[发明专利]无人机图像处理方法及系统

说明书

本发明提供了一种无人机图像处理方法及系统，涉及图像检测技术领域，该方法包括获取输电设备现场图像并对其进行图像处理，以共同构建样本数据库；建立深度学习的检测模型；将样本数据库中的图像输入检测模型进行迭代训练，直至达到预设的训练准确度；获取带有输电设备的图像以构建验证集，将验证集中的图像输入检测模型进行验证，直至达到预设的验证准确度；获取带有输电设备缺陷的图像以构建测试集，将测试集中的图像输入检测模型进行测试，直至达到预设的测试准确度；将待检测图像输入检测模型进行检测，以输出目标缺陷图像。本发明实施例提供的无人机图像处理方法，可以对海量图像进行智能筛查，输出缺陷图像，提高缺陷图片排查效率。

技术领域

本发明涉及图像检测技术领域，尤其是涉及一种无人机图像处理方法及系统。

背景技术

目前输电线路产生故障的主要原因有：人为原因损坏、天气因素影响输电线路、输电线路受到污染、鸟害原因产生的输电线路故障等。为了保证电网的正常运行，必须输电线路上的缺陷进行监控、预警和防护。对于此问题，目前常用的方法是人工实地勘察，发现问题，再由工作人员进行排险。但是此种方案的问题在于工作量巨大巡视死角多，并且存在一定危险性，难以保证监控结果的准确性与实时性。

近年来，随着无人机技术的兴起，对于输电线路的巡查开始逐渐由无人机低空遥感方式取代人工实地勘察，无人机巡查也因为其高效、准确、安全的优点得到了电力部门的采用。但是另一个需要解决的问题是，通过无人机取得的航拍图片数量十分巨大，如果仍然采用人工筛选、排查的方法处理如此大规模的图片，势必会遇到与人工实地勘察相似的问题，如准确性降低，难以保证缺陷信息的实时性等。

发明内容

有鉴于此，本发明的目的在于提供一种无人机图像处理方法及系统，以缓解现有技术中无法对无人机海量图片进行排查处理的技术问题，可以对海量图片进行检测，智能筛选排查，提高缺陷图片筛选的准确率，有效保证缺陷图像信息获取的及时性。

第一方面，本发明实施例提供了一种无人机图像处理方法，包括：获取输电设备现场图像，对输电设备现场图像进行图像处理得到处理后图像，并根据该输电设备现场图像和处理后图像构建样本数据库；建立深度学习的检测模型，该检测模型的输入为样本数据库中的处理后图像，该检测模型的输出为缺陷图像；将样本数据库中的图像输入检测模型进行迭代训练，直至达到预设的训练次数阈值或达到预设的训练准确度；获取带有输电设备的图像以构建验证集，将验证集中的图像输入训练完成后的检测模型进行验证，直至达到预设的验证次数阈值或达到预设的验证准确度；获取带有输电设备缺陷的图像以构建测试集，将测试集中的图像输入验证完成后的检测模型进行测试，直至达到预设的测试次数阈值或达到预设的测试准确度；将待检测图像输入测试完成后的检测模型进行检测，以输出目标缺陷图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述对该输电设备现场图像进行图像处理得到处理后图像的步骤，包括：分别对该输电设备现场图像进行灰度化处理、图像二值化处理、图像归一化处理和数据增强技术处理，以得到处理后图像。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，该数据增强技术包括旋转变换、反射变换、翻转变换、缩放变换、平移变换、尺度变换和噪声扰动中的一种或多种。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，在该检测模型进行迭代训练、验证和测试时，还包括：通过深度学习技术进行目标检测。

结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述通过深度学习技术进行目标检测的步骤，包括：对图像进行区域选择，并遍历整幅图像，选择目标区域，定位目标的位置；提取该目标区域的特征信息；通过分类器对该特征信息进行分类。