[发明专利]一种基于视觉的巡线位置偏移识别系统、方法及无人机

说明书

本发明提供了一种基于视觉的巡线位置偏移识别系统，包括：特征提取网络、电力线识别模块、电力塔架及部件识别模块；各个部分相互配合，在无人机巡线时实时执行当前位置识别，并在无人机偏离巡线目标时发出信号。特征提取网络负责提取图像的各级特征，用于后续的识别工作。电力线识别模块在训练时仅需类别标签，大大降低了样本标注的工作量。电力塔架及部件识别模块基于目标检测算法，在电力线识别模块识别到电力线形状变化时开始识别此处的部件类型，根据识别框的大小及位置确定无人机当前位置是否偏移。同时提供了一种识别方法和无人机。本发明实现了对巡线无人机的位置识别，并在位置偏移时发出信号，可用于辅助操控或无人机自动巡线等工作。

技术领域

本发明涉及的是电力系统及无人机技术领域，具体地，是一种用于电力公司无人机巡线的基于视觉的巡线位置偏移识别系统、方法及无人机。

背景技术

电力系统架空线路规模大、周边环境复杂，气候变化多端。为保证电力系统的安全平稳运行，预防事故的发生，需要进行定期巡检。鉴于复杂的气象及地理条件、严酷的巡检环境，仅依靠人工巡检不仅费时费力，而且巡视密度较低，很难满足要求。无人机具有操控简单、反应速度灵敏、飞行灵活、续航时间长、成本低廉等优点，现已成为电力公司重要的巡检工具。采用无人机进行输电线路巡查，不但提高了输电线路运维的效率和质量，还可降低劳动强度和成本，保障巡线作业人员的人身安全。

目前无人机依靠工作人员遥控操作，不但对操作人员的操作水平有较高要求，而且由于电力线路附近的电磁干扰较为严重。可能会出现操作不稳定，甚至操作失灵等故障，造成巡线设备，甚至是输电线路的损害。如果能够赋予无人机一定的自主判断能力，在偏移巡线位置，或是距离输电线路过近时能够自主调节自身位置，将有望提升巡线工作的稳定性和安全性。同时该方案也可作为未来无人机自动巡线技术的一部分。

基于深度学习的识别算法往往需要大量有标注的样本用于模型训练，绝缘子、防震锤等器件面积较大，形状也较为稳定，相对容易标注。而输电线路的标注则不同于绝缘子等器件的标注，根据输电线路形状和尺寸的特点，往往需要像素级的标注才可以满足要求。这对标注人员提出了较高的要求，也极大地增加了标注的工作量。如果能够改进识别算法，降低对样本标注的要求，则可以极大地降低标注成本，也可以促进无人机巡线位置的偏移识别算法的应用。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种基于视觉的巡线位置偏移识别系统、方法及无人机，该识别系统、方法及无人机结合强弱监督学习来确定无人机当前位置，并在无人机发生位置偏移时发出信号，实现无人机巡线位置偏移识别。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种基于视觉的巡线位置偏移识别系统，包括特征提取网络、电力线识别模块以及电力塔架及部件识别模块；其中：

所述特征提取网络，输入无人机巡线时采集的图像，提取图像的各级特征信息，用于电力线识别模块和电力塔架及部件识别模块的识别工作；

所述电力线识别模块，根据特征提取网络提取的各级特征信息，对输入图像中的电力线进行识别；当电力线不存在或电力线出现中断时，切换至电力塔架及部件识别模块；

所述电力塔架及部件识别模块，根据非电力线部件识别框的大小及位置确定无人机当前位置是否偏移。

优选地，所述特征提取网络采用卷积神经网络。

优选地，所述电力线识别模块采用弱监督学习的方式，通过是否含有电力线这一类别标签对模块进行训练。

在本发明中，所述弱监督方式是指：在标记样本时不需要非常详细得标注，进一步地，若标记图片中电力线的详细位置，则为强监督，若只标注该图中是否含有电力线，则为弱监督，若不标注，则为无监督。