[发明专利]基于边缘计算与无人机巡检协同的智能巡检方法

说明书

本发明公开了基于边缘计算与无人机巡检协同的智能巡检方法，包括如下步骤：步骤S1、多无人机巡检的任务分配与路线规划：以无人机完成所有巡检目标所需时间最短为目标，确定任务分配，规划最优巡检路线；步骤S2、图片异常自动识别：在边缘端通过缺陷检测模型对无人机拍摄到的图片进行图片规范检测以及缺陷识别；若存在图片异常，请求已经完成检测任务的无人机进行多方位联合巡检，并将拍摄图片发回机场服务器；若图片无异常，则执行下一个巡检任务；步骤S3、更新缺陷检测模型。方案通过边缘端与服务器端对缺陷图片双重检测，显著提高的图片的识别效率，且通过扩充训练样本库，对缺陷检测模型进行定时更新，进一步提高模型的识别精度。

技术领域

本发明涉及无人机巡检及异常检测技术领域，具体的，涉及基于边缘计算与无人机巡检协同的智能巡检方法。

背景技术

各种电力与输电设备由于分布广泛且面对的自然环境复杂多样，在长期运行过程中容易遭到人为破坏和自然灾害，这些情况将给电力设备的安全稳定运行带来巨大的潜在风险，因此需要对电网系统中的容易发生故障的设备进行巡检，以便及时地处理安全隐患或者解决存在的问题。目前电力系统较传统的方式是采用人工巡检模式，但这种方式运维人员工作量大、工作难度大、人员严重不足且需要工作人员具有一定的电力领域基础知识，针对这一情况，部分电网公司已经开始试点无人机巡检系统，但系统自治运行能力低需要工作人员手动操控等问题仍然存在。

同时，由于各种电力与输电设备分布环境较为复杂，难以收集足够数量的高质量样本用于训练模型；无人机面对的环境复杂，若路径规划不当容易发生碰撞与坠机事件，造成经济损失并且边缘端算力不足，若搭载的检测模型较大，则不能很好的执行检测任务。这些都限制了无人机巡检的发展。

目前，基于边缘计算的无人机巡检主要存在的几个挑战在于：

1、难以取得足够的高质量样本用于训练模型；

2、CNN网络模型较大，参数较多，若不进行改进，难以应用到算力不足的边缘端；

3、面对复杂环境，在多机协同巡检的条件下，检测任务分配与无人机航线规划较为困难。

发明内容

本发明的目的是提出基于边缘计算与无人机巡检协同的智能巡检方法，该方法可以通过无人机之间的协同对电力多站融合系统中的电力设备进行巡检，通过边缘端的缺陷识别模块对采集的图片进行初步识别，并对异常图片进行多角度采集，将异常检测结果发送给机场服务器进行进一步识别，显著提高的图片的识别效率，且通过异常图片进一步扩充训练样本库，对缺陷检测模型进行定时更新，进一步提高缺陷检测模型的识别精度。

为实现上述技术目的，本发明提供的一种技术方案是，基于边缘计算与无人机巡检协同的智能巡检方法，包括如下步骤：

步骤S1、多无人机巡检的任务分配与路线规划：

以无人机完成所有巡检目标所需时间最短为目标，确定任务分配，规划最优巡检路线；

步骤S2、图片异常自动识别：

在边缘端通过缺陷检测模型对无人机拍摄到的图片进行图片规范检测以及缺陷识别；

若存在图片异常，请求已经完成检测任务的无人机进行多方位联合巡检，并将拍摄图片发回机场服务器；

若图片无异常，则当前无人机执行下一个巡检任务；

步骤S3、更新缺陷检测模型：

在服务器端对巡检图片进行全景拼接，通过缺陷检测模型对于拼接后的图片进行规范检测以及缺陷识别，若存在图片异常，则将汇总的异常结果存入训练样本库，对缺陷模型进行增强学习以更新缺陷检测模型，若不存在异常，对拼接后的图片进行存储。

作为优选，在步骤S1之前，还包括对缺陷检测模型进行训练：

构建训练样本库：基于SinGAN利用缺陷图片样本，自动学习缺陷样本图片的纹理以及边缘特征，生成多张高质量的缺陷样本图片，扩充样本训练集；