一种基于无人机巡查数据的电网基建设备缺陷归档方法与流程

本发明属于数据归档，具体涉及一种基于无人机巡查数据的电网基建设备缺陷归档方法。

背景技术：

1、随着电网基建工程项目规模越来越大，施工过程必然会存在许多隐患，基建设备由于暴露在野外，会遭受风雨等自然因素和施工、植树等人为因素的影响，须及时排查，找出缺陷位置和缺陷类型，为保障基建全过程中的安全和质量，需要对电网基建全过程进行巡查。目前通常采用现场查看的方法进行巡查，由于施工场地多分布在荒郊野外，地形复杂，人工巡检不仅耗时多而且不易全面覆盖，而无人机巡检具有受地形限制小、巡检效果好、操作简单、可快速部署、巡检、成本低等优点，因此，亟需一种能够将无人机巡查技术与电网基建设备缺陷检查相结合，智能检测到基建过程中设备存在的缺陷问题，提高巡检效率的方法。

技术实现思路

1、本发明的目的是克服现有技术存在的上述问题，提供一种能够提高巡检效率的基于无人机巡查数据的电网基建设备缺陷归档方法。

2、为实现以上目的，本发明提供了以下技术方案：

3、一种基于无人机巡查数据的电网基建设备缺陷归档方法，所述电网基建设备缺陷归档方法依次包括以下步骤：

4、s1、基于无人机巡查数据构建多个分属于不同应用场景的样本图像库，所述样本图像库包括设备缺陷样本图像、设备正常样本图像；

5、s2、基于无人机巡查数据获得待检测设备图像并对其进行特征提取；

6、s3、基于步骤s2提取的图像特征利用knn算法对待检测设备图像进行应用场景归档，输出归档结果；

7、s4、先基于步骤s2提取的图像特征一一计算待检测设备图像与待检测设备图像所属应用场景对应的样本数据库中每个样本图像的相似程度，然后进行相似程度比较，若待检测设备图像与设备缺陷样本图像的相似程度高于待检测设备图像与设备正常样本图像的相似程度，则发出缺陷警告。

8、所述步骤s2中的特征提取包括：

9、s21、利用细节重建模块增强图像效果，所述细节重建模块由两个细节信息处理块组成，将图像输入第一个细节信息处理块，将第一个细节信息处理块的处理结果输入第二个细节信息处理块，第二个细节信息处理块的处理结果即为增强后的图像；

10、s22、将增强后的图像输入u-net模型中，该u-net模型先利用自校准卷积层进行特征提取得到特征图，然后利用池化层降低特征图的特征维度，再利用空间注意力模块捕捉重点特征并对无关特征进行降噪，输出最终特征图。

11、步骤s21中，所述细节信息处理块包括三个膨胀卷积单元和一个通道注意力单元，将图像输入第一个膨胀卷积单元，将第一个膨胀卷积单元的卷积结果输入第二个膨胀卷积单元，将第二个膨胀卷积单元的卷积结果输入第三个膨胀卷积单元，将第三个膨胀卷积单元的卷积结果输入到通道注意力单元作加权处理，得到处理结果。

12、步骤s22中，所述最终特征图根据以下公式计算得到：

13、；

14、；

15、上式中，为输出的最终特征图，为空间注意力运算，为点乘，为relu激活函数，为输入至空间注意力模块的特征图，为的卷积，为全局平均池化，为全局最大池化。

16、所述步骤s4中相似程度越高则相似度值越小，所述相似度根据以下公式计算得到：

17、；

18、；

19、上式中，为待检测设备图像与样本图像的相似度，为待检测设备图像中第个特征的概率分布，为样本图像中第个特征的概率分布，为待检测设备图像中第个特征的概率分布平均值，w为所有特征的集合。

20、所述电网基建设备缺陷归档方法还包括步骤s5，所述步骤s5位于步骤s3、步骤s4之间：

21、s5、构建归档效果评价指标体系，计算步骤s3中归档结果的各归档效果评价指标值，并判断各归档效果评价指标值是否均达到其预期值，若均达到，则输出归档结果，进入步骤s4；若有任意一个未达到，则将步骤s2提取的图像特征输入svm分类器再次进行分类归档，输出归档结果，进入步骤s4。

22、步骤s3中，所述归档效果评价指标体系包括准确率、精确度、auc指标，所述准确率的计算公式为：

23、；

24、上式中，tp、tn、fn、fp分别为真归档正确的图像数量、真归档错误的图像数量、假归档正确的图像数量、假归档错误的图像数量；

25、所述精确度的计算公式为：

26、；

27、所述auc指标的计算公式为：

28、；

29、上式中，p1、p2、m、n分别为归档正确的概率、归档错误的概率、归档正确的图像数量、归档错误的图像数量。

30、所述步骤s1中的应用场景包括导地线及附件场景、杆塔工程场景、塔基础及接地工程场景。

31、与现有技术相比，本发明的有益效果为：

32、1、本发明一种基于无人机巡查数据的电网基建设备缺陷归档方法先基于无人机巡查数据构建多个分属于不同应用场景的样本图像库，该样本图像库包括设备缺陷样本图像、设备正常样本图像，然后基于无人机巡查数据获取待检测设备图像并对其进行特征提取，再基于提取的图像特征利用knn算法对待检测设备图像进行应用场景归档，输出归档结果，随后基于图像特征一一计算待检测设备图像与待检测设备图像所属应用场景对应的样本数据库中每个样本图像的相似程度，最后进行相似程度比较，若待检测设备图像与设备缺陷样本图像的相似程度高于待检测设备图像与设备正常样本图像的相似程度，则发出缺陷警告；该设计将无人机巡查技术与应用场景归档、电网基建设备缺陷识别相结合，不仅提高了巡检自动化水平，而且由于先进行应用场景归档，再基于归档结果进行相似程度比较，以判断是否存在缺陷，减少了用于缺陷比较的样本，大大减少了处理工作量，提高了处理效率，能快速识别各类设备缺陷隐患。因此，本发明能快速识别各类设备缺陷隐患，不仅巡检自动化水平高，而且巡检效率高。

33、2、本发明一种基于无人机巡查数据的电网基建设备缺陷归档方法中，利用细节重建模块增强图像效果，细节重建模块由两个细节信息处理块组成，第一个细节信息处理块的处理结果为第二个细节信息处理块的输入，该细节信息处理块包括三个膨胀卷积单元和一个通道注意力单元，将图像输入第一个膨胀卷积单元，将第一个膨胀卷积单元的卷积结果输入第二个膨胀卷积单元，将第二个膨胀卷积单元的卷积结果输入第三个膨胀卷积单元，将第三个膨胀卷积单元的卷积结果输入到通道注意力单元作加权处理，输出处理结果；该设计通过膨胀卷积单元提高卷积的感受野，通过通道注意力块提升细节注意力，进而起到图像增强效果，最终提高归档精确度。因此，本发明具有图像增强效果，提高了归档精确度。

技术特征：

1.一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

2.根据权利要求1所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

3.根据权利要求2所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：步骤s21中，所述细节信息处理块包括三个膨胀卷积单元和一个通道注意力单元，将图像输入第一个膨胀卷积单元，将第一个膨胀卷积单元的卷积结果输入第二个膨胀卷积单元，将第二个膨胀卷积单元的卷积结果输入第三个膨胀卷积单元，将第三个膨胀卷积单元的卷积结果输入到通道注意力单元作加权处理，得到处理结果。

4.根据权利要求2或3所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

5.根据权利要求1-3中任一项所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

6.根据权利要求1-3中任一项所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

7.根据权利要求6所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

8.根据权利要求1-3中任一项所述的一种基于无人机巡查数据的电网基建设备缺陷归档方法，其特征在于：

技术总结
一种基于无人机巡查数据的电网基建设备缺陷归档方法，先基于无人机巡查数据构建多个分属于不同应用场景的样本图像库，该样本图像库包括设备缺陷样本图像、设备正常样本图像，然后基于无人机巡查数据获取待检测设备图像并对其进行特征提取，再基于提取的图像特征利用KNN算法对待检测设备图像进行应用场景归档，输出归档结果，随后基于图像特征一一计算待检测设备图像与待检测设备图像所属应用场景对应的样本数据库中每个样本图像的相似程度，最后进行相似程度比较，若待检测设备图像与设备缺陷样本图像的相似程度更高，则发出缺陷警告。本设计能快速识别各类设备缺陷隐患，不仅巡检自动化水平高，而且巡检效率高。

技术研发人员：陈然,蔡杰,周蠡,贺兰菲,李智威,许汉平,柯方超,周英博,熊川羽,马莉,张赵阳,熊一,王巍,李吕满,舒思睿,许小薇,李晶晶
受保护的技术使用者：国网湖北省电力有限公司经济技术研究院
技术研发日：
技术公布日：2024/1/13