一种基于无人机的大型电力设备自动检测装置及识别方法

本发明属于无人机巡检领域，涉及一种基于无人机的大型电力设备自动检测装置及识别方法。

背景技术：

伴随着社会的发展，我国国民经济水平不断提升,社会中对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量以及智能化的方向发展。与此同时对各类电力设备的安全性及可靠性会有更加严苛的要求。由于一旦电力设备和部件产生故障工作或异常工作，极易导致“链式反应”，致使整个电力系统无法正常运行，从而引发故障造成重大的损失，而其存在安全隐患的设备故障和异常还会造成灾难性事故和人员伤亡，更会在多个方面造成恶劣的影响。因此对于一个电力系统而言，对电力系统内部的各种电力设备工作状态的定期检查是维持电力系统正常工作的重要途经。传统的对于电力设备的运行状态的检査基本都是靠人工定期进行巡检的方法，主要是采用摄像头对电力设备进行监控构成监控系统，但其实际方法仍局限于人工检测电力设备的实时状态，不能对其进行自动的识别与分析，无法忽略人眼在工作过程中的局限性，如观察精度有限，长时间工作会产生疲劳，工作时长有限等。

近年来，卷积神经网络在图像识别方面的研究与应用不断发展和完善，智能监控识别系统不断被尝试开发，其最大的特点同时也是其最大的优点就是最大程度的取代监控系统中的人为操作以弥补人为操作在其中的缺陷，可以解决传统的电力设备巡检方法中存在的失效差，速度慢，精度不高的问题。这种智能检测识别的方法可以就摄像头采集到的图片进行识别与分析，将识别的结果生成报告进行显示与保存。

如此，可以突破大型复杂电力设备自动检测识别关键科学问题，破解大型电力设备早期自动检测识别诊断共性难点问题，在理论与算法层面能够为大型电力设备自动检测识别诊断提供具有普适性意义的基础理论与关键技术。

技术实现要素：

本发明的目的在于提供一种基于无人机的大型电力设备自动检测装置及识别方法。实现对输电线路、绝缘子、变压器、特高压设备等设备的图像识别和自动检测。

本发明为了实现上述目的，采用如下技术方案：

一种基于无人机的大型电力设备自动检测装置，该电力设备自动检测装置包括无人机工作模块；

所述无人机工作模块包括无人机机身、电源控制端、起落架、螺旋翼、无人机位置灯和机翼悬臂；

起落架连接固定在无人机机身的下方，机翼悬臂固定在机身侧边，机翼悬臂的另一端连接着螺旋翼；

电源控制端控制无人机电源的通断，为无人机螺旋翼提供能源；

无人机位置灯设置在每个机翼悬臂的下方，为无人机提供位置信号。

进一步的，该大型电力设备自动检测装置还包括任务载荷模块，它包括高清摄像头、数据收集盒和云台；

高清摄像头与数据收集盒连接，数据收集盒用于保存高清摄像头拍摄的照片。

进一步的，起落架的数量为两个。

进一步的，机翼悬臂为六个独立的机翼悬臂。

进一步的，云台与高清摄像头连接，通过云台为载体，高清摄像头实现多方向转动拍照。

一种基于无人机的大型电力设备自动检测装置的识别方法，该识别方法的算法过程为：

建立一个二维的滤波器矩阵以及待处理的二维图像；

对于二维图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值，即完成了滤波过程；

使用高斯模糊对图像降噪，以及在边缘检测之前，用来移除细节；

以正态分布作为权重分配模式，计算平均值的时候，将中心点作为原点，其他点按照其在正态曲线上的位置，分配权重，得到一个加权平均值；

正态分布的密度函数叫做“高斯函数”，它的一维形式是：

其中，μ是x的均值，σ是x的标准差，因为计算平均值的时候，中心点就是原点，所以μ等于0，即：

根据一维高斯函数，可以推导得到二维高斯函数：

有了这个函数，就可以计算每个点的权重了。

边缘检测：在图像测量，模式识别时，从图像中抽出线条，检测出图像边缘或者抽出图像轮廓；

灰度图像处理，根据单色图像的灰度对输出图像的灰度进行再定义、以改善图像的对比度。

操作者通过地面测控系统模块和无人机的gps定位操控无人机的位置以及无人机的飞行轨迹。当无人机达到指定的工作区域并且稳定之后，操作者通过无线遥控器对无人机发送指令信号，从而控制任务载荷模块里高清摄像头对目标进行图像收集存储以及发送至数据分析模块中的数据分析处理端。

所述的数据分析模块由数据分析处理端组成，数据分析处理端通过建立模型，设立、加载标签数据，将图片转换的数组与标签数据比对的方法实现对目标的自动识别以及检测目的。

本发明的有益效果：

本发明采用了以六旋翼无人机为搭建平台，六旋翼无人机是一种具备垂直升降、悬停等灵活飞行性能优势的无人飞行器，因此在某些环境下比固定翼无人机具有更好地适用性。它通过放置的三组共六个电机提供升力，通过改变旋翼转速来调整姿态，通过调整姿态进一步实现位置控制，具有悬停性能优异、移动灵活高等优点。该结构装置能够代替传统的人工巡检模式，并且可以实现低空以及高空作业。

无人机上方的太阳能充电板能在无人机工作时为无人机进行充电，提高了无人机的续航能力，具有节能环保的优点。

在数据处理中，利用卷积神经网络进行图像处理算法，卷积神经网络可以降低网格结构的复杂程度，可以减少训练权重的数量，该数据处理系统中，可以直接将图像数据作为输入，不仅不需要人工对图像进行预处理和其他的复杂操作，而且通过卷积神经网络对图像的处理可以达到近人工的水平。

该系统装置操作简单、省去了人工对图像的分析、降低了巡检的安全隐患、节省了人力、物力、财力、提高了巡检的效率。该结构装置若可以进行进一步的推广和应用，将在无人机巡检领域里有着很大的收益。

附图说明

图1为本发明的立面结构示意图；

图2为本发明的主视结构示意图；

图3为本发明的起落架整体的结构示意图；

图4为本发明的起落架整体的平面结构示意图；

图5为本发明的起落架单体的结构示意图；

图6为本发明的悬臂、螺旋翼的立面结构示意图；

图7为本发明的悬臂、螺旋翼的俯视角度结构示意图；

图8为本发明的悬臂、螺旋翼的主视角度结构示意图；

图9为本发明的螺旋翼的结构示意图；

图10为本发明的任务载荷模块中高清摄像头的结构示意图；

图11为本发明的云台安装位置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1至图11，本发明实施例中：

一种基于无人机的大型电力设备自动检测装置，其特征在于：该电力设备自动检测装置包括无人机工作模块；

所述无人机工作模块包括无人机机身101、电源控制端103、起落架104、螺旋翼105、无人机位置灯106和机翼悬臂107；

起落架104连接固定在无人机机身101的下方，机翼悬臂107固定在机身侧边，机翼悬臂107的另一端连接着螺旋翼105；

电源控制端103控制无人机电源的通断，为无人机螺旋翼105提供能源；

无人机位置灯106设置在每个机翼悬臂107的下方，为无人机提供位置信号。

进一步的，该大型电力设备自动检测装置还包括任务载荷模块，它包括高清摄像头201、数据收集盒202和云台204；

高清摄像头201与数据收集盒202连接，数据收集盒202用于保存高清摄像头201拍摄的照片。

进一步的，起落架104的数量为两个。

进一步的，机翼悬臂107为六个独立的机翼悬臂。

进一步的，云台204与高清摄像头201连接，通过云台204为载体，高清摄像头201实现多方向转动拍照。

电源控制端103控制结构装置的能源供给，六个螺旋翼105通电旋转，为结构装置提供主要动力。操作者通过无线遥控器301控制执行结构装置达到指定的工作区域，并在执行结构装置稳定后，通过无线遥控器控制高清摄像头201的工作。

对目标物体进行图像采集到数据收集盒中进行储存。通过无线发送与接收装置将收集到的图像传输至数据分析处理端进行进一步的分析，实现装置的采集工作。

数据分析系统，采集到的图片通过无线传输至数据分析处理端，通过建立模型，算法运算、设立、加载标签数据，将图片转换的数组与标签数据比对的方法对接收的图片达到识别和对比区别的目的，实现结构装置自动识别及检测的目的。

一种基于无人机的大型电力设备自动检测装置的识别方法，该识别方法的算法过程为：

建立一个二维的滤波器矩阵以及待处理的二维图像；

对于二维图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值，即完成了滤波过程；

使用高斯模糊对图像降噪，以及在边缘检测之前，用来移除细节；

以正态分布作为权重分配模式，计算平均值的时候，将中心点作为原点，其他点按照其在正态曲线上的位置，分配权重，得到一个加权平均值；

正态分布的密度函数叫做“高斯函数”，它的一维形式是：

其中，μ是x的均值，σ是x的标准差，因为计算平均值的时候，中心点就是原点，所以μ等于0，即：

根据一维高斯函数，可以推导得到二维高斯函数：

有了这个函数，就可以计算每个点的权重了。

边缘检测：在图像测量，模式识别时，从图像中抽出线条，检测出图像边缘或者抽出图像轮廓；

在微分算法中，常使用n*n的像素块，例如3*3或者4*4。3*3的像素块如下，

f(i-1,j-1)f(i-1,j)f(i-1,j+1)

f(i,j-1)f(i,j)f(i,j+1)

f(i+1,j-1)f(i+1,j)f(i+1,j+1)

设f(i,j)为待处理的像素，而g(i,j)为处理后的像素。用sobel算子对数字图像的每一个像素f(i,j),考察它的上、下、左、右邻域灰度的加权值，把各方向上(0度、45度、90度、135度)的灰度值加权之和作为输出，可以达到提取图像边缘的效果。即g(i,j)＝fxr+fyr,

其中：

fxr＝f(i-1,j-1)+2*f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)

fyr＝f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)

灰度图像处理，根据单色图像的灰度对输出图像的灰度进行再定义、以改善图像的对比度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。