[发明专利]基于视觉导航技术的无人机高精度饶塔智能巡检方法

说明书

本发明公开了一种基于视觉导航技术的无人机高精度饶塔智能巡检方法，包括如下步骤：建立直线杆塔及非直线杆塔类型数据库、重要部件图像数据集；将重要部件图像数据集随机划分为样本数据集和测试数据集；基于yolo v4目标检测算法建立卷积神经网络模型，利用样本数据集对卷积神经网络模型进行训练分别建立巡检图像前端部件识别模型和巡检图像缺陷识别模型；通过点云及无人机控制装置生成无人机的自动飞行航线；无人机根据自动飞行航线飞行，在每一个杆塔处对杆塔类型进行识别，利用巡检图像前端部件识别模型对杆塔上的重要部件进行拍照直至航线飞行结束；巡检图像缺陷识别模型对拍摄图像进行缺陷识别。本发明可显著提升巡检效率。

技术领域

本发明属于电网设备状态检测技术领域，具体涉及一种基于视觉导航技术的无人机高精度饶塔智能巡检方法。

背景技术

近年来，无人机巡检已成为输电线路的重要巡检手段，巡检效益和质量较传统人工巡检有显著提高。以无人机为代表的智能巡检方式自主性好、质量高，大幅提升了巡检的安全性和可靠性。以无人机和巡检机器人代替传统的人工巡检方式已成为发展趋势。

巡线无人机自主水平低、故障识别精度低、续航里程短等问题严重制约了无人机的推广应用。无人机巡线技术已经广泛应用输电线路巡线作业，但是实际运行过程中由人工查看巡线视频和图像，存在人力工作量大、监测效率低、警情掌控不及时，从而无法保障无人机巡检结果的及时性、有效性、全面性。

无人机输电线路巡检主要为人工手动操控无人机进行作业，飞手在地面上手动操控无人机，近距离拍摄采集杆塔各部位的照片影像，采集过程混乱，容易造成漏拍、错拍的现象，巡检效率和质量完全依赖于飞手的技术和责任心。无人机智能化程度低、对飞手专业水平要求高、续航里程短等问题严重制约了无人机的推广应用。

发明内容

针对无人机智能化程度低、无法精确地、高质量地实现图像采集的问题，本发明提出了一种基于视觉导航技术的无人机高精度饶塔智能巡检方法，有效解决了无人机巡检图像高质量高精度采集的问题。

为解决以上技术问题，本发明所采用的技术方案如下：

一种基于视觉导航技术的无人机高精度饶塔智能巡检方法，包括如下步骤：

S1，建立直线杆塔及非直线杆塔类型数据库，收集所有重要部件的标准图像及缺陷图像，对标准图像和缺陷图像中的重要部件进行目标框标示形成重要部件图像数据集；

S2，对步骤S1所建立的重要部件图像数据集中的图像进行处理，将重要部件图像数据集随机划分为样本数据集和测试数据集；

S3，基于yolo v4目标检测算法建立卷积神经网络模型，利用步骤S2中的样本数据集对卷积神经网络模型进行训练分别建立巡检图像前端部件识别模型和巡检图像缺陷识别模型；

S4，通过点云及无人机控制装置生成无人机的自动飞行航线；

S5，无人机按照步骤S4所生成的自动飞行航线飞行，在每一个杆塔处根据步骤S1中的直线杆塔及非直线杆塔类型数据库对杆塔类型进行识别，再利用步骤S3所建立的巡检图像前端部件识别模型对所有杆塔上的各重要部件进行图像拍摄直至航线飞行结束；

S6，利用步骤S3所建立的巡检图像缺陷识别模型对步骤S5中所拍摄的图像进行缺陷识别输出缺陷识别图像。

在步骤S1中，所述直线杆塔及非直线杆塔类型数据库包括直线杆塔及非直线杆塔的图像、直线杆塔上重要部件的拍摄航线；所述重要部件包括绝缘子串、防振锤、间隔棒、均压环。

所述步骤S3包括如下步骤：

S3.1，通过参数配置文件设置参数，所述参数包括初始学习率、学习步长、图像学习次数和判别精度阈值；

S3.2，选取yolo v4单阶段目标检测算法，利用参数配置文件初始化卷积神经网络模型；