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() 基于AI辅助的输电线路无人机自主巡检自适应优化方法技术_技高网

基于AI辅助的输电线路无人机自主巡检自适应优化方法技术

技术编号:43595357 阅读:7 留言:0更新日期:2024-12-11 14:45
本发明专利技术公开了基于AI辅助的输电线路无人机自主巡检自适应优化方法,用于人工智能领域,该输电线路无人机自主巡检自适应优化方法包括以下步骤:采集输电线路的环境参数数据,并进行数据标注;利用标注的数据训练电力线距离与光线感知识别模块,识别输电线路的距离和光线变化;根据实时采集的环境数据和输电线路的距离调整无人机的位置和飞行路径;基于环境数据和无人机的位置和飞行路径生成最佳巡检航线,并在巡检过程中按照最佳巡检航线进行自主巡检。本发明专利技术结合了启发式路径规划和统计优化,实现了路径规划的精确性和适应性。

【技术实现步骤摘要】

本专利技术涉及人工智能领域,具体来说,尤其涉及基于ai辅助的输电线路无人机自主巡检自适应优化方法。


技术介绍

1、在现代电力系统中,输电线路的安全稳定运行至关重要,为了确保输电线路的可靠性和减少故障发生,定期的巡检工作是必不可少;传统的人工巡检方法存在效率低、成本高和安全性差等问题,因此,越来越多的电力公司开始引入无人机技术进行输电线路的巡检。

2、无人机可以在短时间内覆盖大面积的输电线路区域,显著提高巡检效率,相比人工巡检,无人机巡检可以大幅降低人力和时间成本。

3、由于没有有效的机制根据环境变化调整相机参数,巡检过程中采集的图像质量可能会因光线变化而大幅波动,影响后续的数据处理和分析;现有技术中的路径规划算法生成的巡检路径不够优化,导致巡检效率低,飞行时间长,电池消耗大,导致在复杂或变化的环境中巡检效果不佳,增加了安全风险。

4、针对相关技术中的问题,目前尚未提出有效的解决方案。


技术实现思路

1、为了克服以上问题,本专利技术旨在提出基于ai辅助的输电线路无人机自主巡检自适应优化方法,目的在于解决现有技术中的路径规划算法可能无法综合考虑路径距离、飞行能耗和安全性,生成的巡检路径不够优化,导致巡检效率低,飞行时间长,电池消耗大,巡检过程中,无法根据实时采集的数据动态调整无人机的飞行路径和相机参数,导致在复杂或变化的环境中巡检效果不佳,增加了安全风险的问题。

2、为此,本专利技术采用的具体技术方案如下:

3、基于ai辅助的输电线路无人机自主巡检自适应优化方法,该输电线路无人机自主巡检自适应优化方法包括以下步骤:

4、s 1、预先配置的无人机搭载相机采集输电线路的环境参数数据,并进行数据标注;

5、s2、利用标注的数据训练电力线距离与光线感知识别模块,识别输电线路的距离和光线变化;

6、s3、在巡检过程中,实时采集环境数据和输电线路的距离,并基于电力线距离和光线变化调整相机的曝光参数和焦距,同时根据实时采集的环境数据和输电线路的距离调整无人机的位置和飞行路径;

7、s4、基于环境数据和无人机的位置和飞行路径生成最佳巡检航线,并在巡检过程中按照最佳巡检航线进行自主巡检。

8、可选地,利用标注的数据训练电力线距离与光线感知识别模块,识别输电线路的距离和光线变化包括以下步骤:

9、s21、获取标注的环境参数数据,将环境参数数据划分训练集和验证集;

10、s22、构建电力线距离与光线感知识别模块的架构,利用训练集对电力线距离与光线感知识别模块进行训练;

11、s23、利用训练后的电力线距离与光线感知识别模块提取输电线路图像数据,识别输电线路位置,并计算输电线路与相机之间的距离;

12、s24、在模型训练中融入光线变化标注数据,识别图像中的光线变化特征,并判断当前环境的光线状况;

13、s25、利用验证集评估模型性能,根据验证结果调整电力线距离与光线感知识别模块的架构。

14、可选地,利用训练后的电力线距离与光线感知识别模块提取输电线路图像数据,识别输电线路位置,并计算输电线路与相机之间的距离包括以下步骤:

15、s231、从标注的环境参数数据中提取与输电线路位置相关的输电线路图像数据,并进行预处理;

16、s232、将预处理后的输电线路图像数据输入训练后的电力线距离与光线感知识别模块,识别输电线路的位置信息;

17、s233、根据识别的输电线路位置和已知的相机内部参数,计算输电线路与相机之间的距离。

18、可选地,在模型训练中融入光线变化标注数据,识别图像中的光线变化特征,并判断当前环境的光线状况包括以下步骤:

19、s241、获取光线变化特征标注数据,并提取光线变化特征数据;

20、s242、在电力线距离与光线感知识别模块的训练过程中,将光线变化特征数据作为额外的输入特征,使电力线距离与光线感知识别模块学习各光线条件下的图像特征;

21、s243、利用训练后的电力线距离与光线感知识别模块,从新的输电线路图像数据中提取光线变化特征,并识别输电线路图像数据中的光线状况;

22、s244、基于识别的光线变化特征,通过设定阈值,对当前环境的光线状况进行评估。

23、可选地,在巡检过程中,实时采集环境数据和输电线路的距离,并基于电力线距离和光线变化调整相机的曝光参数和焦距,同时根据实时采集的环境数据和输电线路的距离调整无人机的位置和飞行路径包括以下步骤:

24、s31、在巡检过程中,实时采集当前环境的各种参数数据,并测量输电线路与无人机之间的距离;

25、s32、将实时采集到的环境数据和输电线路距离数据输入到训练后的电力线距离与光线感知识别模块;

26、s33、根据电力线距离与光线感知识别模块的输出结果,调整相机的曝光参数和焦距;

27、s34、根据实时采集的数据和模型的输出,调整无人机的位置和飞行路径。

28、可选地,根据电力线距离与光线感知识别模块的输出结果,调整相机的曝光参数和焦距包括以下步骤:

29、s331、分析电力线距离与光线感知识别模块的输出,获取推荐的相机曝光参数和焦距调整值;

30、s332、获取当前相机设置,包括曝光参数和焦距值,并计算所需的曝光参数和焦距调整量;

31、s333、将计算的新曝光参数和焦距值应用到相机设置中,并实时监控调整后的效果;

32、s334、记录调整前后的相机参数。

33、可选地,相机曝光参数包括快门速度、光圈大小及感光度。

34、可选地,基于环境数据和无人机的位置和飞行路径生成最佳巡检航线,并在巡检过程中按照最佳巡检航线进行自主巡检包括以下步骤:

35、s41、利用a*算法初始化无人机的巡检路径,作为贝叶斯优化模型的起始点;

36、s42、定义贝叶斯优化模型的目标函数;

37、s43、初始化贝叶斯优化模型,并基于目标函数评估采样路径的质量,获得路径评分;

38、s44、基于路径评分更新贝叶斯优化模型,调整目标函数的后验分布;

39、s45、重复执行s43-s45的步骤,迭代优化路径参数,直至得到最优路径参数,基于最优路径参数生成无人机巡检的最终最佳航线;

40、s46、根据最佳路径参数执行实时巡检,在巡检过程中,实时采集环境数据并输入贝叶斯优化模型,根据最新的环境数据和模型建议自主调整路径。

41、可选地,初始化贝叶斯优化模型,并基于目标函数评估采样路径的质量,获得路径评分包括以下步骤:

42、s431、设置贝叶斯优化的初始参数,创建并初始化高斯过程模型;

43、s432、将利用a*算法生成的初始巡检路径及目标函数值作为数据点,加入高斯过程模型;

44本文档来自技高网...

【技术保护点】

1.基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,该输电线路无人机自主巡检自适应优化方法包括以下步骤:

2.根据权利要求1所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述利用标注的数据训练电力线距离与光线感知识别模块,识别输电线路的距离和光线变化包括以下步骤:

3.根据权利要求2所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述利用训练后的电力线距离与光线感知识别模块提取输电线路图像数据,识别输电线路位置,并计算输电线路与相机之间的距离包括以下步骤:

4.根据权利要求3所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述在模型训练中融入光线变化标注数据,识别图像中的光线变化特征,并判断当前环境的光线状况包括以下步骤:

5.根据权利要求1所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述在巡检过程中,实时采集环境数据和输电线路的距离,并基于电力线距离和光线变化调整相机的曝光参数和焦距,同时根据实时采集的环境数据和输电线路的距离调整无人机的位置和飞行路径包括以下步骤:

6.根据权利要求5所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述根据电力线距离与光线感知识别模块的输出结果,调整相机的曝光参数和焦距包括以下步骤:

7.根据权利要求6所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述相机曝光参数包括快门速度、光圈大小及感光度。

8.根据权利要求1所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述基于环境数据和无人机的位置和飞行路径生成最佳巡检航线,并在巡检过程中按照最佳巡检航线进行自主巡检包括以下步骤:

9.根据权利要求8所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述初始化贝叶斯优化模型,并基于目标函数评估采样路径的质量,获得路径评分包括以下步骤:

10.根据权利要求9所述的基于AI辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述基于路径评分更新贝叶斯优化模型,调整目标函数的后验分布包括以下步骤:

...

【技术特征摘要】

1.基于ai辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,该输电线路无人机自主巡检自适应优化方法包括以下步骤:

2.根据权利要求1所述的基于ai辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述利用标注的数据训练电力线距离与光线感知识别模块,识别输电线路的距离和光线变化包括以下步骤:

3.根据权利要求2所述的基于ai辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述利用训练后的电力线距离与光线感知识别模块提取输电线路图像数据,识别输电线路位置,并计算输电线路与相机之间的距离包括以下步骤:

4.根据权利要求3所述的基于ai辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述在模型训练中融入光线变化标注数据,识别图像中的光线变化特征,并判断当前环境的光线状况包括以下步骤:

5.根据权利要求1所述的基于ai辅助的输电线路无人机自主巡检自适应优化方法,其特征在于,所述在巡检过程中,实时采集环境数据和输电线路的距离,并基于电力线距离和光线变化调整相机的曝光参数和焦距,同时根据实时采集的环境...

【专利技术属性】
技术研发人员:龙伟李振华卢政合刘豪王家富高宏建倪久祥周宥池王美荣罗友打
申请(专利权)人:国网四川省电力公司凉山供电公司
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