CN116824444A - 一种基于ai视频分析的输电检测系统 - Google Patents

Abstract

本发明提供一种基于AI视频分析的输电检测系统，包括：前端采集模块、云处理模块和后台管理模块；前端采集模块用于通过无人机根据设定的巡检路线沿输电线路飞行，并实时采集输电线路图像数据，并将采集到的输电线路图像数据传输到云处理模块；云处理模块用于将输电线路图像数据整合到输电线路地图模型相应的输电线路位置中进行可视化展示；并进一步根据输电线路图像数据进行异常检测，得到输电线路检测结果；后台管理模块用于访问云处理模块，获取实时的输电线路地图模型数据；并当输电线路检测结果出现异常时，根据异常的检测结果发出相应的现场检修调度信息。本发明有助于降低输电线路检测的人工成本和提高供配电系统输电线路的可靠水平。

Description

一种基于AI视频分析的输电检测系统

技术领域

本发明涉及输电检测技术领域，特别是一种基于AI视频分析的输电检测系统。

背景技术

在供配电系统中，输电线路是保障大规模电网可靠运行的重要组成部分。

由于输电线路大多设置在户外，户外环境复杂，容易导致输电线路出现损坏和安全银行。目前，电力公司需要定期派出专门的检修人员到达输电线路现场对线路进行检查和维修。但是，由于输电线路设置的范围广泛，检修人员时常需要爬山涉水才能到达输电线路现场进行检修，不仅工作环境恶劣，而且面临着一定的风险；同时检修效率也低下，不能满足城市大范围电力线路巡检的需要。

发明内容

针对上述问题，本发明旨在提供一种基于AI视频分析的输电检测系统。

本发明的目的采用以下技术方案来实现：

本发明示出一种基于AI视频分析的输电检测系统，包括：前端采集模块、云处理模块和后台管理模块；

前端采集模块用于通过无人机根据设定的巡检路线沿输电线路飞行，并在飞行的过程中实时采集输电线路图像数据，并将采集到的输电线路图像数据传输到云处理模块，其中采集的输电线路图像数据中携带有数据采集时的定位信息；

云处理模块用于根据接收到的输电线路图像数据中的定位信息，将输电线路图像数据整合到输电线路地图模型相应的输电线路位置中进行可视化展示；并进一步根据输电线路图像数据进行异常检测，得到输电线路检测结果，并将输电线路检测结果整合到输电线路地图模型中；

后台管理模块用于访问云处理模块，获取实时的输电线路地图模型数据；并当输电线路检测结果出现异常时，根据异常的检测结果发出相应的现场检修调度信息。

一种实施方式中，前端采集模块包括无人机单元、定位单元、摄像头单元和通信单元；

无人机单元用于获取预设的巡检路线，并根据训练路线完成飞行巡检；

定位单元设置在无人机单元中，用于获取无人机实时定位信息，并将获取的实时定位信息发送到摄像头单元；

摄像头单元用于在无人机沿巡检路线飞行的过程中，实时采集输电线路图像数据，并将获取的实时定位信息整合到输电线路图像数据中；

通信单元用于将整合有实时定位信息的输电线路图像数据通过无线网络传输到云处理模块中。

一种实施方式中，云处理模块包括接收单元、预处理单元、智能分析单元和可视化单元；

接收单元用于获取由前端采集模块实时传输的输电线路图像数据；

预处理单元用于对获取的输电线路图像数据首先进行预处理，并将预处理后的输电线路图像数据分别传输到智能分析单元和可视化单元；

智能分析单元用于基于智能图像分析技术，对处理后的输电线路图像数据进行异常检测分析，得到输电线路的检测结果；

可视化单元用于基于输电线路图像数据中携带的定位信息，将处理后的输电线路图像数据和相应的输电线路检测结果整合到输电线路地图模型中对应的位置，并将输电线路地图模型进行可视化展示。

一种实施方式中，云处理模块还包括数据管理单元；

数据管理单元用于对接收到的输电线路图像数据和对应的检测分析结果进行存储管理，构建历史检测数据库。

一种实施方式中，可视化单元还包括模型设置单元；

模型设置单元用于根据真实的输电线路布置信息和地图模型，构建输电线路地图模型；其中输电线路地图模型包含输电线路的拓扑连接关系，以及输电线路节点和线路在地图中对应的位置。

一种实施方式中，智能分析单元包括输入标准化单元和模型分析单元；

输入标准化单元用于根据预处理后的输电线路图像数据构建输入集；

模型分析单元用于将输入集输入到训练好的智能检测分析模型中，由智能检测分析模型根据输入集对输电线路进行异常检测，输出输电线路的检测结果。

一种实施方式中，智能分析单元还包括模型训练单元；

模型训练单元用于根据预先准备的训练集对智能检测分析模型进行训练，并对训练后的智能检测分析模型进行测试，当模型测试结果符合预设的标准时，停止模型训练并输出训练好的智能检测分析模型。

一种实施方式中，智能检测分析模型基于CNN卷积神经网络进行搭建，其中模型包含输入层、第一卷积层、第二卷积层、池化层、第一全连接层、第二全连接层、激活层和输出层；

其中输入层用于将构建好的输入集输入到模型当中；第一卷积层和输入层连接，其中第一卷积层包含32个卷积核，每个卷积核的尺寸为3×3；第二卷积层和第一卷积层连接，其中第二卷积层包含64个卷积核，每个卷积核的尺寸为5×5；池化层与第二卷积层连接，采用平均池化方式，其中池化核的尺寸为3×3；第一全连接层与池化层连接，其中第一全连接层包含8个神经元；第二全连接层包含16个神经元；即第一全连接层和第二全连接层总共包含512个全连接；激活层与第二全连接层连接，其中激活层采用softmax函数，激活层根据全连接层输出的特征向量计算每个输电线路检测分类的概率；输出层根据激活层输出的概率进行变换，得到输电线路检测结果并输出。

一种实施方式中，后台管理模块包括访问单元、提示单元和调度单元；

访问单元用于访问云处理模块，获取实时的输电线路模型并进行显示；

提示单元用于当输电线路模型中的输电线路检测结果出现异常时，发出相应的提示消息；

调度单元用于当输电线路检测结果出现异常时，根据异常的检修结果生成现场检修调度信息，并将现场检修调度信息发送到相应的巡检终端。

一种实施方式中，后台管理模块和还包括调取单元；

调取单元用于从云处理模块的数据库中获取历史输电线路图像数据并进行播放，供专家能够根据播放的输电线路图像数据进行人工检测，得到相应的输电线路人工检测结果。

本发明的有益效果为：前端采集模块基于无人机按照输电线路布置的路线巡航飞行，并在飞行的过程中实时采集输电线路图像数据，并将采集到的数据传输到云处理模块进行智能化分析处理；其中基于无人机对输电线路进行检测，能够提高输电线路，特别是边远地区或者偏僻地区输电线路的检测效率和检测安全性，有效降低输电线路检测的人工成本；基于云处理模块对采集到的输电线路图像数据进行智能化分析，借助云处理模块强大的计算和数据存储能力，能够同时对海量的输电线路图像数据进行实时的分析和检测，得到输电线路检测结果，通过智能检测的方式有助于提高输电线路检测的客观性和可靠性，避免人工检测过程中出现的主观判断不准确的情况发生；同时基于输电线路地图来对不同区域的输电线路检修情况进行可视化展示，有助于对区域中复杂的输电线路的检测情况进行清晰的展示，提高对输电线路检测结果的管理水平。管理者通过管理模块能够远程对输电线路的检测数据进行查看和管理，同时根据异常检测结果做出相应的运维调度，以及时对输电线路的异常情况进行处理，提高了供配电系统输电线路的可靠水平。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明的框架结构图；

图2为本发明前端采集模块的框架结构图；

图3为本发明云处理模块的框架结构图；

图4为本发明后台管理模块的框架结构图。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1实施例所示一种基于AI视频分析的输电检测系统，包括：前端采集模块、云处理模块和后台管理模块；

前端采集模块用于通过无人机根据设定的巡检路线沿输电线路飞行，并在飞行的过程中实时采集输电线路图像数据，并将采集到的输电线路图像数据传输到云处理模块，其中采集的输电线路图像数据中携带有数据采集时的定位信息；

云处理模块用于根据接收到的输电线路图像数据中的定位信息，将输电线路图像数据整合到输电线路地图模型相应的输电线路位置中进行可视化展示；并进一步根据输电线路图像数据进行异常检测，得到输电线路检测结果，并将输电线路检测结果整合到输电线路地图模型中；

后台管理模块用于访问云处理模块，获取实时的输电线路地图模型数据；并当输电线路检测结果出现异常时，根据异常的检测结果发出相应的现场检修调度信息。

本发明上述实施方式，提出的输电检测系统，前端采集模块基于无人机按照输电线路布置的路线巡航飞行，并在飞行的过程中实时采集输电线路图像数据，并将采集到的数据传输到云处理模块进行智能化分析处理；其中基于无人机对输电线路进行检测，能够提高输电线路，特别是边远地区或者偏僻地区输电线路的检测效率和检测安全性，有效降低输电线路检测的人工成本；基于云处理模块对采集到的输电线路图像数据进行智能化分析，借助云处理模块强大的计算和数据存储能力，能够同时对海量的输电线路图像数据进行实时的分析和检测，得到输电线路检测结果，通过智能检测的方式有助于提高输电线路检测的客观性和可靠性，避免人工检测过程中出现的主观判断不准确的情况发生；同时基于输电线路地图来对不同区域的输电线路检修情况进行可视化展示，有助于对区域中复杂的输电线路的检测情况进行清晰的展示，提高对输电线路检测结果的管理水平。管理者通过管理模块能够远程对输电线路的检测数据进行查看和管理，同时根据异常检测结果做出相应的运维调度，以及时对输电线路的异常情况进行处理，提高了供配电系统输电线路的可靠水平。

一种实施方式中，参见图2，前端采集模块包括无人机单元、定位单元、摄像头单元和通信单元；

无人机单元用于获取预设的巡检路线，并根据训练路线完成飞行巡检；

定位单元设置在无人机单元中，用于获取无人机实时定位信息，并将获取的实时定位信息发送到摄像头单元；

摄像头单元用于在无人机沿巡检路线飞行的过程中，实时采集输电线路图像数据，并将获取的实时定位信息整合到输电线路图像数据中；

通信单元用于将整合有实时定位信息的输电线路图像数据通过无线网络传输到云处理模块中。

一种场景中，无人机的巡检飞行路线根据输电线路的布置状况进行设置，其中设置巡检线路为根据输电线路斜上方1米至2米之间的距离进行设置，无人机采用四翼无人机，无人机的飞行速度限制在10-30km/h；无人机的下方设置摄像头单元，摄像头单元采用ccd高清摄像头，其中摄像头单元在无人机飞行的过程中对准斜下方的输电线路，采集输电线路图像数据，并将无人机当前的实时定位信息整合到图像数据中，以对图像数据中的输电线路数据进行标定；最后将采集到的输电线路图像数据通过无线通信的方式传输到云处理模块进行进一步的存储、展示和分析处理。

通过无人机对输电线路进行巡检的方式，有助于提高巡检的效率和灵活性，适应不同场景下输电线路检测的需要。

一种实施方式中，参见图3，云处理模块包括接收单元、预处理单元、智能分析单元和可视化单元；

接收单元用于获取由前端采集模块实时传输的输电线路图像数据；

预处理单元用于对获取的输电线路图像数据首先进行预处理，并将预处理后的输电线路图像数据分别传输到智能分析单元和可视化单元；

智能分析单元用于基于智能图像分析技术，对处理后的输电线路图像数据进行异常检测分析，得到输电线路的检测结果；

可视化单元用于基于输电线路图像数据中携带的定位信息，将处理后的输电线路图像数据和相应的输电线路检测结果整合到输电线路地图模型中对应的位置，并将输电线路地图模型进行可视化展示。

一种实施方式中，云处理模块还包括数据管理单元；

数据管理单元用于对接收到的输电线路图像数据和对应的检测分析结果进行存储管理，构建历史检测数据库。

一种场景中，云处理模块基于云平台或者私有云服务器进行搭建，其中云处理模块与前端采集模块的无人机进行无线通信连接，实时接收由无人机上传的输电线路图像数据；根据得到的输电线路图像数据，首先对图像数据进行预处理，以对接收到的数据进行数据清洗、数据标准化、数据解析、增强处理、目标提取等预处理，以使得获取的输电线路图像数据满足后续智能分析和可视化展示的需求。

一种实施方式中，预处理单元对获取的输电线路图像数据首先进行预处理，包括对获取的输电线路图像数据进行增强处理，具体包括：

对接收到的输电线路图像数据进行分帧处理，得到各画面帧图像，并依次对各画面帧图像进行增强处理，包括：

根据得到的画面帧图像进行边缘检测，获取画面帧图像中的边缘像素点信息，统计边缘像素点集合U；

根据下列一次检测函数对集合U中的像素点进行一次噪声点检测，将符合下列一次检测函数的像素点标记为疑似像素点：

其中，hgp(x,y)表示像素点(x,y)的灰度级，hgp_min表示当前视频帧画面各像素点的最小灰度级，hgp_max表示当前视频帧画面各像素点的最大灰度级；

根据下列一次检测函数对疑似像素点进行进一步的二次噪声点检测，将符合下列二次检测函数的像素点标记为噪声像素点：

其中，hgp(x,y)表示像素点(x,y)的灰度级，表示以像素点(x,y)为中心的邻域范围内除(x,y)的其他像素点的最小灰度级，/>表示以像素点(x,y)为中心的邻域范围内除(x,y)的其他像素点的平均灰度级；/>表示以像素点(x,y)为中心的邻域范围内除(x,y)的其他像素点的最大灰度级；hgpTe表示设定的灰度级阈值；

将边缘像素点集合U中的噪声像素点剔除；

进一步将画面帧图像从RGB颜色空间转换到Lab颜色空间，分别得到图像的亮度分量L、颜色分量a和颜色分量b；

针对边缘像素点集合中的像素点，采用下列第一亮度增强函数进行亮度增强处理：

lumi_u(x,y)＝0.5×lumiSt+0.5×lumi(x,y)

其中，lumi_u(x,y)表示第一增强处理后像素点(x,y)的亮度分量级，其中(x,y)∈[0，100]；lumiSt表示设定的标准亮度分量级，lumi(x,y)表示亮度分量L中像素点(x,y)的亮度分量级；

针对非边缘像素点集合的像素点，采用下列第二亮度增强函数进行亮度增强处理：

lumi_u(x,y)表示第一增强处理后像素点(x,y)的亮度分量级，lumiSt表示设定的标准亮度分量级，像素点(a,b)表示像素点集合U中与像素点(x,y)之间距离最近的边缘像素点，lumi_{argmin(||(x,y)-(a,b)||),(a,b)∈U}(a,b)表示像素点(a,b)的亮度分量级；表示以像素点(x,y)为中心的邻域范围内各像素点的平均亮度分量级；

分别对对所有像素点完成亮度增强后，得到亮度增强后的亮度分量L_u，并根据对应的颜色分量a和颜色分量b进行重构，得到增强处理后的画面帧图像；

根据得到的各帧增强处理后的画面帧图像重新组成预处理后的输电线路图像数据。

针对通过仰视角度或俯视角度拍摄的输电线路图像，用于受到太阳光或地面灯光的影响，从而导致输电线路出现背光的情况，影响了输电线路图像数据中输电线路区域的清晰度。上述实施方式特别提出一种针对输电线路图像进行预处理的技术方案，首先针对输电线路图像进行边缘检测，获取图像中的边缘信息，考虑到传统的通过灰度梯度或LBP等方式进行的边缘检测算法中，容易将噪声点误判成边缘像素点，因此，在完成边缘像素点检测后，进一步针对边缘像素点进行一次和二次噪声点检测，能够准确将误判为边缘像素点的噪声点进行剔除，为后续进一步根据边缘亮度信息进行图像的整体亮度增强提供保障。

在获取图像的边缘信息后，通过获取图像的Lab亮度分量，分别对边缘像素点和非边缘像素点进行亮度增强处理，其中在对非边缘像素点进行增强处理的时候，特别参考了其周边边缘像素点的亮度信息作为依据，来进行亮度补偿调节，有助于针对背光区域完成自适应的亮度调整，同时针对曝光区域进行自适应的均衡调节，有助于提高图像的整体清晰度和观感水平，提高后续根据输电线路图像进行智能分析的准确性和可靠性。

一种实施方式中，可视化单元还包括模型设置单元；

模型设置单元用于根据真实的输电线路布置信息和地图模型，构建输电线路地图模型；其中输电线路地图模型包含输电线路的拓扑连接关系，以及输电线路节点和线路在地图中对应的位置。

通过根据地区输电线路布置情况结合CIS地图数据，构建与真实情况对应的输电线路地图模型，并基于构建的输电线路地图模型对输电线路的检测情况进行可视化展示，有助于提高数据展示的直观性，间接提高了输电线路检测的管理水平。

一种实施方式中，智能分析单元包括输入标准化单元和模型分析单元；

输入标准化单元用于根据预处理后的输电线路图像数据构建输入集；

模型分析单元用于将输入集输入到训练好的智能检测分析模型中，由智能检测分析模型根据输入集对输电线路进行异常检测，输出输电线路的检测结果。

其中，针对输电线路图像数据进行智能化的检测分析处理，其通过基于人工智能网络搭建智能检测分析模型实现，通过智能分析模型完成输电线路的检测，有助于提高输电线路检测的智能化水平和客观性。同时基于AI分析的方式完成输电线路的智能化检测，也有助于提高数据处理的效率。

一种实施方式中，智能检测分析模型基于CNN卷积神经网络进行搭建，其中模型包含输入层、第一卷积层、第二卷积层、池化层、第一全连接层、第二全连接层、激活层和输出层；

其中输入层用于将构建好的输入集输入到模型当中；第一卷积层和输入层连接，其中第一卷积层包含32个卷积核，每个卷积核的尺寸为3×3；第二卷积层和第一卷积层连接，其中第二卷积层包含64个卷积核，每个卷积核的尺寸为5×5；池化层与第二卷积层连接，采用平均池化方式，其中池化核的尺寸为3×3；第一全连接层与池化层连接，其中第一全连接层包含8个神经元；第二全连接层包含16个神经元；即第一全连接层和第二全连接层总共包含512个全连接；激活层与第二全连接层连接，其中激活层采用softmax函数，激活层根据全连接层输出的特征向量计算每个输电线路检测分类的概率；输出层根据激活层输出的概率进行变换，得到输电线路检测结果并输出。

一种场景中，模型输入为基于输电线路图像数据得到的画面帧图像并经过目标提取得到的输电线路区域图像，通过基于输电线路图像进行分帧处理提取画面帧图像，并根据的都的画面帧图像进行输电线路目标提取，得到输电线路在画面帧图像中的所在区域，并将提取的区域图像作为输入图像输入到智能检测分析模型中，由智能检测分析模型根据输入图像对输电线路的外部情况进行检测，检测输电线路是否存在外表破裂、裂缝、断裂、脱落等异常情况，得到检测分析结果。

一种实施方式中，智能分析单元还包括模型训练单元；

模型训练单元用于根据预先准备的训练集对智能检测分析模型进行训练，并对训练后的智能检测分析模型进行测试，当模型测试结果符合预设的标准时，停止模型训练并输出训练好的智能检测分析模型。

一种场景中，根据同样通过同一前端采集模块采集的输电线路图像数据进行预处理后的输电线路区域图像作为训练集图像，并通过专家基于训练集图像进行异常情况标识，完成训练集的构建；将训练集的80％作为训练数据输入到智能检测分析模型中对模型进行训练，并将训练集的20％作为测试数据对模型的准确性进行测试，当模型的测试结果符合预设的标准，例如是准确率高于98％时，停止模型的训练并输出训练后的智能检测分析模型，否则继续构建训练集对模型进行训练和测试，直到模型符合预设的标准。

一种实施方式中，参见图4，后台管理模块包括访问单元、提示单元和调度单元；

访问单元用于访问云处理模块，获取实时的输电线路模型并进行显示；

提示单元用于当输电线路模型中的输电线路检测结果出现异常时，发出相应的提示消息；

调度单元用于当输电线路检测结果出现异常时，根据异常的检修结果生成现场检修调度信息，并将现场检修调度信息发送到相应的巡检终端。

后台管理模块能够基于电力智慧中心的智能终端搭建，管理人员通过后台管理模块访问云处理平台获取输电线路地图模型进行可视化展示，能够对管控区域内的输电线路检测情况进行全面的了解，有助于管理者完成区域输电线路的整体管理；同时基于出现异常检测结果的线路会出现异常提示消息，提醒管理者根据及时对异常的检测结果进行处理，通过调度单元生成现场检修调度信息，并将现场检修调度信息发送给负责的检修人员，由检修人员到达出现异常的输电线路现场进行现场检修，以对异常情况进行处理，有助于提高输电线路异常处理的效率和管理水平。

一种实施方式中，后台管理模块和还包括调取单元；

调取单元用于从云处理模块的数据库中获取历史输电线路图像数据并进行播放，供专家能够根据播放的输电线路图像数据进行人工检测，得到相应的输电线路人工检测结果。

通过调取单元，能够对采集的历史输电线路图像数据进行播放，有助于专家或者运维人员根据播放的图像数据进行二次人工检测(远程检测)，以满足不同场景下输电线路检测的需求。

一种实施方式中，后台管理模块还包括前端管理单元；

前端管理单元用于对前端管理模块中的无人机单元进行管理，包括设置巡检飞行的路线和指派巡检任务等。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (10)

1.一种基于AI视频分析的输电检测系统，其特征在于，包括：前端采集模块、云处理模块和后台管理模块；

前端采集模块用于通过无人机根据设定的巡检路线沿输电线路飞行，并在飞行的过程中实时采集输电线路图像数据，并将采集到的输电线路图像数据传输到云处理模块，其中采集的输电线路图像数据中携带有数据采集时的定位信息；

云处理模块用于根据接收到的输电线路图像数据中的定位信息，将输电线路图像数据整合到输电线路地图模型相应的输电线路位置中进行可视化展示；并进一步根据输电线路图像数据进行异常检测，得到输电线路检测结果，并将输电线路检测结果整合到输电线路地图模型中；

后台管理模块用于访问云处理模块，获取实时的输电线路地图模型数据；并当输电线路检测结果出现异常时，根据异常的检测结果发出相应的现场检修调度信息。

2.根据权利要求1所述的一种基于AI视频分析的输电检测系统，其特征在于，前端采集模块包括无人机单元、定位单元、摄像头单元和通信单元；

无人机单元用于获取预设的巡检路线，并根据训练路线完成飞行巡检；

定位单元设置在无人机单元中，用于获取无人机实时定位信息，并将获取的实时定位信息发送到摄像头单元；

摄像头单元用于在无人机沿巡检路线飞行的过程中，实时采集输电线路图像数据，并将获取的实时定位信息整合到输电线路图像数据中；

通信单元用于将整合有实时定位信息的输电线路图像数据通过无线网络传输到云处理模块中。

3.根据权利要求2所述的一种基于AI视频分析的输电检测系统，其特征在于，云处理模块包括接收单元、预处理单元、智能分析单元和可视化单元；

接收单元用于获取由前端采集模块实时传输的输电线路图像数据；

预处理单元用于对获取的输电线路图像数据首先进行预处理，并将预处理后的输电线路图像数据分别传输到智能分析单元和可视化单元；

智能分析单元用于基于智能图像分析技术，对处理后的输电线路图像数据进行异常检测分析，得到输电线路的检测结果；

可视化单元用于基于输电线路图像数据中携带的定位信息，将处理后的输电线路图像数据和相应的输电线路检测结果整合到输电线路地图模型中对应的位置，并将输电线路地图模型进行可视化展示。

4.根据权利要求3所述的一种基于AI视频分析的输电检测系统，其特征在于，云处理模块还包括数据管理单元；

数据管理单元用于对接收到的输电线路图像数据和对应的检测分析结果进行存储管理，构建历史检测数据库。

5.根据权利要求3所述的一种基于AI视频分析的输电检测系统，其特征在于，可视化单元还包括模型设置单元；

模型设置单元用于根据真实的输电线路布置信息和地图模型，构建输电线路地图模型；其中输电线路地图模型包含输电线路的拓扑连接关系，以及输电线路节点和线路在地图中对应的位置。

6.根据权利要求3所述的一种基于AI视频分析的输电检测系统，其特征在于，智能分析单元包括输入标准化单元和模型分析单元；

输入标准化单元用于根据预处理后的输电线路图像数据构建输入集；

模型分析单元用于将输入集输入到训练好的智能检测分析模型中，由智能检测分析模型根据输入集对输电线路进行异常检测，输出输电线路的检测结果。

7.根据权利要求6所述的一种基于AI视频分析的输电检测系统，其特征在于，智能分析单元还包括模型训练单元；

模型训练单元用于根据预先准备的训练集对智能检测分析模型进行训练，并对训练后的智能检测分析模型进行测试，当模型测试结果符合预设的标准时，停止模型训练并输出训练好的智能检测分析模型。

8.根据权利要求6所述的一种基于AI视频分析的输电检测系统，其特征在于，智能检测分析模型基于CNN卷积神经网络进行搭建，其中模型包含输入层、第一卷积层、第二卷积层、池化层、第一全连接层、第二全连接层、激活层和输出层；

其中输入层用于将构建好的输入集输入到模型当中；第一卷积层和输入层连接，其中第一卷积层包含32个卷积核，每个卷积核的尺寸为3×3；第二卷积层和第一卷积层连接，其中第二卷积层包含64个卷积核，每个卷积核的尺寸为5×5；池化层与第二卷积层连接，采用平均池化方式，其中池化核的尺寸为3×3；第一全连接层与池化层连接，其中第一全连接层包含8个神经元；第二全连接层包含16个神经元；即第一全连接层和第二全连接层总共包含512个全连接；激活层与第二全连接层连接，其中激活层采用softmax函数，激活层根据全连接层输出的特征向量计算每个输电线路检测分类的概率；输出层根据激活层输出的概率进行变换，得到输电线路检测结果并输出。

9.根据权利要求3所述的一种基于AI视频分析的输电检测系统，其特征在于，后台管理模块包括访问单元、提示单元和调度单元；

访问单元用于访问云处理模块，获取实时的输电线路模型并进行显示；

提示单元用于当输电线路模型中的输电线路检测结果出现异常时，发出相应的提示消息；

调度单元用于当输电线路检测结果出现异常时，根据异常的检修结果生成现场检修调度信息，并将现场检修调度信息发送到相应的巡检终端。

10.根据权利要求9所述的一种基于AI视频分析的输电检测系统，其特征在于，后台管理模块和还包括调取单元；

调取单元用于从云处理模块的数据库中获取历史输电线路图像数据并进行播放，供专家能够根据播放的输电线路图像数据进行人工检测，得到相应的输电线路人工检测结果。