增强无人机现在所处的位置和增强无人机出现故障时可以及时找到。

(5)无线通信装置：增强无人机中有自动巡检算法，增强无人机会通过5G将其发送给普通无人机集群，普通无人机集群在接收到指令时会自动进行巡检。

(6)数据存储装置：当云端出现问题时，巡检人员可以通过数据存储装置来查看巡检记录。

(7)供电装置：由于增强无人机在运行时会运行算法，所以耗电量会增加，为了保持续航。在第一次巡检拍摄时只给摄像头、WIFI模块、北斗模块、定位装置、数据存储装置供电。后面自动巡检时，会打开WIFI模块、北斗模块、定位装置、无线通信装置、数据存储装置。

2.普通无人机集群可以包括：

(1)WIFI模块：当增强无人机的云端上传出现问题时，供电系统会给WIFI模块供电，让其直接上传至云端，否则不会打开WIFI模块，保持供电。

(2)摄像头：普通无人机集群会在巡检过程中通过无线通信装置将视频发送给增强无人机，由增强无人机上传至云端。

(3)定位装置：巡检人员可以通过定位装置查看无人机集群现在所处的位置和无人机集群出现故障时可以及时找到。

(4)无线通信装置：用来接收增强无人机的自动巡检路径指令和分配的路径，向增强无人机发送当前视频。

(5)数据存储装置：当普通无人机集群的无线通信装置和WIFI模块出现故障时，可以查看数据存储模块。

(6)供电装置：在无人机集群工作时会利用供电装置关闭WIFI模块供电，除非增强无人机云端出现问题时会开启供电，节约电力，增加续航。

可选地，增强无人机工作流程请参考图3，普通无人机工作流程请参考图5。

可选地，传输线的清洁机器人可以利用高压线的特点，双线平行的方式，利用轮子将其卡住，类似于火车的轱辘和铁轨一样，可以在高压线上持续工作，配合其胸前的刀片，右手的机械臂和左手的火焰喷射器可以将广告布、气球、飘带、塑料薄膜、彩钢瓦、锡箔纸、孔明灯、风筝、鱼线、树枝等悬挂物清理，并且搭配着增强无人机的数字孪生地图，可以不使用灰度识别等技术进行巡线清洁，保证其供电问题，无人机集群的北斗网格化同样会对清洁机器人在异物的定位上起到帮助，准确的找到异物并利用YOLO网络对其是什么类型的网络进行判断改用什么方式对其进行清理。

可选地，清洁机器人内部设计可以选用：

1.驱动模块：利用马达为清洁机器人提供前进的动力。

2.摄像头：摄像头在拍摄前方的过程会向主控模块发送图像，由搭载着YOLO算法的主控模块会对摄像头拍摄的图片进行判断异物改用什么方式进行处理。

3.机械臂：对硬物进行物理推动。

4.火焰喷射器：对大型的广告牌等短时间无法用旋转刀片处理的异物进行火焰焚烧。

5.WIFI模块：实时向工作人员传送清理信息。

6.无线通信设备：当WIFI模块无法正常工作时，供电系统会开启无线通信设备对其清理信息进行传送。

7.定位装置：时时定位，可以让工作人员在数字孪生的图像中看到清洁机器人当前的工作位置和意外滑落时方便工作人员寻找。

8.供电系统：维持清洁机器人的电量，控制WIFI模块和无线通信设备的开启和关闭。

9.主控模块：处理YOLO算法和对其他模块进行工作处理。

10.旋转刀片：利用旋转刀片可以刮开塑料袋、孔明灯等异物。

如上所述，本申请提供的传输线清洁方法和存储介质包括北斗网格、数字孪生、无人机集群、清洁机器人、视觉识别等技术。无人机利用北斗网格编码本身带有的位置信息进行关联，实现快速定位精准寻找的目的，根据北斗网格编码包含构建配电网线路的三维网格图，并动态关联多源数据，形成数字孪生线路图，利用算法对巡检路径规划传达到增强无人机中，增强无人机对无人机集群下达的指令对配电网线路进行异物巡检，考虑到环境恶略的情况，增强无人机和无人机集群之间的通信选用5G，由无人机集群将消息传送回增强无人机中，增强无人机发送至云端，云端接收到数据会反馈到工作人员手中，工作人员将北斗网格位置发送至清洁机器人，利用清洁机器人对该位置的异物进行清理，具有提高工作效率和保障工作人员安全等优点。

需要说明的是，在本申请中，采用了诸如S10、S20等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行S20后执行S10等，但这些均应在本申请的保护范围之内。

在本申请提供的智能终端和计算机可读存储介质的实施例中，可以包含任一上述方法实施例的全部技术特征，说明书拓展和解释内容与上述方法的各实施例基本相同，在此不再做赘述。

本申请实施例还提供一种计算机程序产品，计算机程序产品包括计算机程序代码，当计算机程序代码在计算机上运行时，使得计算机执行如上各种可能的实施方式中的方法。

本申请实施例还提供一种芯片，包括存储器和处理器，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片的设备执行如上各种可能的实施方式中的方法。

可以理解，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请实施例设备中的单元可以根据实际需要进行合并、划分和删减。

在本申请中，对于相同或相似的术语概念、技术方案和/或应用场景描述，一般只在第一次出现时进行详细描述，后面再重复出现时，为了简洁，一般未再重复阐述，在理解本申请技术方案等内容时，对于在后未详细描述的相同或相似的术语概念、技术方案和/或应用场景描述等，可以参考其之前的相关详细描述。

在本申请中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本申请技术方案的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种传输线清洁方法，其特征在于，包括：

获取传输线异物的定位位置；

根据数字孪生地图，控制清洁机器人运行至所述定位位置；

响应于所述清洁机器人获取所述定位位置的图像信息，根据所述图像信息进行异物识别；

控制所述清洁机器人根据预设清理模式清理所述传输线异物。

2.如权利要求1所述的传输线清洁方法，其特征在于，所述获取传输线异物的定位位置的步骤包括：

基于北斗网格码，对巡检线路的电塔和配电网线路进行网格编码定位转换，将所述巡检线路划分为北斗网格，并关联所述巡检线路的多源数据，生成数字孪生线路图；

基于所述数字孪生线路图，通过增强无人机控制无人机集群进行巡检，以获取所述传输线异物的定位位置。

3.根据权利要求2所述的传输线清洁方法，其特征在于，所述将所述巡检线路划分为北斗网格的步骤包括：

对所述电塔和配电网线路进行网格编码定位转换，形成网格位置数据库，其中，所述网格位置数据库用于存储线路定位数据，所述线路定位数据包括网格编码、超宽带位置数据和视频数据；

根据所述网格位置数据库，生成所述北斗网格；

和/或，所述生成数字孪生线路图的步骤包括：

基于所述北斗网格，构建巡检线路的三维网格图，并动态关联所述多源数据，生成数字孪生线路图，其中，所述数字孪生线路图包括CAD数据、三维数据、电子地图和遥感影像。

4.根据权利要求3所述的传输线清洁方法，其特征在于，所述生成数字孪生线路图的步骤还包括：

根据所述北斗网格，获取配电线路地理数据、电塔位置、增强无人机巡检线路数据、无人机集群基础数据、无人机集群飞控数据和配电线路周边环境数据；

根据数字孪生技术，分别生成配电线路三维模型、电塔三维模型、增强无人机位置三维模型、无人机集群位置三维模型和配电线路周边环境三维模型后，三维模型进行组合，生成所述数字孪生线路图。

5.根据权利要求2所述的传输线清洁方法，其特征在于，所述生成数字孪生线路图的步骤包括：

设置所述无人机集群的起点、分杆塔的巡检、待巡检杆塔的权重，构建用于所述路径规划的数学模型，其中，所述权重表示距离上一次巡检该杆塔的时间间隔，所述权重越大，时间间隔越长；

基于所述数学模型，通过设置约束条件，进行种群初始化，生成巡检路径。

6.根据权利要求5所述的传输线清洁方法，其特征在于，所述生成巡检路径的步骤包括：

以所述增强无人机的起点为圆心，以所述无人机集群的续航能力为直径，生成作为巡检目标的杆塔集合；

根据遗传算法，将所述杆塔集合的杆塔号进行随机排列，生成一条染色体，得到巡检子路径，其中，判断所述染色体是否存在相同的杆塔号，删除多余的编号；根据染色体编码计算无人机的路径长度，除以无人机的飞行速度，获取巡检路径的飞行时间，如果超过所述续航时间，则按照杆塔的所述权重从小到大依次删除编号；当两个所述权重相同时，则优先删除距离最远的杆塔，直至飞行时间小于等于无人机的续航时间；

基于每条所述巡检子路径，生成所述巡检路径。

7.根据权利要求6所述的传输线清洁方法，其特征在于，所述生成巡检子路径的步骤包括：

对父代种群的每条所述染色体进行交叉操作，生成子代种群；

基于Metropolis准则，对所述父代种群和所述子代种群进行变异操作，并根据所述染色体的适用度，进行排序，其中，所述子代种群包括第一染色体数量，所述父代种群包括第二染色体数量；

根据所述子代种群的适应度排名后第一染色体数量位，对应的第一染色体，与所述父代种群的适应度排名前第二染色体数量位，对应的第二染色体，进行合并，形成新的种群，以此迭代，直到生成所述巡检路径。

8.根据权利要求1-7任一项所述的传输线清洁方法，其特征在于，所述根据所述图像信息进行异物识别的步骤包括：

使用YOLO算法对所述图像信息进行异物识别。

9.根据权利要求1-7任一项所述的传输线清洁方法，其特征在于，所述预设清理模式选自机械臂模式、火焰模式及旋刀模式；所述控制所述清洁机器人根据预设清理模式清理所述传输线异物的步骤包括：

当识别到第一类异物时，选用所述机械臂模式，以使用机械臂对所述传输线异物进行物理推动；

当识别到第二类异物时，选用所述火焰模式，以控制火焰喷射器对所述传输线异物进行焚烧；

当识别到第三类异物时，选用所述旋刀模式，以使用旋转刀片对所述传输线异物进行刮削。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的传输线清洁方法。

Images