[发明专利]一种边云协同的电力物联网智能巡检方法及系统

说明书

本发明公开了一种边云协同的电力物联网智能巡检方法及系统，包括收集无人机采集的信息；对所述收集的信息进行卷积操作提取特征信息，并利用5G核心网对所述特征信息和序号总数进行传输；利用所述特征提取信息和所述序号进行全连接操作，判断异常特征；对所述异常特征的信息进行类别识别；输出所述异常信息以及所述信息类别，完成巡检。充分利用每一级别的硬件资源差距，实现了效率与能力相统一的任务分配方案，加快了整个系统的计算能力，保证了所有设备的硬件资源利用率和巡检工作效率，解决了单边服务器计算量较大的问题，从而带来更好的经济收益。

技术领域

本发明涉及电力物联网的技术领域，尤其涉及一种边云协同的电力物联网智能巡检方法及系统。

背景技术

电力系统是组成当今社会飞速运转的必不可少的重要组成部分，在通信技术高度发展的推进下，通过整合电力系统和基础通讯设备系统组成的电力物联网，有效地提高了电力系统的信息化水平和基础设备的使用效率。为了保证信息共享和数据传输的稳定性，对电力物联网的电力线的故障维护和维修检查也是必不可少的。

近年来电力线巡检任务由人工巡检向无人机巡检方式过渡，相较于人工巡检，由于电力线分布点地形复杂、覆盖面积广，无人机巡检能更好地减少工人工作强度，降低工人工作风险等问题，可以更加方便地检查出电力线路性能缺陷和损伤问题。

常见的无人机巡检方式是人工直接检索无人机拍摄视频，这种方法需要工人从杂乱的拍摄场景中检查出有问题的电力线位置，时间效率较低；另一种是无人机先把视频流传输到服务器中，机器辅助工人协同完成巡检，是更加广泛的巡检方式。一般使用的是图像处理技术与基于神经网络的异常检测，无人机通过网络模块传输图片到服务器后，服务器对拍摄的图像进行直线检测，根据标记的直线使用边缘检测算法找出电力线所在的图片位置，并用噪声滤波算法完成图像增强任务，再转入神经网络中进行电力线的目标检测，并用聚类或分割方法电力线是否存在异常。一、计算要求高，使用服务器加载目标检测模型来计算出图片特征，带来了巨大的计算量，这要求服务器需要有相当程度的硬件配置来完成整个系统的计算任务。二、处理效率低。由于服务器处理的图片来源于无人机在工作中所拍摄到的视频，所以无人机的移动能力决定整个系统的工作范围，而单方面增加无人机的数量，只会把所有计算任务分配给服务器，无法充分利用无人机的处理能力，三、检测能力受限。电力线巡检中遇到的问题具有多样性，如异物悬挂、污损、鸟窝、植被掩盖等等，为了提高识别标签的多样性，则需要更深层的神经网络，又会带来更大的计算量要求；因此提高管理效率、充分利用硬件资源是十分必要的。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在整体架构的优化分配过于单一、移动计算模块裁剪不完整、边缘计算不统一的问题，提出了本发明。

因此，本发明解决的技术问题是：整体架构的优化分配过于单一、移动计算模块裁剪不完整、边缘计算不统一的问题。

为解决上述技术问题，本发明提供如下技术方案：收集无人机采集的信息；对所述手机的信息进行卷积操作提取特征信息，并利用5G核心网对所述特征信息和序号总数进行传输；利用所述特征提取信息和所述序号进行全连接操作，判断异常特征；对所述异常特征的信息进行类别识别；输出所述异常信息以及所述信息类别，完成巡检。

作为本发明所述的边云协同的电力物联网智能巡检方法的一种优选方案，其中：所述序号总数包括，序号总数的计算公式如下所示：

其中，l为输入图像长度，w为输入图像宽度，k为卷积核大小，m为增大系数。