[发明专利]一种无人机巡检管线目标分析管理方法及系统

权利要求书

1.一种无人机巡检管线目标分析管理方法，其特征在于，包括以下步骤：

步骤1：无人机根据管线的地理坐标对管线进行图像采集；

步骤2：将符合覆盖管线要求的图像进行正摄性矫正，在矫正后的图像中标注管线位置；

步骤3：以管线位置为基准，设置图像的警戒范围；

步骤4：在图像的警戒范围内进行异常目标检测，所述异常目标检测包括异常目标色域空间检测、异常小目标检测、异常大目标检测以及异常人造目标检测；

步骤5：对检测到的异常目标进行神经网络识别，从而获取异常目标的类别；

步骤6：人工判定经神经网络识别后的异常目标是否正确，对异常目标进行纠正，得到最终的异常目标序列；

步骤7：计算异常目标相对于管线中线的距离，并计算异常大目标的面积；

步骤8：将异常目标的类别、地理坐标、相对于管线中线的距离以及面积归档至数据库，生成报告；

并将操作人员对于异常目标的处理状态归档至数据库，异常目标的处理状态包括未确认、已确认、未排除以及已排除；

步骤9：操作人员根据实际情况对异常目标的处理状态进行实时更新；

步骤10：定期汇总异常目标的排查情况，生成异常目标巡检反馈报告。

2.根据权利要求1所述的无人机巡检管线目标分析管理方法，其特征在于，步骤1具体包括以下步骤：

步骤1.1：根据管线的地理坐标以及无人机的类别规划无人机的巡检路线，所述巡检路线能够符合管线图像覆盖要求，无人机的类别包括固定翼无人机和旋翼无人机；

步骤1.2：根据天气情况、无人机的类别以及管线的弯曲程度来设置相机触发规则，相机触发规则包括时间触发和距离触发；

步骤1.3：将无人机的飞行姿态高度信息、飞行地理坐标、相机参数信息以及采集到的图像传送至地面站。

3.根据权利要求1所述的无人机巡检管线目标分析管理方法，其特征在于，在步骤4中，异常目标色域空间检测包括：将目标的颜色值域映射到色域空间内，将目标值小于背景均值10％，目标值大于背景均值15％的目标作为异常目标；

异常小目标检测包括：将像素小于80*80的目标作为异常小目标；

异常大目标检测包括：将像素在80*80～400*400之内的目标作为异常大目标；

异常人造目标检测包括：将边缘呈现矩形或者圆形，像素尺寸在50*50～100*100之内的目标作为异常人造目标。

4.根据权利要求1所述的无人机巡检管线目标分析管理方法，其特征在于，步骤5中的神经网络识别为CNN深度学习目标识别。

5.根据权利要求1所述的无人机巡检管线目标分析管理方法，其特征在于，在步骤7之前还包括，选择地理坐标的误差范围在5m以内，梯度直方图差别小于总梯度和10％的若干个异常目标，作为同一个异常目标。

6.根据权利要求1所述的无人机巡检管线目标分析管理方法，其特征在于，步骤6还包括：人工对异常目标序列中的高危警戒异常目标进行标识；

步骤8还包括：将当前时间信息、操作人员信息、无人机的飞手信息、所有巡检序列图像、历史相同地理位置参考信息、异常目标统计信息以及高危警戒异常目标的标识信息归档至数据库，生成报告。

7.根据权利要求6所述的无人机巡检管线目标分析管理方法，其特征在于，对异常目标进行调阅包括以下方法：按照时间、分段区域、历史相同地理位置、类别和面积中的一种或几种对异常目标进行调阅。

8.根据权利要求6所述的无人机巡检管线目标分析管理方法，其特征在于，在步骤9之前还包括：将高危警戒异常目标的地理坐标和类别自动发送给操作人员。