[发明专利]一种基于深度学习的无人机电力巡线方法

说明书

本发明公开了一种基于深度学习的无人机电力巡线方法。无人机沿电力巡线并实时采集图像，预处理构建数据集；选取深度学习网络装载初始的模型参数训练获得电力线分割网络模型；待分割的无人机实时图像预处理后输入电力线分割网络模型中，得到电力线的像素级分割区域；对电力线的像素级分割区域进行矩形范围提取拟合出电力线的位置与方向的偏差并计算偏差率；通过模糊控制器对电力线的位置与方向处理得到位置与方向的控制数据，以实现无人机巡线。本发明整个方法过程简单可靠，基于深度学习实现各种环境下无人机电力巡线。

技术领域

本发明涉及电力巡线、图像处理领域的一种无人机电力巡线方法，特别涉及基于深度学习的电力巡线方法。

背景技术

近年来，由于国家不断加大电网规划、建设与改造力度，电网发展水平显著提升，电力线路增长迅速。电力线分布具有设备数量多、分布范围广和网架结构复杂的特点，而传统人工的电力巡检方式受到地理环境、天气状况、巡检人员专业素质的影响，存在着工作人员安全无保障、巡检效率低、巡检质量低和工作量大等问题。因此，以人工为主的电网运行维护模式已无法应对现阶段社会高速发展对电能的需求和长距离的安全运行维护需求。

随着无人机技术的发展与成熟，将无人机应用于电力巡线，可以获取实时、清晰的无人机图像数据，与传统的人工巡检方式相比，提高了电力巡线效率。不用浪费大量的人力与时间在巡线中，同时，可避免复杂、危险地形环境电力巡线存在的工作人员人身安全问题。电力巡线过程中采集的无人机图像数据也可用于电力线后续的检测维护。

但采用无人机电力巡线还是存在着下述的问题：

对无人机电力巡线的控制方式是人工操作为主，这种方式需要操作人员在电力巡线过程中对无人机实时操作，导致需要人力的投入，造成人力浪费，不能有效的解决人力浪费的问题。较为推广的自动电力巡线方式是激光雷达建图导航，这种方式灵活性差，只能对已采集建图的电力线进行规划导航，对不在地图中的电力线无法进行导航，同时需要人工预先现场采集激光点云数据。采用上述方法很难有效减少人力在电力巡线中的投入，并且对于人工难以到达的复杂、危险地形环境难以进行无人机自动电力巡线，无法完全解决复杂、危险地形环境电力巡线存在的工作人员人身安全问题。

发明内容

本发明主要解决的技术问题是，通过深度学习实现电力线的像素级分割，再通过图像处理技术提取电力线区域的方向并拟合出电力线位置方向，最后通过模糊控制器确定控制信号以实现无人机巡线。本发明整个方法过程简单可靠，基于深度学习实现各种环境下无人机电力巡线。

为了解决上述技术问题，如图1所示，本发明包括如下步骤：

1)无人机沿电力巡线并实时采集图像，针对采集的图像进行预处理，进而构建数据集；

2)针对分割对象与应用场景的特点，选取深度学习网络，对深度学习网络装载初始的网络参数进行训练，训练完毕后获得电力线分割网络模型；

3)将待分割的无人机实时图像预处理后输入已训练的电力线分割网络模型中，得到电力线的像素级分割区域，即每个像素是否为电力线的分割结果；

4)通过图像处理对电力线的像素级分割区域进行矩形范围提取，并拟合出电力线的位置与方向的偏差，计算位置与方向的偏差率；

5)通过模糊控制器对电力线的位置与方向分别计算得到位置与方向的控制数据，以实现无人机巡线。将位置与方向的控制数据实时发送到沿电力巡线的无人机上进而控制无人机更好地沿电力巡线地飞行。

在步骤1)中，通过无人机采集不同背景下的电力线图像，对电力线图像进行滤波、灰度化和图像增强的预处理操作，从而构建原始数据集，电力线图像中已经标注电力线位置范围和类别，对电力线图像进行数据增强以扩充原始数据集。

所述的数据增强具体采用超像素法和添加随机频域噪声。

所述的不同背景是指电力线经过的不同背景，例如树、人行道等