一种无人机巡检缺陷图像的识别方法、系统、装置及介质

    公开(公告)号:CN115797808A

    公开(公告)日:2023-03-14

    申请号:CN202211540316.0

    申请日:2022-12-01

    摘要: 本发明公开了一种无人机巡检缺陷图像的识别方法、系统、装置及介质,方法:获取无人机巡检的待识别图像并进行预处理;将预处理后的待识别图像输入训练好的神经网络模型进行缺陷识别并获取识别结果;其中,训练好的神经网络模型获取包括:获取无人机巡检的样本图像集,对样本图像集中各样本图像进行缺陷标注,构成带标注图像集;对带标注图像集中各带标注图像进行预处理,并划分为训练集和测试集;构建以多尺度的注意力机制网络结构Swin‑Transformer、特征金字塔网络结构SA‑FPN为骨架的神经网络模型;通过训练集对神经对构建好的神经网络模型进行训练,再利用测试集对神经网络模型进行测试,得到训练好的神经网络模型;本发明相比传统的CNN结构,其识别性能更好。

    电网缺陷检测方法及系统
    52.
    发明授权

    公开(公告)号:CN113012107B

    公开(公告)日:2022-07-08

    申请号:CN202110199986.X

    申请日:2021-02-22

    摘要: 本发明实施例提供一种电网缺陷检测方法及系统,该方法包括:获取待检测的电网巡检图像对应的特征图,其中,所述特征图包括多个格点,每一个所述格点对应所述图像的一个区域;将所述特征图中的格点分为第一类和第二类,其中,所述第一类表示缺陷区域,所述第二类表示背景区域;将所述第一类的格点进行合并,获得连通域;并将所述连通域输入至预先训练好的目标检测网络中,获得所述网络输出的缺陷检测结果。本发明实施例对于电网巡检照片这种有复杂背景的数据,缺陷目标占整个图片的比例很低,通过由粗到精的快速电网缺陷检测方法,先提取目标,再将目标进行分类回归,可以明显提高模型的准确度。

    一种基于输电在线监测数据的三维信息系统及其控制方法

    公开(公告)号:CN111864898B

    公开(公告)日:2022-06-14

    申请号:CN202010551739.7

    申请日:2020-06-17

    IPC分类号: H02J13/00

    摘要: 本发明提供了一种基于输电在线监测数据的三维信息系统及其控制方法,该系统包括:用于汇集与输电线路运行相关的监测数据、应用数据以及点云数据的监测数据融合模块、对点云数据进行自动处理的点云数据智能处理模块、用于构建及管理输变电线路及设备三维模型的三维模型管理模块,以及基于构建的输变电线路及设备三维模型对输电线路运行进行全状态参数的故障预警分析、监测数据分析和评估的线路运行管理模块。采用上述系统不仅能够统筹电网中多系统的有效数据,且能基于汇集的监测数据和点云数据形成及展示输电设备的三维模型,加以灵活更新和管理,并实现输电线路故障告警、监测数据挖掘分析等高级应用,提升电网输电在线监测技术水平。

    一种树障检测方法、检测装置和计算机设备

    公开(公告)号:CN114219950A

    公开(公告)日:2022-03-22

    申请号:CN202111485336.8

    申请日:2021-12-07

    摘要: 本申请提供一种树障检测方法、检测装置和计算机设备,所述方法包括:将第一树障图像训练样本输入到初始树障检测神经网络进行训练,得到用于检测树障的第一树障检测神经网络;获取无人机巡检电力线路的历史图像,通过第一树障检测神经网络对历史图像进行检测,得到第二树障图像训练样本;利用目标风格迁移网络将第二树障图像训练样本的内容信息和第一树障图像训练样本的风格信息进行融合,得到第三树障图像训练样本;将第二树障图像训练样本和第三树障图像训练样本输入到第一树障检测神经网络进行训练,得到第二树障检测神经网络,利用第二树障检测神经网络对无人机巡检电力线路的实时图像进行检测,得到目标树障图像。可以提高树障检测的准确性。

    一种激光雷达点云数据的漏洞修复方法

    公开(公告)号:CN114219917A

    公开(公告)日:2022-03-22

    申请号:CN202111463846.5

    申请日:2021-12-02

    IPC分类号: G06T17/20 G06T19/20 G06T5/00

    摘要: 本发明提供一种激光雷达点云数据的漏洞修复方法,包括获取待检测区域的激光雷达点云数据和历史数字高程模型数据;对激光雷达点云数据进行滤波处理、网格化处理和漏洞检测,得到目标漏洞区域;根据目标漏洞区域,对历史数字高程模型数据进行离散点采样,得到若干个漏洞修复离散点;在激光雷达点云数据中,获取与若干个漏洞修复离散点对应的若干个目标修复点的位置坐标;分别以目标修复点的位置坐标为中心,获取预设范围内的激光雷达点;根据激光雷达点与对应的目标修复点位置的距离和高程差,计算出高程修改值;根据高程修改值对漏洞修复离散点进行修正;根据修正后的漏洞修复离散点修复目标漏洞区域,获得修复后的激光雷达点云数据。

    一种基于元数据的全息数字电网数据自动入库系统及方法

    公开(公告)号:CN111831856A

    公开(公告)日:2020-10-27

    申请号:CN202010551909.1

    申请日:2020-06-17

    摘要: 本发明提供了一种基于元数据的全息数字电网数据自动入库系统,该系统包括:用于获取待入库的输电、变电、配电各专业遥感数据,确定遥感数据对应的元数据以及元数据原始完整标记值的数据获取模块,用于判断遥感数据格式,并计算确定元数据的完整性的数据初检查模块,用于将满足要求的数据加密上传的数据上传模块,以及用于解析上传后遥感数据的元数据,并根据元数据信息将遥感数据和元数据自动入库的数据解析导入模块。采用上述系统能够实现输电、变电、配电各专业遥感数据及对应元数据的智能化自动入库,克服现有入库技术中费时费力、误差率高及保密性不佳的缺陷,同时大大提高了数据传输和入库结果的精确度,有利于数据库存储空间的合理利用。

    一种输电线路小金具缺陷检测方法、装置及存储介质

    公开(公告)号:CN111735815A

    公开(公告)日:2020-10-02

    申请号:CN202010560198.4

    申请日:2020-06-18

    IPC分类号: G01N21/88 G06N3/04 G06N3/08

    摘要: 本发明提供一种输电线路小金具缺陷检测方法、装置及存储介质,方法包括:通过拍摄设备获得多个原始输电线巡检图片,并对多个原始输电线巡检图片质量预处理得到多个输电线巡检图片,并集合多个输电线巡检图片得到输电线巡检数据集,并将输电线巡检数据集分为输电线巡检训练集和输电线巡检测试集;对输电线巡检训练集的数据增强处理得到输电线巡检增强训练集;构建Libra R-CNN模型,并对Libra R-CNN模型的优化处理得到Libra R-CNN优化模型;根据输电线巡检增强训练集对Libra R-CNN优化模型进行训练得到小金具检测模型。本发明较人工巡检更为便捷、安全和高效,且可以适应多种类型及尺度的输电线路航拍图像小金具缺陷,检测精度高,模型泛化能力强。

    基于航拍图像的均压环缺陷检测方法、装置、介质和设备

    公开(公告)号:CN111008959A

    公开(公告)日:2020-04-14

    申请号:CN201911154105.1

    申请日:2019-11-22

    IPC分类号: G06T7/00

    摘要: 本发明提供了基于航拍图像的均压环缺陷检测方法、装置、介质和设备,所述方法包括:对航拍图像进行标注,对标注后的图像数据进行分类存储,建立均压环的缺陷数据集,所述缺陷数据集包括训练集和测试集;利用所述训练集中的图像数据进行神经网络训练以生成训练模型;使用所述测试集对所述训练模型进行评估,当评估的精度结果达到要求后,利用训练模型对巡检输电线路的航拍图像进行均压环缺陷的检测。本发明的方法应用数据增强,在线困难样本挖掘,缓和非极大值抑制算法、AdaGrad自适应梯度算法等方法对Faster R-CNN网络进行改进。本发明还选用ResNet-152替代原Faster R-CNN的VGG16特征提取网络来提升均压环的缺陷识别率。本发明的方法可适应多种类型输电线路的均压环故障检测。

    一种电力巡检无人机的精准回收方法和系统

    公开(公告)号:CN109992006A

    公开(公告)日:2019-07-09

    申请号:CN201910466189.6

    申请日:2019-05-31

    IPC分类号: G05D1/10

    摘要: 本发明公开了一种电力巡检无人机的精准回收方法,包括:按照设定的周期拍摄降落平台的图像,对拍摄图像中的降落标识进行分析;结合识别出的降落标识、无人机的当前RTK坐标确定降落点的RTK坐标;对降落点的RTK坐标进行修正,通过计算无人机的当前RTK坐标与修正后的降落点的RTK坐标之间的位置偏差、以及无人机的机头方向与降落标识的方向之间的角度偏差,调整无人机降落飞行路线,控制无人机降落在降落点上。本发明将视觉导航及RTK差分定位技术相结合,保证了无人机回收的精度,在视觉导航无效的情况下利用差分定位技术,根据无人机的当前RTK坐标和降落点的RTK坐标的位置偏差,引导无人机快速、准确降落至降落点,提高了无人机回收的速度、精度和稳定性。