[发明专利]一种基于嵌入式深度学习的无人机电网巡检方法和系统

说明书

本发明公开了一种基于嵌入式深度学习的无人机电网巡检方法和系统。该方法包括：规划输电线路的巡检路径；无人机按照所述巡检路径进行巡检，并将航拍的输电线路图像数据输入至所搭载的嵌入式深度学习设备，获得输电线路的故障检测结果，其中，所述嵌入式深度学习设备包含深度学习模型，该深度学习模型以已知的图像数据为输入，以对应的故障检测结果为输出经训练获得。本发明在无人机拍摄的同时即可进行电网故障检测，可显著缩短故障缺陷的研判处理时间，提高巡检效率。

技术领域

本发明涉及计算机技术领域，更具体地，涉及一种基于嵌入式深度学习的无人机电网巡检方法和系统。

背景技术

无人机电力巡检是利用无人驾驶飞行器自主作业的优势，完成架空输电线路维护的新型巡检方式。无人机通过机身携带的图像采集设备和远程无线电控制系统，获取高清的航拍图像，并予以分析。与传统的人工巡检方式不同，无人机巡检具有复杂地形适应能力强，安全系数高，风险小，成本低，准确可靠等优势，已经成为输电线路运维技术的重点发展方向之一。然而，由于航拍图像的复杂性和视觉识别技术的局限性，如何实现智能化电力巡检系统仍然是一项艰巨的任务。

传统无人机巡检过程中，需要将拍摄的图像信息带回统一处理，确认缺陷后工作人员再返还现场处理，当遇到无法确定的故障缺陷时，还需要巡检员二次到现场确认，这种方法巡检效率较低，实时性较差，延长了故障缺陷处理时间，增加了故障扩大的风险等问题。目前很多单位也有各自基于无人机图像的电力设施巡检的方案和相关图像识别算法。

例如，福州大学提出一种基于SSD算法的多级感知的水平航空图像绝缘子故障检测方法，多级感知由三个单层次感知组合而成，它们是通过对绝缘子故障的关注来命名的，分别在整个图像、多绝缘子图像和单个绝缘子图像中检测绝缘子故障。基于无人机图像的电力设施巡检的方案目前主要是在后端通过无人机操控平台来控制无人机到达指定巡检目标，然后无人机根据预设控制指令采集目标图像，存储至SD卡或者通过WiFi、4G网络传输至后台服务器进行处理，并将分析结果发送至无人机操控平台。专利申请CN111474957A提出了一种基于深度学习的输电线路巡检无人机系统，包括无人机和地面辅助端，通过无人机与地面辅助端共同配合，完成对输电线路进行巡检。专利申请CN110009530A提出一种适用于便携式电力巡检的神经网络系统和方法，采用热红外摄像头确定电力设备的位置，再采用可见光摄像头对该位置的电力设备状态研判，有效地降低了复杂背景对目标识别的影响，但未公开神经网络的训练与部署问题，并且其多核CPU架构会增加功耗，不利于搭载于无人机等设备上。

经分析，现有技术方案存在的技术问题有：1)在很多输电线路的电力巡检中，偏远地域公网信号较差或尚未覆盖，使得无人机拍摄到的图像信息无法第一时间传回后台服务器；2)许多工程实践中，通常是将巡检视频存储至SD卡中，待巡检结束后统一带回研判，确认缺陷后工作人员再返还现场处理，当遇到无法确定的故障缺陷时，还需要巡检员二次到现场确认，因此传统无人机巡检存在效率较低，延长了故障缺陷处理时间，增加了故障扩大的风险等问题。本发明可以克服传统无人机巡检效率较低等问题，为无人机电力巡检提供一种新的思路。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种基于嵌入式深度学习的无人机电网巡检方法和系统。

根据本发明的第一方面，提供一种基于嵌入式深度学习的无人机电网巡检方法。该方法包括以下步骤：

规划输电线路的巡检路径；

无人机按照所述巡检路径进行巡检，并将航拍的输电线路图像数据输入至所搭载的嵌入式深度学习设备，获得输电线路的故障检测结果，其中，所述嵌入式深度学习设备包含深度学习模型，该深度学习模型以已知的图像数据为输入，以对应的故障检测结果为输出经训练获得。