【技术实现步骤摘要】
本专利技术涉及电力杆塔的巡检，具体地涉及一种适用于无人机的电力杆塔识别方法及系统。
技术介绍
1、电力杆塔作为输配电系统中不可或缺的组成部分，承担着输送和分配电能到最终用户的重要任务。这些高耸的结构物经常暴露在恶劣的自然环境中，包括强风、冰雪、地震及其他潜在的破坏性条件。因此，确保电力杆塔的稳定性和可靠性对于保障居民用电安全至关重要。
2、传统的电力杆塔巡检工作主要依靠人工进行。巡检人员需要定期对杆塔的物理状况进行检查，包括但不限于检查杆塔本体的结构完整性、绝缘子的状态、导线的张紧情况以及周围环境是否有威胁杆塔安全的隐患。
3、随着无人机技术的发展，也出现了采用无人机进行相关设施巡检的技术，但是由于电力杆塔多处于复杂环境中，常规的视觉识别技术难以满足无人机的巡检需要。
技术实现思路
1、本专利技术实施例的目的是提供一种适用于无人机的电力杆塔识别方法及系统，该识别方法及系统能够控制保障无人机单独完成巡检任务。
2、为了实现上述目的，本专利技术实施例提供一种适用于无人机的电力杆塔识别方法，包括：
3、获取待识别的电力杆塔图像；
4、对所述电力杆塔图像进行预处理操作，以得到标准图像；
5、将所述标准图像输入预设的图像识别网络中，以确定电力杆塔的所在区域。
6、可选地，对所述电力杆塔图像进行预处理操作，以得到标准图像，包括：
7、采用高通滤波器对所述电力杆塔图像进行空域滤波操作；
8
9、对直方图均衡化操作后的所述电力杆塔图像进行去噪操作。
10、可选地，所述图像识别网络包括：
11、残差卷积单元，用于读取待识别的所述电力杆塔图像；
12、第一卷积单元，所述第一卷积单元的第一端与所述残差卷积单元连接；
13、第二卷积单元，所述第二卷积单元的第一端与所述第一卷积单元的第二端连接；
14、第三卷积单元，所述第三卷积单元的第一端与所述第二卷积单元的第二端连接；
15、第四卷积单元，所述第四卷积单元的第一端与所述第三卷积单元的第二端连接；
16、第五卷积单元，所述第五卷积单元的第一端与所述第四卷积单元的第二端连接；
17、第六卷积单元，所述第六卷积单元的第一端与所述第五卷积单元的第二端连接；
18、第一整合单元，所述第一整合单元的第一端与所述第一卷积单元的第三端连接；
19、第一分类单元，所述第一分类单元的第一端与所述第一整合单元的第二端连接；
20、第一上采样及卷积单元，所述第一上采样及卷积单元的一端与所述第三卷积单元的第三端连接，所述第一上采样及卷积单元的另一端与所述第一整合单元的第三端连接；
21、第二整合单元，所述第二整合单元的第一端与所述第四卷积单元的第三端连接；
22、第二分类单元，所述第二分类单元的第一端与所述第二整合单元的第二端连接；
23、第二上采样及卷积单元，所述第二上采样及卷积单元的一端与所述第六卷积单元的第二端连接，所述第二上采样及卷积单元的第二端与所述第二整合单元的第三端连接；
24、第三分类单元，所述第三分类单元与所述第六卷积单元的第三端连接；
25、第三上采样及卷积单元，所述第三上采样及卷积单元的第一端与所述第五卷积单元的第三端连接；
26、第三整合单元，所述第三整合单元的第一端与所述第二卷积单元连接，所述第三整合单元的第二端与所述第三上采样及卷积单元的另一端连接；
27、第四分类单元，所述第四分类单元的一端与所述第三整合单元的第三端连接；
28、ds单元，与所述第一分类单元、第二分类单元、第三分类单元以及第四分类单元连接，用于通过证据理论根据所述第一分类单元、第二分类单元、第三分类单元以及第四分类单元的分类结果确定最终的分类结果。
29、可选地，所述第一卷积单元、第二卷积单元、第三卷积单元、第四卷积单元、第五卷积单元以及第六卷积单元中的至少一者包括：
30、第一残差卷积层，所述第一残差卷积层的一端用于接收前一个网络层的输入；
31、二维卷积层，所述二维卷积层的一端与所述第一残差卷积层的另一端连接；
32、第二残差卷积层，所述第二残差卷积层的一端与所述二维卷积层的另一端、第一残差卷积层的一端连接。
33、可选地，所述第一分类单元、第二分类单元、第三分类单元以及第四分类单元中的至少一者包括：
34、第一卷积层；
35、第一池化层，所述第一池化层的一端与所述第一卷积层的另一端连接；
36、第一乘法模块，所述第一乘法模块的第一端与所述第一卷积层的一端连接，所述第一乘法模块的第二端与第一池化层的另一端连接；
37、全局平均池化层，所述全局平均池化层的一端与所述第一乘法模块的第三端连接；
38、第二卷积层，所述第二卷积层的一端与所述全局平均池化层的另一端连接；
39、映射层，所述映射层的一端与所述第二卷积层的另一端连接；
40、第二乘法模块，所述第二乘法模块的第一端与所述映射层的另一端连接，所述第二乘法模块的第二端与所述第一乘法模块的第四端连接；
41、第三卷积层，所述第三卷积层的一端与所述第二乘法模块的第三端连接；
42、全连接层，所述全连接层的一端与所述第三卷积层的另一端连接，所述全连接层的另一端用于输出分类结果。
43、可选地，训练所述图像识别网络的损失函数为公式(1)和公式(2)，
44、
45、vfl＝-β(1-pi)2log(pj)-(1-β)pi2log(1-pj)， (2)
46、其中，y为损失函数，λ1、λ2和λ3为适应性权重，n为训练样本的数量，yi为标准值的数值表达，yi为预测值的数值表达，为预测值的图形表达，b为标准值的图像表达，α为超参数，β为调节因子，pi、pj分别为第i个和第j个类别的概率。
47、另一方面，本专利技术还提供一种适用于无人机的电力杆塔识别系统，所述识别系统包括处理器，所述处理器被配置成执行如上述任一所述的识别方法。
48、再一方面，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的识别方法。
49、通过上述技术方案，本专利技术实施方式提供了一种适用于无人机的电力杆塔识别方法及系统，该识别方法及系统通过结合无人机拍摄的图像来对电力杆塔进行识别，使得无人机能够单独完成电力杆塔巡检的工作。相较于现有技术而言，本专利技术提供的识别方法及系统具有更快的识别效率。
50、本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种适用于无人机的电力杆塔识别方法，其特征在于，所述识别方法包括：
2.根据权利要求1所述的识别方法，其特征在于，对所述电力杆塔图像进行预处理操作，以得到标准图像，包括：
3.根据权利要求1所述的识别方法，其特征在于，所述图像识别网络包括：
4.根据权利要求3所述的检测方法，其特征在于，所述第一卷积单元、第二卷积单元、第三卷积单元、第四卷积单元、第五卷积单元以及第六卷积单元中的至少一者包括：
5.根据权利要求3所述的检测方法，其特征在于，所述第一分类单元、第二分类单元、第三分类单元以及第四分类单元中的至少一者包括：
6.根据权利要求1所述的检测方法，其特征在于，训练所述图像识别网络的损失函数为公式(1)和公式(2)，
7.一种适用于无人机的电力杆塔识别系统，其特征在于，所述识别系统包括处理器，所述处理器被配置成执行如权利要求1至6任一所述的识别方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至6任一所述的识别
...【技术特征摘要】
1.一种适用于无人机的电力杆塔识别方法，其特征在于，所述识别方法包括：
2.根据权利要求1所述的识别方法，其特征在于，对所述电力杆塔图像进行预处理操作，以得到标准图像，包括：
3.根据权利要求1所述的识别方法，其特征在于，所述图像识别网络包括：
4.根据权利要求3所述的检测方法，其特征在于，所述第一卷积单元、第二卷积单元、第三卷积单元、第四卷积单元、第五卷积单元以及第六卷积单元中的至少一者包括：
5.根据权利要求3所述的检测方法，其特征在于，所述第...
【专利技术属性】
技术研发人员：肖家锴，刘辉，苏文，刘年国，
申请(专利权)人：国网安徽省电力有限公司淮南供电公司，
类型：发明
国别省市：
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。