CN116627178A - 一种基于无人机影像智能分析的电力巡检方法 - Google Patents
一种基于无人机影像智能分析的电力巡检方法 Download PDFInfo
- Publication number
- CN116627178A CN116627178A CN202310796562.0A CN202310796562A CN116627178A CN 116627178 A CN116627178 A CN 116627178A CN 202310796562 A CN202310796562 A CN 202310796562A CN 116627178 A CN116627178 A CN 116627178A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- inspection
- aerial vehicle
- transmission line
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010191 image analysis Methods 0.000 title claims description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 71
- 238000001931 thermography Methods 0.000 claims abstract description 31
- 238000012423 maintenance Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于无人机影像智能分析的电力巡检方法,具体步骤如下:S1:按照地理位置将供电区域进行区域划分;S2:生成目标巡检区域,利用电子地图规划巡检路线;S3:在进行巡检工作前对无人机进行调试,确认无误后开始进行巡检;S4:采集合格的影像数据,计算无人机巡检效率指数;S5:对采集的影像信息进行分析,获取不同高压输电线路当前供电状态、设备表面参数以及热成像参数;S6:确定高压输电线路的输电线路质量并进行判断是否需要维修;S7:将无人机判断结果与人工二次判断结果相互验证计算无人机电力巡检的准确度指数,同时根据无人机反馈情况和待维修点的具体位置制定维修计划;S8:计算无人机巡检质量指数并储存巡航数据。
Description
技术领域
本发明涉及电力巡检技术领域,具体为一种基于无人机影像智能分析的电力巡检方法。
背景技术
电力系统在我国关系到人民生活、生产、学习等方方面面,电力设备的良好运转关系到电力的稳定输送问题,所以电力系统设备的日常检修、巡检尤为重要,设备的巡检包括:电力线的状态、仪器仪表的数值、关键节点的发热温度、火灾、水淹、气体泄漏等等。
现有一种高压输电线路的电力巡检方法,采用人工巡检的方式进行电力巡检,巡检强度过大且将耗费大量人力资源;由于高压输电线路大多修建在山区,不仅交通不便、道路崎岖,而且相邻铁塔的海拔落差大、相隔距离远,给电力巡检增加了难度,人工巡检的效率较低;如果遇到雨雪天气,检修人员还会面临一定的安全威胁;人工巡检的检测过程依赖巡检人员的经验进行判断,某些检测无法通过人眼识别,巡检结果的准确性有待提高,同样巡检结果上报的及时性也需要进行提升。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于无人机影像智能分析的电力巡检方法,解决了人工巡检中存在的主要问题。
为实现上述目的,本发明提供如下技术方案:一种基于无人机影像智能分析的电力巡检方法,包括以下步骤:
S1:将供电点负责的供电区域记作目标区域,按照地图上的地理位置将目标区域划分为不同子区域,编号分别记为a1、a2、...、ai、...、an;
S2:将无人机与对应的目标区域进行匹配生成目标巡检区域,利用电子地图规划巡检路线;
S3:在进行巡检工作前对无人机进行静态整体测试,确认无人机系统工况良好、满足本次电力巡检任务要求后,设定无人机的飞行参数开始进行巡检;
S4:无人机系统对采集到的影像信息进行筛选,不合格的影像数据需要进行二次采集,若出现非工作区的影像数据则需人工进行偏航矫正,根据无人机巡检时间与巡检任务中标志点的个数与高压输电线路长度计算无人机巡检效率指数;
S5:无人机系统对采集的影像信息进行分析,获取不同高压输电线路当前供电状态、设备表面参数以及热成像参数;
S6:无人机系统将高压输电线路影像信息的分析结果与正常高压输电线路无损状态下的数据信息进行比对确定高压输电线路的输电线路质量并进行判断是否需要维修;
S7:将对比结果、判断结果以及对应影像信息进行反馈,由相关技术人员进行二次判断,将无人机判断结果与人工二次判断结果进行相互验证计算无人机电力巡检的准确度指数,同时根据无人机反馈情况和待维修点的具体位置制定维修计划;
S8:由无人机巡检的效率指数和准确度指数计算无人机巡检质量指数,完成巡检任务后无人机按照预设巡检路径返航,工作人员将无人机系统中的巡检数据上传至巡检信息库中进行备份并储存。
优选的,S2中无人机与对应的供电区域进行匹配后会以子区域的编号作为无人机的编号,在后续巡检过程将持续使用同一编号无人机进行巡检过程,避免由于无人机个体差异带来的数据误差,在目标巡检区域的电子地图上选取若干个重要的标志点,然后将这些标志点串连成线,可得到无人机巡检的飞行路径,并确定重点信息采集部位。
优选的,S4中采集到的影像信息包括信息采集部位不同角度的图片信息、视频信息和热成像信息,对于拍摄的图片和视频若出现曝光或者模糊的情况需进行重新拍摄,在无人机的巡检过程,将通过红外热成像传感器对高压输电线路上的零部件进行温度检测,当检测到温度异常时会标记异常点位置,进一步生成热图数据。
优选的,S4中无人机巡检效率指数βe的具体计算过程如下:
A1、统计不同巡检区域无人机进行电力巡检的时间t1、t2、...、ti、...、tn;
A2、统计不同巡检区域巡检路径对应的标志点个数m1、m2、...、mi、...、mn和高压输电线路长度L1、L2、...、Li、...、Ln;
A3、计算不同巡检区域无人机的巡检效率指数βi,具体公式为:其中α为时间调整因子,k为指数调整因子;
A4、挑选出其中巡检效率异常的数据,计算其余数据的平均值βe,具体公式为:
优选的,S6中无人机系统对高压输出线路的输电线路质量进行判断的过程如下:
B1、第一判断阶段:联网获取当前线路的供电信息,正常记为a1,异常记为a2,a1>0、a2<0,无异常则进入下一阶段的判断;
B2、第二判断阶段:将获取的输电线路热成像参数与正常状态下的输电线路热成像数据进行对比,判断获取的输电线路热成像数据是否在正常线路温度波动范围内,在温度波动范围内记为正常,不在波动范围内记为异常,正常记为b1,异常记为b2,b1>0、b2<0,在正常波动范围内则进行下一阶段的判断;
B3、第三判断阶段:将获取的输电线路设备表面参数与正常无损状态下的输电线路设备表面参数进行对比判断设备表面破损程度并设定等级为初级、中级和高级,对其进行数据化处理则对应的指数为xai、xbi、xci,i=1、2、...、n,xai>xbi>xci,xzi<0.6,当设备表面破损程度达到高级则需进行上报维修;
B4、计算输电线路质量指数φ,具体公式为:其中j1、j2、j3为对应判断因素的比例系数,j1>j2>j3>0,当第一判断阶段不通过时,ai<0、bi=0、xi=0,当第二判断阶段不通过时ai>0、bi<0、xi=0,当第三判断过程不通过时ai>0、bi>0、xi=xzi<0.6,当输电线路质量指数低于阈值时判定需要进行维修。
优选的,S7中将无人机维修判断结果与人工二次判断结果进行匹配计算无人机巡检数据判断的准确度指数γa,具体公式为:其中γ1为输电线路维修判断结果相同的数据,γ0为输电线路中所有异常数据维修判断结果,θ为偏差调整因子,统计不同巡检区域无人机的巡检准确度指数γa1、γa2、...、γai、...、γan,挑选出其中准确度异常的数据,对剩余数据求平均值γe,具体公式为:/>
优选的,S8中无人机巡检质量指数We的具体计算公式为:其中λ1、λ2为比例系数,λ1<λ2。
本发明的技术效果和优点:
该电力巡检方法使用无人机巡检,不受地形影响,可保证全天候巡检作业,扩大巡检范围、减少巡检时间,利用无人机搭载的高清摄像机和红外成像传感器,可以清楚地观察到高压输电线路的运行状态、故障类型和异常温度部位,不仅显著提高了巡检效率,而且还能降低人员劳动强度;该电力巡检方法使用无人机开展自动巡检,则能够近距离地拍摄高压输电线路的导地线、绝缘子、金具,如果存在质量缺陷可以通过拍摄所得照片观察到,这样就保证了故障缺陷能够被第一时间发现、处理,从而显著提高了高压输电线路的运维质量,避免发生严重的电力故障;该方法将采集到的影像信息进行反馈,将无人机判断结果与人工判断结果进行相互验证提高了输电线路维修判断的准确性,巡检质量也得到了提升。
附图说明
图1为本发明的方法流程图。
图2为本发明的无人机系统模块连接图。
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。
本实施例提供了如图1所示一种基于无人机影像智能分析的电力巡检方法,包括以下步骤:
S1:将供电点负责的供电区域记作目标区域,按照地图上的地理位置将目标区域划分为不同子区域,编号分别记为a1、a2、...、ai、...、an;
S2:将无人机与对应的目标区域进行匹配生成目标巡检区域,利用电子地图规划巡检路线;
进一步,S2中无人机与对应的供电区域进行匹配后会以子区域的编号作为无人机的编号,在后续巡检过程将持续使用同一编号无人机进行巡检过程,避免由于无人机个体差异带来的数据误差,在目标巡检区域的电子地图上选取若干个重要的标志点,然后将这些标志点串连成线,可得到无人机巡检的飞行路径,并确定重点信息采集部位。
S3:在进行巡检工作前对无人机进行静态整体测试,确认无人机系统工况良好、满足本次电力巡检任务要求后,设定无人机的飞行参数开始进行巡检;
本实施例中具体需要说明的是,对无人机进行静态整体测试的目的是检查无人机系统运转是否正常,设定的无人机飞行参数包括飞行速度、拍摄角度和巡检范围,在每一次巡检之前将所有无人机的飞行速度调试到同一数值。
S4:无人机系统对采集到的影像信息进行筛选,不合格的影像数据需要进行二次采集,若出现非工作区的影像数据则需人工进行偏航矫正,根据无人机巡检时间与巡检任务中标志点的个数与高压输电线路长度计算无人机巡检效率指数;
进一步,S4中采集到的影像信息包括信息采集部位不同角度的图片信息、视频信息和热成像信息,对于拍摄的图片和视频若出现曝光或者模糊的情况需进行重新拍摄,在无人机的巡检过程,将通过红外热成像传感器对高压输电线路上的零部件进行温度检测,当检测到温度异常时会标记异常点位置,进一步生成热图数据。
进一步,S4中无人机巡检效率指数βe的具体计算过程如下:
A1、统计不同巡检区域无人机进行电力巡检的时间t1、t2、...、ti、...、tn;
A2、统计不同巡检区域巡检路径对应的标志点个数m1、m2、...、mi、...、mn和高压输电线路长度L1、L2、...、Li、...、Ln;
A3、计算不同巡检区域无人机的巡检效率指数βi,具体公式为:其中α为时间调整因子,k为指数调整因子;
A4、挑选出其中巡检效率异常的数据,计算其余数据的平均值βe,具体公式为:
S5:无人机系统对采集的影像信息进行分析,获取不同高压输电线路当前供电状态、设备表面参数以及热成像参数;
S6:无人机系统将高压输电线路影像信息的分析结果与正常高压输电线路无损状态下的数据信息进行比对确定高压输电线路的输电线路质量并进行判断是否需要维修;
进一步,S6中无人机系统对高压输出线路的输电线路质量进行判断的过程如下:
B1、第一判断阶段:联网获取当前线路的供电信息,正常记为a1,异常记为a2,a1>0、a2<0,无异常则进入下一阶段的判断;
B2、第二判断阶段:将获取的输电线路热成像参数与正常状态下的输电线路热成像数据进行对比,判断获取的输电线路热成像数据是否在正常线路温度波动范围内,在温度波动范围内记为正常,不在波动范围内记为异常,正常记为b1,异常记为b2,b1>0、b2<0,在正常波动范围内则进行下一阶段的判断;
B3、第三判断阶段:将获取的输电线路设备表面参数与正常无损状态下的输电线路设备表面参数进行对比判断设备表面破损程度并设定等级为初级、中级和高级,对其进行数据化处理则对应的指数为xai、xbi、xci,i=1、2、...、n,xai>xbi>xci,xzi<0.6,当设备表面破损程度达到高级则需进行上报维修;
B4、计算输电线路质量指数φ,具体公式为:其中j1、j2、j3为对应判断因素的比例系数,j1>j2>j3>0,当第一判断阶段不通过时,ai<0、bi=0、xi=0,当第二判断阶段不通过时ai>0、bi<0、xi=0,当第三判断过程不通过时ai>0、bi>0、xi=xzi<0.6,当输电线路质量指数低于阈值时判定需要进行维修。
S7:将对比结果、判断结果以及对应影像信息进行反馈,由相关技术人员进行二次判断,将无人机判断结果与人工二次判断结果进行相互验证计算无人机电力巡检的准确度指数,同时根据无人机反馈情况和待维修点的具体位置制定维修计划;
进一步,S7中将无人机维修判断结果与人工二次判断结果进行匹配计算无人机巡检数据判断的准确度指数γa,具体公式为:其中γ1为输电线路维修判断结果相同的数据,γ0为输电线路中所有异常数据维修判断结果,θ为偏差调整因子,统计不同巡检区域无人机的巡检准确度指数γa1、γa2、...、γai、...、γan,挑选出其中准确度异常的数据,对剩余数据求平均值γe,具体公式为:/>
S8:由无人机巡检的效率指数和准确度指数计算无人机巡检质量指数,完成巡检任务后无人机按照预设巡检路径返航,工作人员将无人机系统中的巡检数据上传至巡检信息库中进行备份并储存。
进一步,S8中无人机巡检质量指数We的具体计算公式为:其中λ1、λ2为比例系数,λ1<λ2。
本实施例提供了如图2所示一种无人机系统用于本发明的电力巡检过程,包括图像采集模块、热成像采集模块、自动筛除模块、数据分析模块、数据判断模块、数据反馈模块,其中图像采集模块用于通过高清摄像机采集高压输电线路不同部位、不同角度的图片信息和视频信息;热成像采集模块用于采集高压输电线路不同部位的温度信息;自动筛除模块用于对不合格的图像信息进行筛除,同时发送信息至图像采集模块进行二次采集;数据分析模块用于对采集到的影像信息进行分析,获取不同高压输电线路当前供电状态、设备表面参数以及热成像参数;数据判断模块用于将高压输电线路影像信息的分析结果与正常高压输电线路无损状态下的数据信息进行比对确定高压输电线路的输电线路质量并进行判断是否需要维修;数据反馈模块用于将巡检过程中的所有数据进行反馈。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于无人机影像智能分析的电力巡检方法,其特征在于:包括以下步骤:
S1:将供电点负责的供电区域记作目标区域,按照地图上的地理位置将目标区域划分为不同子区域,编号分别记为a1、a2、...、ai、...、an;
S2:将无人机与对应的目标区域进行匹配生成目标巡检区域,利用电子地图规划巡检路线;
S3:在进行巡检工作前对无人机进行静态整体测试,确认无人机系统工况良好、满足本次电力巡检任务要求后,设定无人机的飞行参数开始进行巡检;
S4:无人机系统对采集到的影像信息进行筛选,不合格的影像数据需要进行二次采集,若出现非工作区的影像数据则需人工进行偏航矫正,根据无人机巡检时间与巡检任务中标志点的个数与高压输电线路长度计算无人机巡检效率指数;
S5:无人机系统对采集的影像信息进行分析,获取不同高压输电线路当前供电状态、设备表面参数以及热成像参数;
S6:无人机系统将高压输电线路影像信息的分析结果与正常高压输电线路无损状态下的数据信息进行比对确定高压输电线路的输电线路质量并进行判断是否需要维修;
S7:将对比结果、判断结果以及对应影像信息进行反馈,由相关技术人员进行二次判断,将无人机判断结果与人工二次判断结果进行相互验证计算无人机电力巡检的准确度指数,同时根据无人机反馈情况和待维修点的具体位置制定维修计划;
S8:由无人机巡检的效率指数和准确度指数计算无人机巡检质量指数,完成巡检任务后无人机按照预设巡检路径返航,工作人员将无人机系统中的巡检数据上传至巡检信息库中进行备份并储存。
2.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S2中无人机与对应的供电区域进行匹配后会以子区域的编号作为无人机的编号,在后续巡检过程将持续使用同一编号无人机进行巡检过程,避免由于无人机个体差异带来的数据误差,在目标巡检区域的电子地图上选取若干个重要的标志点,然后将这些标志点串连成线,可得到无人机巡检的飞行路径,并确定重点信息采集部位。
3.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S4中采集到的影像信息包括信息采集部位不同角度的图片信息、视频信息和热成像信息,对于拍摄的图片和视频若出现曝光或者模糊的情况需进行重新拍摄,在无人机的巡检过程,将通过红外热成像传感器对高压输电线路上的零部件进行温度检测,当检测到温度异常时会标记异常点位置,进一步生成热图数据。
4.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S4中无人机巡检效率指数βe的具体计算过程如下:
A1、统计不同巡检区域无人机进行电力巡检的时间t1、t2、...、ti、...、tn;
A2、统计不同巡检区域巡检路径对应的标志点个数m1、m2、...、mi、...、mn和高压输电线路长度L1、L2、...、Li、...、Ln;
A3、计算不同巡检区域无人机的巡检效率指数βi,具体公式为:其中α为时间调整因子,k为指数调整因子;
A4、挑选出其中巡检效率异常的数据,计算其余数据的平均值βe,具体公式为:
5.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S6中无人机系统对高压输出线路的输电线路质量进行判断的过程如下:
B1、第一判断阶段:联网获取当前线路的供电信息,正常记为a1,异常记为a2,a1>0、a2<0,无异常则进入下一阶段的判断;
B2、第二判断阶段:将获取的输电线路热成像参数与正常状态下的输电线路热成像数据进行对比,判断获取的输电线路热成像数据是否在正常线路温度波动范围内,在温度波动范围内记为正常,不在波动范围内记为异常,正常记为b1,异常记为b2,b1>0、b2<0,在正常波动范围内则进行下一阶段的判断;
B3、第三判断阶段:将获取的输电线路设备表面参数与正常无损状态下的输电线路设备表面参数进行对比判断设备表面破损程度并设定等级为初级、中级和高级,对其进行数据化处理则对应的指数为xai、xbi、xci,i=1、2、...、n,xai>xbi>xci,xzi<0.6,当设备表面破损程度达到高级则需进行上报维修;
B4、计算输电线路质量指数φ,具体公式为:其中j1、j2、j3为对应判断因素的比例系数,j1>j2>j3>0,当第一判断阶段不通过时,ai<0、bi=0、xi=0,当第二判断阶段不通过时ai>0、bi<0、xi=0,当第三判断过程不通过时ai>0、bi>0、xi=xzi<0.6,当输电线路质量指数低于阈值时判定需要进行维修。
6.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S7中将无人机维修判断结果与人工二次判断结果进行匹配计算无人机巡检数据判断的准确度指数γa,具体公式为:其中γ1为输电线路维修判断结果相同的数据,γ0为输电线路中所有异常数据维修判断结果,θ为偏差调整因子,统计不同巡检区域无人机的巡检准确度指数γa1、γa2、...、γai、...、γan,挑选出其中准确度异常的数据,对剩余数据求平均值γe,具体公式为:/>
7.根据权利要求1所述的一种基于无人机影像智能分析的电力巡检方法,其特征在于:S8中无人机巡检质量指数We的具体计算公式为:其中λ1、λ2为比例系数,λ1<λ2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310796562.0A CN116627178A (zh) | 2023-06-30 | 2023-06-30 | 一种基于无人机影像智能分析的电力巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310796562.0A CN116627178A (zh) | 2023-06-30 | 2023-06-30 | 一种基于无人机影像智能分析的电力巡检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116627178A true CN116627178A (zh) | 2023-08-22 |
Family
ID=87638349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310796562.0A Pending CN116627178A (zh) | 2023-06-30 | 2023-06-30 | 一种基于无人机影像智能分析的电力巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116627178A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312591A (zh) * | 2023-10-17 | 2023-12-29 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117498225A (zh) * | 2024-01-03 | 2024-02-02 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
CN117726959A (zh) * | 2024-02-09 | 2024-03-19 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检系统及方法 |
CN117687427B (zh) * | 2024-02-01 | 2024-04-23 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于无人机的高压线路智能巡检系统 |
-
2023
- 2023-06-30 CN CN202310796562.0A patent/CN116627178A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312591A (zh) * | 2023-10-17 | 2023-12-29 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117312591B (zh) * | 2023-10-17 | 2024-03-12 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117498225A (zh) * | 2024-01-03 | 2024-02-02 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
CN117498225B (zh) * | 2024-01-03 | 2024-03-19 | 山东黄金电力有限公司 | 一种无人机智能电力线路巡检系统 |
CN117687427B (zh) * | 2024-02-01 | 2024-04-23 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于无人机的高压线路智能巡检系统 |
CN117726959A (zh) * | 2024-02-09 | 2024-03-19 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检系统及方法 |
CN117726959B (zh) * | 2024-02-09 | 2024-05-10 | 国网安徽省电力有限公司巢湖市供电公司 | 基于智能图像识别的无人机电力线路安全巡检系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116627178A (zh) | 一种基于无人机影像智能分析的电力巡检方法 | |
AU2017212024B2 (en) | Utilising UAVs for detecting defects in solar panel arrays | |
CN109187558A (zh) | 一种基于无人机的光伏电站自动巡检系统 | |
CN114898232B (zh) | 基于光伏组串数据分析的光伏电站无人机巡检方法及系统 | |
CN111722642B (zh) | 一种光伏电站的巡检方法、巡检装置以及存储介质 | |
KR101985019B1 (ko) | 드론과 gis를 사용한 이상 발열 태양광 모듈 검출 방법 | |
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 | |
KR101832454B1 (ko) | 드론 기반 열적외선 센서를 이용한 태양광 셀 발열 위치 분석 방법 | |
WO2015152205A1 (ja) | 発電システム分析装置および方法 | |
CN112288692B (zh) | 一种裂缝监测管理系统及监测管理方法 | |
Guo et al. | Quantitative analysis of crystalline silicon wafer PV modules by electroluminescence imaging | |
CN115720080A (zh) | 一种光伏电站发电区巡检控制系统及巡检控制方法 | |
CN114724042B (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
CN112880837A (zh) | 一种设备故障分析方法 | |
CN108418550A (zh) | 集群太阳能板的缺陷检测和定位方法 | |
CN113762183A (zh) | 一种既有建筑安全的智能检查分析系统及操作方法 | |
CN113077447A (zh) | 一种可探测高压设备微弱放电并进行缺陷分析的方法 | |
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 | |
CN111122053A (zh) | 小型水库坝体早期非稳定渗漏的检测装置与方法 | |
CN114167245B (zh) | 输变电设备表面局放智能检测方法及无人机融合紫外系统 | |
CN114882682A (zh) | 一种高压线缆状态监测平台及监测方法 | |
CN114785280A (zh) | 光伏电站太阳能电池组件发电性能缺陷的现场检测方法 | |
CN114821025A (zh) | 一种基于深度学习的表计识别方法和系统 | |
CN106872523A (zh) | 一种基于无人机的电力设备缺陷智能诊断系统及方法 | |
CN113449767A (zh) | 一种多图像融合的变电站设备异常识别定位方法 |
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 |