CN115562340A - 一种配网线路无人机巡检故障判别系统 - Google Patents
一种配网线路无人机巡检故障判别系统 Download PDFInfo
- Publication number
- CN115562340A CN115562340A CN202211282181.2A CN202211282181A CN115562340A CN 115562340 A CN115562340 A CN 115562340A CN 202211282181 A CN202211282181 A CN 202211282181A CN 115562340 A CN115562340 A CN 115562340A
- Authority
- CN
- China
- Prior art keywords
- image
- comparison
- unmanned aerial
- aerial vehicle
- fault
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公开了一种配网线路无人机巡检故障判别系统,系统包括移动端、地面主站、数据处理中心及无人机,地面主站与移动端通信连接,用于向移动端发送对应配网线路的故障信息;移动端包括接收模块、接口上传模块及信号发送模块,接收模块用于接收地面主站发送的故障信息,接口上传模块用于将故障信息上传至数据处理中心,信号发送模块与无人机通信连接用于向无人机发送控制指令,控制指令包括巡航路线、重点拍摄点位及拍摄、拍照的操作命令;无人机用于按照控制指令进行飞行巡检并对配网线路进行拍摄以形成图像数据,并将图像数据无线传输至移动端及数据处理中心。本发明具有提高巡检效率的优点。
Description
技术领域
本发明涉及无人机巡检技术领域,特别涉及一种配网线路无人机巡检故障判别系统。
背景技术
目前,我国无人机市场已发展了许多年,从最初的军用领域逐渐扩展到消费领域。目前国内消费无人机市场火热,普通民众对无人机的认可程度和需求度逐渐攀升,过去两年来,无人机企业、融资次数、飞机数量和产品用途都有了明显的增多,甚至出现了指数型增长,监管制度方面也有了进一步地完善。未来五年民用无人机行业将持续保持较快的发展态势,除了军用目的,无人机的民用市场非常广阔,其中包括城市管理、农业、地质、气象、电力、抢险救灾、视频拍摄等广泛领域。例如在电力巡检领域,装配有高清数码摄像机和照相机以及GPS定位系统的无人机,可沿电网进行定位自主巡航,实时传送拍摄影像,监控人员可在电脑上同步收看与操控。
目前的无人机巡检通常是通过搭载在无人机的摄像头拍摄巡检路线上的图片及视频然后在返航后对图像进行缺陷识别,但是由于在巡检过程中无法对图像数据进行识别,且由于现场环境情况的不同会导致巡检过程中获取到的大量图像数据存在无法对故障进行判别的情况,可能需要多次进行巡检,或者是长时间悬停拍摄大量的数据再进行识别,这样耗费人力物力且效率低下。
发明内容
本发明的目的是提供一种配网线路无人机巡检故障判别系统,其具有提高巡检效率,节约人力的优点。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种配网线路无人机巡检故障判别系统,其特征在于,所述系统包括移动端、地面主站、数据处理中心及无人机,
所述地面主站与移动端通信连接,用于向移动端发送对应配网线路的故障信息;
所述移动端包括接收模块、接口上传模块及信号发送模块,所述接收模块用于接收地面主站发送的故障信息,所述接口上传模块用于将故障信息上传至数据处理中心,所述信号发送模块与无人机通信连接用于向无人机发送控制指令,所述控制指令包括巡航路线、重点拍摄点位及拍摄、拍照的操作命令;
所述无人机用于按照控制指令进行飞行巡检并对配网线路进行拍摄以形成图像数据,并将图像数据无线传输至移动端及数据处理中心;
所述数据处理中心包括解析模块和数据处理模块,所述解析模块用于接收故障信息并根据故障信息确定巡查路线及杆塔上的设备,并动态生成巡航路线及重点拍摄点位;所述数据处理模块接收图像数据并通过图像数据确定故障原因后向移动端发送返航信号,所述移动端接收到返航信号后向无人机发送返航指令控制无人机返航。
进一步设置:所述无人机配置有用于获取所述图像数据的图像采集模块和初步比对模块,所述图像数据包括初比对图像和重点图像,所述图像采集模块在所述无人机到达重点拍摄点位后采集配网线路的图像作为初比对图像,所述初比对模块包括比对数据库和初比对分析单元,所述比对数据库内预存有若干故障标准图像,所述故障标准图像为表征各种故障的典型特征图像,所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄。
进一步设置:所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄具体包括:
将初比对图像和故障标准图像依次进行比对得到多个相似值,选取相似值最大且相似值大于等于预设阈值的故障标准图像作为初判断图像,若没有得到初判断图像则判断为比对失败;
若得到初判断图像则输出悬停拍摄指令,所述无人机接收到悬停拍摄指令后悬停与所述重点拍摄点位处并通过所述图像采集模块获取重点图像发送至数据处理中心;若判断为比对失败则生成巡查指令,所述无人机接收到巡查指令后继续沿巡航路线执行飞行巡检。
进一步设置:所述数据处理模块接收图像数据并通过图像数据确定故障原因具体包括如下步骤:
步骤S1,获取重点图像的第一特征值,确定故障数据库,将故障数据库中的图像作为比对图像,获取每幅比对图像的第一特征值;
步骤S2,比较所述重点图像的第一特征值与所述比对图像的第一特征值的相似度,根据相似度和预设的初比对阈值判断比对图像是否与所述重点图像为相似图像,若为相似图像则进入步骤S3,不为相似度图像则进入步骤S7;
步骤S3,将重点图像和比对图像均划分为均匀的图像区域并编号,获取每个图像区域内每个像素的第二特征值;
步骤S4,计算比对所述重点图像和对应的比对图像相同编号的图像区域内每个像素的第二特征值得到每对相同编号的图像区域的像素差值;
步骤S5,选择像素差值最小的一对相同编号的图像区域作为对应的重点图像和比对图像的质心区域,根据每个图像区域与所述质心区域的距离计算得到每对图像区域的加权像素差值;
步骤S6,根据每对图像区域的加权像素差值计算得到重点图像和对应的比对图像的相似分值,根据相似分值和预设的终比对阈值判断重点图像与故障数据库的比对图像是否为相同图像,若未相同图像则输出返航信号至移动端。
进一步设置:步骤S3中所述的第二特征值为像素的RGB值。
进一步设置:所述步骤S4中计算像素差值的计算公式为:
其中,δj为每对相同编号的图像区域的像素差值,αi和bi为重点图像和比对图像相同编号的图像区域内每个像素的第二特征值。
综上所述,本发明具有以下有益效果:通过设置在无人机上的初比对模块对拍摄到的图像数据进行初步的比对快速筛查掉大量与故障无关的图像数据,经过初比对模块确认为初判断图像的控制无人机继续拍摄重点图像发送回数据处理中心进行再次比对识别进行故障原因的确认,筛查了大量与故障无关的图像数据,能够提高故障确认的效率。
附图说明
图1是实施例的结构框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例:
如图1所示,一种配网线路无人机巡检故障判别系统,所述系统包括移动端、地面主站、数据处理中心及无人机,
所述地面主站与移动端通信连接,用于向移动端发送对应配网线路的故障信息;
所述移动端包括接收模块、接口上传模块及信号发送模块,所述接收模块用于接收地面主站发送的故障信息,所述接口上传模块用于将故障信息上传至数据处理中心,所述信号发送模块与无人机通信连接用于向无人机发送控制指令,所述控制指令包括巡航路线、重点拍摄点位及拍摄、拍照的操作命令;
所述无人机用于按照控制指令进行飞行巡检并对配网线路进行拍摄以形成图像数据,并将图像数据无线传输至移动端及数据处理中心;
所述数据处理中心包括解析模块和数据处理模块,所述解析模块用于接收故障信息并根据故障信息确定巡查路线及杆塔上的设备,并动态生成巡航路线及重点拍摄点位;所述数据处理模块接收图像数据并通过图像数据确定故障原因后向移动端发送返航信号,所述移动端接收到返航信号后向无人机发送返航指令控制无人机返航。
所述无人机配置有用于获取所述图像数据的图像采集模块和初步比对模块,所述图像数据包括初比对图像和重点图像,所述图像采集模块在所述无人机到达重点拍摄点位后采集配网线路的图像作为初比对图像,所述初比对模块包括比对数据库和初比对分析单元,所述比对数据库内预存有若干故障标准图像,所述故障标准图像为表征各种故障的典型特征图像,所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄。
所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄具体包括:
将初比对图像和故障标准图像依次进行比对得到多个相似值,选取相似值最大且相似值大于等于预设阈值的故障标准图像作为初判断图像,若没有得到初判断图像则判断为比对失败;
若得到初判断图像则输出悬停拍摄指令,所述无人机接收到悬停拍摄指令后悬停与所述重点拍摄点位处并通过所述图像采集模块获取重点图像发送至数据处理中心;若判断为比对失败则生成巡查指令,所述无人机接收到巡查指令后继续沿巡航路线执行飞行巡检。
所述数据处理模块接收图像数据并通过图像数据确定故障原因具体包括如下步骤:
步骤S1,获取重点图像的第一特征值,确定故障数据库,将故障数据库中的图像作为比对图像,获取每幅比对图像的第一特征值;
步骤S2,比较所述重点图像的第一特征值与所述比对图像的第一特征值的相似度,根据相似度和预设的初比对阈值判断比对图像是否与所述重点图像为相似图像,若为相似图像则进入步骤S3,不为相似度图像则进入步骤S7;
步骤S3,将重点图像和比对图像均划分为均匀的图像区域并编号,获取每个图像区域内每个像素的第二特征值;
步骤S4,计算比对所述重点图像和对应的比对图像相同编号的图像区域内每个像素的第二特征值得到每对相同编号的图像区域的像素差值;
步骤S5,选择像素差值最小的一对相同编号的图像区域作为对应的重点图像和比对图像的质心区域,根据每个图像区域与所述质心区域的距离计算得到每对图像区域的加权像素差值;
步骤S6,根据每对图像区域的加权像素差值计算得到重点图像和对应的比对图像的相似分值,根据相似分值和预设的终比对阈值判断重点图像与故障数据库的比对图像是否为相同图像,若未相同图像则输出返航信号至移动端。
步骤S3中所述的第二特征值为像素的RGB值。
所述步骤S4中计算像素差值的计算公式为:
其中,δj为每对相同编号的图像区域的像素差值,αi和bi为重点图像和比对图像相同编号的图像区域内每个像素的第二特征值。
通过设置在无人机上的初比对模块对拍摄到的图像数据进行初步的比对快速筛查掉大量与故障无关的图像数据,经过初比对模块确认为初判断图像的控制无人机继续拍摄重点图像发送回数据处理中心进行再次比对识别进行故障原因的确认,筛查了大量与故障无关的图像数据,能够提高故障确认的效率。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在该技术方案的保护范围之内。
Claims (6)
1.一种配网线路无人机巡检故障判别系统,其特征在于,所述系统包括移动端、地面主站、数据处理中心及无人机,
所述地面主站与移动端通信连接,用于向移动端发送对应配网线路的故障信息;
所述移动端包括接收模块、接口上传模块及信号发送模块,所述接收模块用于接收地面主站发送的故障信息,所述接口上传模块用于将故障信息上传至数据处理中心,所述信号发送模块与无人机通信连接用于向无人机发送控制指令,所述控制指令包括巡航路线、重点拍摄点位及拍摄、拍照的操作命令;
所述无人机用于按照控制指令进行飞行巡检并对配网线路进行拍摄以形成图像数据,并将图像数据无线传输至移动端及数据处理中心;
所述数据处理中心包括解析模块和数据处理模块,所述解析模块用于接收故障信息并根据故障信息确定巡查路线及杆塔上的设备,并动态生成巡航路线及重点拍摄点位;所述数据处理模块接收图像数据并通过图像数据确定故障原因后向移动端发送返航信号,所述移动端接收到返航信号后向无人机发送返航指令控制无人机返航。
2.根据权利要求1所述的一种配网线路无人机巡检故障判别系统,其特征在于,所述无人机配置有用于获取所述图像数据的图像采集模块和初步比对模块,所述图像数据包括初比对图像和重点图像,所述图像采集模块在所述无人机到达重点拍摄点位后采集配网线路的图像作为初比对图像,所述初比对模块包括比对数据库和初比对分析单元,所述比对数据库内预存有若干故障标准图像,所述故障标准图像为表征各种故障的典型特征图像,所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄。
3.根据权利要求2所述的一种配网线路无人机巡检故障判别系统,其特征在于,所述初比对分析单元获取初比对图像后根据故障信息调用比对数据库中对应的故障标准图像与所述初比对图像进行比对,并根据比对结果生成对应的控制指令控制无人机继续巡查或重点拍摄具体包括:
将初比对图像和故障标准图像依次进行比对得到多个相似值,选取相似值最大且相似值大于等于预设阈值的故障标准图像作为初判断图像,若没有得到初判断图像则判断为比对失败;
若得到初判断图像则输出悬停拍摄指令,所述无人机接收到悬停拍摄指令后悬停与所述重点拍摄点位处并通过所述图像采集模块获取重点图像发送至数据处理中心;若判断为比对失败则生成巡查指令,所述无人机接收到巡查指令后继续沿巡航路线执行飞行巡检。
4.根据权利要求3所述的一种配网线路无人机巡检故障判别系统,其特征在于,所述数据处理模块接收图像数据并通过图像数据确定故障原因具体包括如下步骤:
步骤S1,获取重点图像的第一特征值,确定故障数据库,将故障数据库中的图像作为比对图像,获取每幅比对图像的第一特征值;
步骤S2,比较所述重点图像的第一特征值与所述比对图像的第一特征值的相似度,根据相似度和预设的初比对阈值判断比对图像是否与所述重点图像为相似图像,若为相似图像则进入步骤S3,不为相似度图像则进入步骤S7;
步骤S3,将重点图像和比对图像均划分为均匀的图像区域并编号,获取每个图像区域内每个像素的第二特征值;
步骤S4,计算比对所述重点图像和对应的比对图像相同编号的图像区域内每个像素的第二特征值得到每对相同编号的图像区域的像素差值;
步骤S5,选择像素差值最小的一对相同编号的图像区域作为对应的重点图像和比对图像的质心区域,根据每个图像区域与所述质心区域的距离计算得到每对图像区域的加权像素差值;
步骤S6,根据每对图像区域的加权像素差值计算得到重点图像和对应的比对图像的相似分值,根据相似分值和预设的终比对阈值判断重点图像与故障数据库的比对图像是否为相同图像,若未相同图像则输出返航信号至移动端。
5.根据权利要求4所述的一种配网线路无人机巡检故障判别系统,其特征在于,步骤S3中所述的第二特征值为像素的RGB值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211282181.2A CN115562340A (zh) | 2022-10-19 | 2022-10-19 | 一种配网线路无人机巡检故障判别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211282181.2A CN115562340A (zh) | 2022-10-19 | 2022-10-19 | 一种配网线路无人机巡检故障判别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115562340A true CN115562340A (zh) | 2023-01-03 |
Family
ID=84746465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211282181.2A Pending CN115562340A (zh) | 2022-10-19 | 2022-10-19 | 一种配网线路无人机巡检故障判别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115562340A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188470A (zh) * | 2023-04-28 | 2023-05-30 | 成都航空职业技术学院 | 一种基于无人机航拍识别的故障定位方法和系统 |
CN117576598A (zh) * | 2024-01-19 | 2024-02-20 | 中国民用航空飞行学院 | 一种基于云端数据库的无人机巡线系统 |
-
2022
- 2022-10-19 CN CN202211282181.2A patent/CN115562340A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188470A (zh) * | 2023-04-28 | 2023-05-30 | 成都航空职业技术学院 | 一种基于无人机航拍识别的故障定位方法和系统 |
CN117576598A (zh) * | 2024-01-19 | 2024-02-20 | 中国民用航空飞行学院 | 一种基于云端数据库的无人机巡线系统 |
CN117576598B (zh) * | 2024-01-19 | 2024-04-16 | 中国民用航空飞行学院 | 一种基于云端数据库的无人机巡线系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115562340A (zh) | 一种配网线路无人机巡检故障判别系统 | |
CN111353413B (zh) | 一种输电设备低漏报率缺陷识别方法 | |
CN106547814A (zh) | 一种输电线路无人机巡检图像的结构化自动归档方法 | |
CN110070530B (zh) | 一种基于深度神经网络的输电线路覆冰检测方法 | |
CN105788286A (zh) | 智能识别闯红灯系统以及车辆行为检测抓拍方法 | |
CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
CN115686063A (zh) | 配网电路巡检的移动无人机和机巢管控系统 | |
CN113239764B (zh) | 输电线路无人机巡检图像预处理方法 | |
CN113705372A (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
CN113099242A (zh) | 一种输电线路视频监测数据处理方法及系统 | |
CN108318781A (zh) | 一种基于红外图像的绝缘子远程监测及故障诊断的方法 | |
CN112067137A (zh) | 一种基于无人机巡线的电力线路自动测温方法 | |
CN115272888A (zh) | 一种基于数字孪生的5g+无人机输电线路巡检方法及系统 | |
CN115275870A (zh) | 一种基于高空线路维护的巡检系统 | |
CN114419444A (zh) | 一种基于深度学习网络的轻量化的高分辨率鸟群识别方法 | |
CN117392328B (zh) | 一种基于无人机集群的三维实景建模方法及系统 | |
CN113657280A (zh) | 一种输电线路目标缺陷检测示警方法及系统 | |
CN113344861A (zh) | 基于视频的绝缘子及附属大小金具缺陷识别方法及系统 | |
CN115442739B (zh) | 一种地铁施工临时通信处理方法、装置、电子设备及介质 | |
CN116582693A (zh) | 一种基于视频资源池的摄像头调用管控方法 | |
CN115147698A (zh) | 一种黑飞无人机事件随手拍照智能报警的方法 | |
CN110782431B (zh) | 一种基于深度学习的高压电线结冰区域检测方法 | |
CN113658120A (zh) | 电力设备的缺陷识别方法、装置、计算机设备和存储介质 | |
CN114592411A (zh) | 一种载体寄生式公路损坏智能巡查方法 | |
CN117576908B (zh) | 一种基于物联网的智能警用车载控制系统及方法 |
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 |