System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于单目配网机巡数据的外破检测方法及系统技术方案_技高网

一种基于单目配网机巡数据的外破检测方法及系统技术方案

技术编号:40548187 阅读:8 留言:0更新日期:2024-03-05 19:06
本发明专利技术提供了一种基于单目配网机巡数据的外破检测方法及系统,属于电力线路巡检技术领域。该方法通过利用无人机设备沿电力线路进行图像采集,得到电力线路及其周围环境的图像数据集;对图像数据集进行预处理;选择YOLO算法模型版本,利用预处理后的图像数据集进行模型训练,得到满足设定条件的识别模型;利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,得到电力线路及其周围环境的隐患。本发明专利技术通过识别模型,在大量的机巡图片和视频中快速识别查找缺陷,有效并准确查找线路隐患,为电力系统正常运行提供一定的帮助。

【技术实现步骤摘要】

本专利技术属于电力线路巡检,具体涉及一种基于单目配网机巡数据的外破检测方法及系统


技术介绍

1、随着电力设施的复杂性和覆盖范围的扩大,对其的维护和监控变得越来越关键。传统的人工巡检方法不仅效率低下,而且可能存在漏检的风险。近年来,无人机技术与ai技术结合,为电力设施提供了更高效、更准确的巡检方法。但如何在海量的机巡数据中及时发现线路隐患故障,是业内亟需解决的一个问题。

2、现阶段线路外力破坏检测任务主要通过人工巡检、视频监测、传感器探测等方法完成,但主要存在传统巡检效率低,视频实时监测投入成本高,传感器检测的精度无法保证等问题。巡视数据仍需依赖人工逐张逐帧查看,效率低、耗时久。如何利用好海量的机巡数据,通过人工智能技术的应用释放人力资源,快速发现线路外力破坏、树障等安全隐患,降低对电力线路的危害,对提高电力线路的安全和可靠性具有重要的意义。


技术实现思路

1、有鉴于此,本专利技术旨在解决现有线路外力破坏检测方法存在的上述问题。

2、为了解决上述技术问题,本专利技术提供以下技术方案:

3、第一方面,本专利技术提供了一种基于单目配网机巡数据的外破检测方法,包括如下步骤:

4、利用无人机设备沿电力线路进行图像采集,得到电力线路及其周围环境的图像数据集;

5、对图像数据集进行预处理;

6、选择yolo算法模型版本,利用预处理后的图像数据集进行模型训练,得到满足设定条件的识别模型;

7、利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,得到电力线路及其周围环境的隐患。

8、进一步的,对图像数据集进行预处理,具体包括:

9、对图像数据集进行数据清洗,得到满足设定要求的图像;

10、将数据清洗后的图像采用标注工具对隐患位置进行标注,并给与相应的标签;

11、将标注后的图像进行样本扩充处理,最终得到预处理后的图像数据集。

12、进一步的,在模型训练中,根据准确率、召回率和f1得分评估模型的性能。

13、进一步的,利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,具体包括:

14、获取无人机设备巡视得到的图像或视频数据;

15、若为图像数据,则遍历所有文件名,判断文件名是否含有含有图像文件扩展名,若有,则调用识别模型识别图像文件,输出图像识别结果并标注识别结果。

16、第二方面,本专利技术提供了一种基于单目配网机巡数据的外破检测系统,包括:

17、图像采集单元,用于存储利用无人机设备沿电力线路进行图像采集,得到的电力线路及其周围环境的图像数据集;

18、预处理单元,用于对图像数据集进行预处理;

19、模型训练单元,用于选择yolo算法模型版本,利用预处理后的图像数据集进行模型训练,得到满足设定条件的识别模型;

20、识别单元,用于利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,得到电力线路及其周围环境的隐患。

21、进一步的,在预处理单元中,对图像数据集进行预处理,具体包括:

22、对图像数据集进行数据清洗,得到满足设定要求的图像;

23、将数据清洗后的图像采用标注工具对隐患位置进行标注,并给与相应的标签;

24、将标注后的图像进行样本扩充处理,最终得到预处理后的图像数据集。

25、进一步的,在模型训练单元中,根据准确率、召回率和f1得分评估模型的性能。

26、进一步的,在识别单元中,利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,具体包括:

27、获取无人机设备巡视得到的图像或视频数据;

28、若为图像数据,则遍历所有文件名,判断文件名是否含有含有图像文件扩展名,若有,则调用识别模型识别图像文件,输出图像识别结果并标注识别结果。

29、第三方面,本专利技术提供了一种基于单目配网机巡数据的外破检测设备,设备包括处理器以及存储器:

30、存储器用于存储计算机程序,并将计算机程序的指令发送至处理器;

31、处理器根据计算机程序的指令执行如第一方面的一种基于单目配网机巡数据的外破检测方法。

32、第四方面,本专利技术提供了一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现如第一方面的一种基于单目配网机巡数据的外破检测方法。

33、综上,本专利技术提供了一种基于单目配网机巡数据的外破检测方法及系统,该方法通过利用无人机设备沿电力线路进行图像采集,得到电力线路及其周围环境的图像数据集;对图像数据集进行预处理;选择yolo算法模型版本,利用预处理后的图像数据集进行模型训练,得到满足设定条件的识别模型;利用识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,得到电力线路及其周围环境的隐患。本专利技术通过识别模型,在大量的机巡图片和视频中快速识别查找缺陷,有效并准确查找线路隐患,为电力系统正常运行提供一定的帮助。

本文档来自技高网...

【技术保护点】

1.一种基于单目配网机巡数据的外破检测方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,对所述图像数据集进行预处理,具体包括:

3.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,在模型训练中,根据准确率、召回率和F1得分评估模型的性能。

4.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,利用所述识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,具体包括:

5.一种基于单目配网机巡数据的外破检测系统,其特征在于,包括:

6.根据权利要求5所述的基于单目配网机巡数据的外破检测系统,其特征在于,在所述预处理单元中,对所述图像数据集进行预处理,具体包括:

7.根据权利要求5所述的基于单目配网机巡数据的外破检测系统,其特征在于,在所述模型训练单元中,根据准确率、召回率和F1得分评估模型的性能。

8.根据权利要求5所述的基于单目配网机巡数据的外破检测系统,其特征在于,在所述识别单元中,利用所述识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,具体包括:

9.一种基于单目配网机巡数据的外破检测设备,其特征在于,所述设备包括处理器以及存储器:

10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的一种基于单目配网机巡数据的外破检测方法。

...

【技术特征摘要】

1.一种基于单目配网机巡数据的外破检测方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,对所述图像数据集进行预处理,具体包括:

3.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,在模型训练中,根据准确率、召回率和f1得分评估模型的性能。

4.根据权利要求1所述的基于单目配网机巡数据的外破检测方法,其特征在于,利用所述识别模型对无人机设备巡视得到的图像或视频数据进行检测识别,具体包括:

5.一种基于单目配网机巡数据的外破检测系统,其特征在于,包括:

6.根据权利要求5所述的基于单目配网机巡数据的外破检测系统,其特征在于,在所述预处...

【专利技术属性】
技术研发人员:李海谭锐荣蓝誉鑫梁财源陈永钦冉杨蓝锦标
申请(专利权)人:广东电网有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1