CN111709361A - 一种输电线路无人机巡检数据处理方法 - Google Patents
一种输电线路无人机巡检数据处理方法 Download PDFInfo
- Publication number
- CN111709361A CN111709361A CN202010548758.4A CN202010548758A CN111709361A CN 111709361 A CN111709361 A CN 111709361A CN 202010548758 A CN202010548758 A CN 202010548758A CN 111709361 A CN111709361 A CN 111709361A
- Authority
- CN
- China
- Prior art keywords
- picture
- defect
- information
- line
- aerial vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 51
- 230000005540 biological transmission Effects 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims description 20
- 230000007547 defect Effects 0.000 claims abstract description 240
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012423 maintenance Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000004801 process automation Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种输电线路无人机巡检数据处理方法，该方法采集日常运维无人机拍摄的巡检图片和激光点云分析报告；对巡检图片通过图片命名器重命名图片并对重命名图片进行缺陷识别；对激光点云分析报告利用报告分析器重命名相关图片并对重命名图片进行缺陷识别；进行人工审核缺陷；利用缺陷生成器生成缺陷相关信息；利用RPA机器人录入缺陷并通知班组管理人员。本发明有效提高了输电线路运维工作的智能化、自动化水平，具有很好的推广应用价值。
Description
技术领域
本发明涉及高压输电线路运检领域，更具体地，涉及一种输电线路无人机巡检数据处理方法。
背景技术
近年来，随着经济发展电力供应需求也逐年增加，高压输电线路作为保证电网稳定运行的大动脉，其重要意义不言而喻。然而高压输电线路大多运行在郊区旷野，常常受恶劣天气、地理环境、运行工况等变化影响，难免出现危及电网安全可靠运行的缺陷和隐患。为了保证高压输电线路的安全稳定运行，输电线路运维单位制定了一系列严格的运行维护措施，如对输电线路进行定期的巡视和缺陷查找等。随着技术的发展，现输电线路巡视与缺陷查找方式主要依靠无人机进行，即运用可见光无人机进线路精细化巡视，查找设备本体缺陷隐患，运用激光雷达无人机进行激光建模，查找通道树障等距离类缺陷隐患。输电线路无人机巡检作业在减轻人工巡视工作负担的同时，也采集了大量的巡检数据，即巡检照片、激光点云分析报告等数据，现有巡检数据仍然需要人工查看，重命名归档并将缺陷隐患录入公司***，开启缺陷隐患流程。人工处理方法存在着以下三方面的问题：一、工作量巨大，浪费了大量的人力物力资源。根据统计一个负责管理五千公里输电线路的地市局运维单位每年采集的无人机巡检照片有二十万张以上，激光点云分析报告有上千份，传统的分析方法需要依靠人工处理，这就造成运维人员工作量巨大，而且为了保证处理信息的准确可靠往往需要专门负责人员与线路运维人员反复沟通核实缺陷隐患信息，反复核实工作既占用了运维人员的时间，造成不必要的工作负担，还浪费了大量的人力物力资源；二、耗时过长，效率低，不能及时处理线路缺陷隐患，保证线路的安全稳定运行。巡检数据人工处理不仅工作量大，而且每年需要耗费上万工作小时，过长的人工处理时间造成了不能及时发现线路缺陷隐患，进而影响输电线路缺陷隐患整改，无法保证线路的安全稳定运行；三、容易出错遗漏，造成存在缺陷隐患而实际没有录入***、整改处理，或者由于辨别错误错误开展缺陷处理流程的情况。经调查，一个运维人员往往需要担负四五十公里输电线路的运维责任，而线路的缺陷隐患种类有四五百种之多，过重的工作负担再加上运维人员素质参差不齐，部分人员对部分缺陷隐患不甚了解，因此很容易造成线路缺陷隐患发现、录入不齐全，或者出现辨别错误进而错误开展缺陷隐患处理流程的情况发生。根据统计每年上千条缺陷隐患，错漏大概接近30％，影响线路的安全稳定运行。因此亟需一种灵活高效的输电线路无人机巡检数据智能处理方法，以提高巡检数据处理的工作效率，节省大量的人力物力资源的同时，保证缺陷隐患的及时发现和处理，提高输电线路的整体安全系数，保证线路的安全稳定运行。
申请号为201911266886.3的专利说明书中公开了配网架空输电线路的无人机巡检***及方法，本申请，利用无人机巡检单元获取电力设备的巡检数据，利用地面测控站与无人机巡检单元进行通信，可以使无人机获取的巡检数据传输至地面测控站，在地面测控站中进行数据筛选，再利用地面数据处理单元对地面测控站获取的巡检数据进行线路诊断，形成了一整套的从巡检数据的获取到巡检数据的筛选再到智能诊断***。该***既能节省大量时间成本，又能克服人工检测时漏检和误检等问题，大大提高了检测精度。然而，该专利无法实现自动命名巡检照片、开展巡检照片缺陷识别、提取录巡检报告缺陷、并将缺陷录入公司***。
发明内容
本发明提供一种灵活高效的输电线路无人机巡检数据处理方法。
为了达到上述技术效果，本发明的技术方案如下：
一种输电线路无人机巡检数据处理方法，括以下步骤：
S1：采集日常运维无人机拍摄的巡检图片和激光点云分析报告；
S2：对步骤S1中的巡检图片通过图片命名器重命名图片并对重命名图片进行缺陷识别；
S3：对步骤S1中的激光点云分析报告利用报告分析器重命名相关图片并对重命名图片进行缺陷识别；
S4：进行人工审核缺陷；
S5：利用缺陷生成器生成缺陷相关信息；
S6：利用RPA机器人录入缺陷并通知班组管理人员。
进一步地，所述步骤S1中，采集激光点云分析报告的过程是：将日常运维激光雷达无人机采集的点云数据分析报告作为输入数据，其中激光点云分析报告由激光点云处理软件处理生成，用Word文档形式保存。
进一步地，步骤S2中，图片命名器重命名图片的过程是：
1)、输入原始的机巡图片；
2)、提取图片中经度、纬度、高度和拍摄时间信息；
3)、循环提取线路台账库中线路A相、B相、C相、地线和基础部件的经度、纬度和高度信息，计算机巡图片与提取台账部件两者的空间距离，取所有距离中最小值；若此距离小于10米则认为机巡图片拍摄对象为该线路部件，将机巡图片与该台账线路部件进行匹配；若距离在10米至200米范围内，则认为机巡图片为该线路杆塔的通道图片，将机巡图片与该台账线路杆塔进行匹配；若距离大于200米，则认为此机巡图片不属于任何一回台账线路，存在问题，将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、根据匹配结果重命名图片，若机巡图片与台账中的线路部件匹配，则根据“电压等级_线路名称_杆塔号_部件_时间戳.JPG”格式重命名机巡图片，若机巡图片与台账线路杆塔匹配，则根据“电压等级_线路名称_杆塔号_通道_时间戳.JPG”格式重命名机巡图片；
5)、输出重命名机巡图片，完成重命名工作流程。
进一步地，步骤S2中，对重命名图片进行缺陷识别的过程是：
1)、输入需要识别的机巡图片；
2)、对图片进行部件识别，依据前期训练的Faster R-CNN输电设备部件识别模型，对图片中的输电设备部件进行识别；
3)、判断识别结果，若识别存在设备部件，则将图片输入S4；若识别不存在设备部件，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、截取图片中设备部件部分，保存图片并将图片输入步骤5)中；
5)、对图片进行缺陷识别，依据前期训练的Faster R-CNN输电设备缺陷识别模型，对图片中的输电设备缺陷进行识别，若图片中存在缺陷，则标注缺陷，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤6)中；
6)、输出缺陷图片，完成缺陷识别工作流程。
进一步地，步骤S3中，激光点云分析报告由激光点云处理软件处理生成，一般以Word文档形式保存，需要对文档中缺陷信息进行分析提取，对激光点云报告分析工作流程包括以下步骤：
1)、输入激光点云分析报告；
2)、提取报告中缺陷信息，激光点云分析报告中汇总了缺陷信息表格，分析并提取该表格的线路、杆塔和缺陷信息；
3)、比对线路台账库，若存在相关线路和杆塔，则提取报告对应缺陷图片，输入S4；若不存在则将图片及线路、杆塔和缺陷相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、对已提取缺陷图片匹配相关线路、杆塔和缺陷信息，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤5)；
5)、输出缺陷图片，完成激光点云报告分析工作流程。
进一步地，步骤S4的具体过程是：人工审核判断提取的缺陷图片，若提取正确则将图片输入至缺陷生成器，若提取错误则将图片相关信息记录到问题数据库，图片另外保存，供人工分析提取错误原因，不断完善***。
进一步地，步骤S5的具体过程是：
1)、输入缺陷图片；
2)、提取图片名字中线路、杆塔、部件、缺陷类型和时间信息；
3)、比对缺陷库，搜索查看此照片时间后历史缺陷库中是否存在相关缺陷信息，若不存在，则说明缺陷未录入***，进入S4；若存在相关缺陷信息，则说明运维人员可能已将缺陷录入生成管理***，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、比对工作票库，搜索查看此照片时间后历史工作票中是否存在相关消除缺陷信息，若不存在，则说明缺陷未处理，进入S5；若存在相关缺陷已处理，则说明运维人员可能已处理相关缺陷，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
5)、比对人员设备库，提取相应线路的运维班组、人员和班组长信息，若线路区段运维信息存在，则进入步骤6)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
6)、比对缺陷表象库，提取相应缺陷类型的具体表象，若缺陷表象存在，则进入步骤7)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
7)、生成缺陷录入信息，依据前述步骤，生成包括线路名称、杆塔号、部件、运维班组、运维人员、线路班组长、缺陷类型、缺陷具体表象需要录入生产管理***的相关信息，进而生成缺陷录入消息，完成缺陷消息生成工作流程。
进一步地，步骤S6的具体过程是：
由RPA机器操作生产***模拟人工录入缺陷过程，将缺陷录入至生成管理***，并模拟人工发送消息过程，将已录入缺陷信息通过内部通讯工具发送给相关管理人员。其中生产管理***为电网统一建设的信息***，出于保证***安全运行的考虑，***不开放任何API操作接口，工单录入只能通过其提供前端页面操作录入，其中RPA是机器人流程自动化Robotic Process Automation，RPA可模拟人工进行***操作，替代人工进行重复性录入和发送消息工作。
进一步地，步骤S3中，重命名相关图片并对重命名图片进行缺陷识别的过程是：报告分析器提取报告中的线路、杆塔和缺陷信息，再比对线路台账库，若存在相关线路和杆塔，则提取对应缺陷图片并将其按照固定重命名图片，若不存在则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
进一步地，缺陷生成器根据图片中线路、杆塔、部件、缺陷类型信息，再结合缺陷库和工作票库，分别判断此照片时间后历史缺陷和工作票中是否存在相关缺陷信息，若不存在则依据人员设备库和缺陷表象库，查找相关线路杆塔的负责人员信息和缺陷类型对应描述表象信息，生成缺陷消息，发送至RPA机器人处理，若存在则不生成缺陷消息，并将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
与现有技术相比，本发明技术方案的有益效果是：
(1)自动分析无人机巡检数据，统计缺陷并自动录入***，可节省大量的人力物力资源，减轻人员工作负担。运用该发明提供的智能处理方法，***可自动命名巡检照片、开展巡检照片缺陷识别、提取录巡检报告缺陷、并将缺陷录入公司***。与传统的人工反处理相比，减少了人员工作量，节省了大量的人力物力资源；
(2)缩短工作时间，提高工作效率。该发明提供的智能处理方法，程序自动处理，可24小时不间断工作，同时无需专门负责人员与线路运维人员反复沟通核实缺陷隐患信息，省去了人工统计的相互沟通、交流核实过程，可节省大量时间，保证输电线路缺陷隐患的及时发现与处理，从而保证线路的安全稳定运行；
(3)巡检信息处理更加客观全面。该发明提供的智能处理方法，机器统一识别处理缺陷，可保证巡检数据处理的规范性，保证缺陷识别的准确性，与传统的人工处理相比更加客观全面，错误率和遗漏率更低，更能保证无人机巡检数据按要求处理，保证线路缺陷隐患的及时全面地发现和录入。
附图说明
图1为本发明方法流程图；
图2为图片命名器工作流程；
图3为图像识别工作流程；
图4为报告分析器工作流程；
图5为缺陷生成器工作流程。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示，一种输电线路无人机巡检数据处理方法，括以下步骤：
S1：采集日常运维无人机拍摄的巡检图片和激光点云分析报告；
S2：对步骤S1中的巡检图片通过图片命名器重命名图片并对重命名图片进行缺陷识别：依据AI图像识别流程，依次对重命名图片进行部件识别、截取图片中部件部分、缺陷识别和标注，并按照识别缺陷类型重命名图片，最终输出缺陷图片；
S3：对步骤S1中的激光点云分析报告利用报告分析器重命名相关图片并对重命名图片进行缺陷识别；
S4：进行人工审核缺陷；
S5：利用缺陷生成器生成缺陷相关信息；
S6：利用RPA机器人录入缺陷并通知班组管理人员。
进一步地，所述步骤S1中，采集激光点云分析报告的过程是：将日常运维激光雷达无人机采集的点云数据分析报告作为输入数据，其中激光点云分析报告由激光点云处理软件处理生成，用Word文档形式保存。
如图2所示，步骤S2中，图片命名器重命名图片的过程是：
1)、输入原始的机巡图片；
2)、提取图片中经度、纬度、高度和拍摄时间信息；
3)、循环提取线路台账库中线路A相、B相、C相、地线和基础部件的经度、纬度和高度信息，计算机巡图片与提取台账部件两者的空间距离，取所有距离中最小值；若此距离小于10米则认为机巡图片拍摄对象为该线路部件，将机巡图片与该台账线路部件进行匹配；若距离在10米至200米范围内，则认为机巡图片为该线路杆塔的通道图片，将机巡图片与该台账线路杆塔进行匹配；若距离大于200米，则认为此机巡图片不属于任何一回台账线路，存在问题，将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、根据匹配结果重命名图片，若机巡图片与台账中的线路部件匹配，则根据“电压等级_线路名称_杆塔号_部件_时间戳.JPG”格式重命名机巡图片，若机巡图片与台账线路杆塔匹配，则根据“电压等级_线路名称_杆塔号_通道_时间戳.JPG”格式重命名机巡图片；
5)、输出重命名机巡图片，完成重命名工作流程。
如图3所示，步骤S2中，对重命名图片进行缺陷识别的过程是：
1)、输入需要识别的机巡图片；
2)、对图片进行部件识别，依据前期训练的Faster R-CNN输电设备部件识别模型，对图片中的输电设备部件进行识别；
3)、判断识别结果，若识别存在设备部件，则将图片输入S4；若识别不存在设备部件，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、截取图片中设备部件部分，保存图片并将图片输入步骤5)中；
5)、对图片进行缺陷识别，依据前期训练的Faster R-CNN输电设备缺陷识别模型，对图片中的输电设备缺陷进行识别，若图片中存在缺陷，则标注缺陷，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤6)中；
6)、输出缺陷图片，完成缺陷识别工作流程。
如图4所示，步骤S3中，激光点云分析报告由激光点云处理软件处理生成，一般以Word文档形式保存，需要对文档中缺陷信息进行分析提取，对激光点云报告分析工作流程包括以下步骤：
1)、输入激光点云分析报告；
2)、提取报告中缺陷信息，激光点云分析报告中汇总了缺陷信息表格，分析并提取该表格的线路、杆塔和缺陷信息；
3)、比对线路台账库，若存在相关线路和杆塔，则提取报告对应缺陷图片，输入S4；若不存在则将图片及线路、杆塔和缺陷相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、对已提取缺陷图片匹配相关线路、杆塔和缺陷信息，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤5)；
5)、输出缺陷图片，完成激光点云报告分析工作流程。
步骤S4的具体过程是：人工审核判断提取的缺陷图片，若提取正确则将图片输入至缺陷生成器，若提取错误则将图片相关信息记录到问题数据库，图片另外保存，供人工分析提取错误原因，不断完善***。
如图5所示，步骤S5的具体过程是：
1)、输入缺陷图片；
2)、提取图片名字中线路、杆塔、部件、缺陷类型和时间信息；
3)、比对缺陷库，搜索查看此照片时间后历史缺陷库中是否存在相关缺陷信息，若不存在，则说明缺陷未录入***，进入S4；若存在相关缺陷信息，则说明运维人员可能已将缺陷录入生成管理***，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、比对工作票库，搜索查看此照片时间后历史工作票中是否存在相关消除缺陷信息，若不存在，则说明缺陷未处理，进入S5；若存在相关缺陷已处理，则说明运维人员可能已处理相关缺陷，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
5)、比对人员设备库，提取相应线路的运维班组、人员和班组长信息，若线路区段运维信息存在，则进入步骤6)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
6)、比对缺陷表象库，提取相应缺陷类型的具体表象，若缺陷表象存在，则进入步骤7)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
7)、生成缺陷录入信息，依据前述步骤，生成包括线路名称、杆塔号、部件、运维班组、运维人员、线路班组长、缺陷类型、缺陷具体表象需要录入生产管理***的相关信息，进而生成缺陷录入消息，完成缺陷消息生成工作流程。
步骤S6的具体过程是：
由RPA机器操作生产***模拟人工录入缺陷过程，将缺陷录入至生成管理***，并模拟人工发送消息过程，将已录入缺陷信息通过内部通讯工具发送给相关管理人员。其中生产管理***为电网统一建设的信息***，出于保证***安全运行的考虑，***不开放任何API操作接口，工单录入只能通过其提供前端页面操作录入，其中RPA是机器人流程自动化Robotic Process Automation，RPA可模拟人工进行***操作，替代人工进行重复性录入和发送消息工作。
步骤S3中，重命名相关图片并对重命名图片进行缺陷识别的过程是：报告分析器提取报告中的线路、杆塔和缺陷信息，再比对线路台账库，若存在相关线路和杆塔，则提取对应缺陷图片并将其按照固定重命名图片，若不存在则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
缺陷生成器根据图片中线路、杆塔、部件、缺陷类型信息，再结合缺陷库和工作票库，分别判断此照片时间后历史缺陷和工作票中是否存在相关缺陷信息，若不存在则依据人员设备库和缺陷表象库，查找相关线路杆塔的负责人员信息和缺陷类型对应描述表象信息，生成缺陷消息，发送至RPA机器人处理，若存在则不生成缺陷消息，并将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种输电线路无人机巡检数据处理方法，其特征在于，包括以下步骤：
S1：采集日常运维无人机拍摄的巡检图片和激光点云分析报告；
S2：对步骤S1中的巡检图片通过图片命名器重命名图片并对重命名图片进行缺陷识别；
S3：对步骤S1中的激光点云分析报告利用报告分析器重命名相关图片并对重命名图片进行缺陷识别；
S4：进行人工审核缺陷；
S5：利用缺陷生成器生成缺陷相关信息；
S6：利用RPA机器人录入缺陷并通知班组管理人员。
2.根据权利要求1所述的输电线路无人机巡检数据处理方法，其特征在于，所述步骤S1中，采集激光点云分析报告的过程是：将日常运维激光雷达无人机采集的点云数据分析报告作为输入数据，其中激光点云分析报告由激光点云处理软件处理生成，用Word文档形式保存。
3.根据权利要求2所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S2中，图片命名器重命名图片的过程是：
1)、输入原始的机巡图片；
2)、提取图片中经度、纬度、高度和拍摄时间信息；
3)、循环提取线路台账库中线路A相、B相、C相、地线和基础部件的经度、纬度和高度信息，计算机巡图片与提取台账部件两者的空间距离，取所有距离中最小值；若此距离小于10米则认为机巡图片拍摄对象为该线路部件，将机巡图片与该台账线路部件进行匹配；若距离在10米至200米范围内，则认为机巡图片为该线路杆塔的通道图片，将机巡图片与该台账线路杆塔进行匹配；若距离大于200米，则认为此机巡图片不属于任何一回台账线路，存在问题，将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、根据匹配结果重命名图片，若机巡图片与台账中的线路部件匹配，则根据“电压等级_线路名称_杆塔号_部件_时间戳.JPG”格式重命名机巡图片，若机巡图片与台账线路杆塔匹配，则根据“电压等级_线路名称_杆塔号_通道_时间戳.JPG”格式重命名机巡图片；
5)、输出重命名机巡图片，完成重命名工作流程。
4.根据权利要求3所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S2中，对重命名图片进行缺陷识别的过程是：
1)、输入需要识别的机巡图片；
2)、对图片进行部件识别，依据前期训练的Faster R-CNN输电设备部件识别模型，对图片中的输电设备部件进行识别；
3)、判断识别结果，若识别存在设备部件，则将图片输入S4；若识别不存在设备部件，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、截取图片中设备部件部分，保存图片并将图片输入步骤5)中；
5)、对图片进行缺陷识别，依据前期训练的Faster R-CNN输电设备缺陷识别模型，对图片中的输电设备缺陷进行识别，若图片中存在缺陷，则标注缺陷，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤6)中；
6)、输出缺陷图片，完成缺陷识别工作流程。
5.根据权利要求4所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S3中，激光点云分析报告由激光点云处理软件处理生成，一般以Word文档形式保存，需要对文档中缺陷信息进行分析提取，对激光点云报告分析工作流程包括以下步骤：
1)、输入激光点云分析报告；
2)、提取报告中缺陷信息，激光点云分析报告中汇总了缺陷信息表格，分析并提取该表格的线路、杆塔和缺陷信息；
3)、比对线路台账库，若存在相关线路和杆塔，则提取报告对应缺陷图片，输入S4；若不存在则将图片及线路、杆塔和缺陷相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、对已提取缺陷图片匹配相关线路、杆塔和缺陷信息，并根据“电压等级_线路名称_杆塔号_部件_时间戳_缺陷类型.JPG”格式重命名图片，进入步骤5)；
5)、输出缺陷图片，完成激光点云报告分析工作流程。
6.根据权利要求5所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S4的具体过程是：人工审核判断提取的缺陷图片，若提取正确则将图片输入至缺陷生成器，若提取错误则将图片相关信息记录到问题数据库，图片另外保存，供人工分析提取错误原因，不断完善***。
7.根据权利要求6所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S5的具体过程是：
1)、输入缺陷图片；
2)、提取图片名字中线路、杆塔、部件、缺陷类型和时间信息；
3)、比对缺陷库，搜索查看此照片时间后历史缺陷库中是否存在相关缺陷信息，若不存在，则说明缺陷未录入***，进入S4；若存在相关缺陷信息，则说明运维人员可能已将缺陷录入生成管理***，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
4)、比对工作票库，搜索查看此照片时间后历史工作票中是否存在相关消除缺陷信息，若不存在，则说明缺陷未处理，进入S5；若存在相关缺陷已处理，则说明运维人员可能已处理相关缺陷，因此将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
5)、比对人员设备库，提取相应线路的运维班组、人员和班组长信息，若线路区段运维信息存在，则进入步骤6)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
6)、比对缺陷表象库，提取相应缺陷类型的具体表象，若缺陷表象存在，则进入步骤7)；若不存在，则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核；
7)、生成缺陷录入信息，依据前述步骤，生成包括线路名称、杆塔号、部件、运维班组、运维人员、线路班组长、缺陷类型、缺陷具体表象需要录入生产管理***的相关信息，进而生成缺陷录入消息，完成缺陷消息生成工作流程。
8.根据权利要求7所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S6的具体过程是：
由RPA机器操作生产***模拟人工录入缺陷过程，将缺陷录入至生成管理***，并模拟人工发送消息过程，将已录入缺陷信息通过内部通讯工具发送给相关管理人员。其中生产管理***为电网统一建设的信息***，出于保证***安全运行的考虑，***不开放任何API操作接口，工单录入只能通过其提供前端页面操作录入，其中RPA是机器人流程自动化Robotic Process Automation，RPA可模拟人工进行***操作，替代人工进行重复性录入和发送消息工作。
9.根据权利要求8所述的输电线路无人机巡检数据处理方法，其特征在于，步骤S3中，重命名相关图片并对重命名图片进行缺陷识别的过程是：报告分析器提取报告中的线路、杆塔和缺陷信息，再比对线路台账库，若存在相关线路和杆塔，则提取对应缺陷图片并将其按照固定重命名图片，若不存在则将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
10.根据权利要求1-9任一项所述的输电线路无人机巡检数据处理方法，其特征在于，缺陷生成器根据图片中线路、杆塔、部件、缺陷类型信息，再结合缺陷库和工作票库，分别判断此照片时间后历史缺陷和工作票中是否存在相关缺陷信息，若不存在则依据人员设备库和缺陷表象库，查找相关线路杆塔的负责人员信息和缺陷类型对应描述表象信息，生成缺陷消息，发送至RPA机器人处理，若存在则不生成缺陷消息，并将图片相关信息记录到问题数据库，图片另外保存，由人工查看审核。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548758.4A CN111709361B (zh) | 2020-06-16 | 2020-06-16 | 一种输电线路无人机巡检数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010548758.4A CN111709361B (zh) | 2020-06-16 | 2020-06-16 | 一种输电线路无人机巡检数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111709361A true CN111709361A (zh) | 2020-09-25 |
| CN111709361B CN111709361B (zh) | 2024-01-26 |
Family
ID=72540162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010548758.4A Active CN111709361B (zh) | 2020-06-16 | 2020-06-16 | 一种输电线路无人机巡检数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111709361B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836471A (zh) * | 2021-01-25 | 2021-05-25 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和*** |
| CN113052819A (zh) * | 2021-03-25 | 2021-06-29 | 贵州电网有限责任公司 | 一种电路缺陷图片采集分析***及采集分析方法 |
| CN113705708A (zh) * | 2021-09-02 | 2021-11-26 | 国网福建省电力有限公司检修分公司 | 一种输电线路无人机巡视图片智能分类、命名的方法 |
| CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析*** |
| CN114047779A (zh) * | 2021-10-22 | 2022-02-15 | 贵州电网有限责任公司 | 一种基于无人机巡检的缺陷追踪方法及*** |
| CN114461831A (zh) * | 2022-04-13 | 2022-05-10 | 广东电网有限责任公司佛山供电局 | 输电线路巡检图像自动命名方法及装置 |
| CN114782947A (zh) * | 2022-06-22 | 2022-07-22 | 韶关市擎能设计有限公司 | 输配电线路点云匹配方法、点云匹配***及存储介质 |
| CN114780685A (zh) * | 2022-04-28 | 2022-07-22 | 贵州电网有限责任公司 | 一种自动识别缺陷信息录入情况并通过无人机补录的方法 |
| CN116303104A (zh) * | 2023-05-19 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 自动化流程缺陷筛查管理方法、***和可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控***及监控方法 |
| CN106504362A (zh) * | 2016-10-18 | 2017-03-15 | 国网湖北省电力公司检修公司 | 基于无人机的输变电***巡检方法 |
| US20170206648A1 (en) * | 2016-01-20 | 2017-07-20 | Ez3D, Llc | System and method for structural inspection and construction estimation using an unmanned aerial vehicle |
| CN110580529A (zh) * | 2019-08-16 | 2019-12-17 | 国电南瑞科技股份有限公司 | 一种输电通道无人机精细化巡检数据的自动分析管理方法、***及存储介质 |
| CN110633629A (zh) * | 2019-08-02 | 2019-12-31 | 广东电网有限责任公司清远供电局 | 基于人工智能的电网巡检方法、装置、设备及存储介质 |
-
2020
- 2020-06-16 CN CN202010548758.4A patent/CN111709361B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015131462A1 (zh) * | 2014-03-07 | 2015-09-11 | 国家电网公司 | 一种用于无人机输电线路巡检的集中监控***及监控方法 |
| US20170206648A1 (en) * | 2016-01-20 | 2017-07-20 | Ez3D, Llc | System and method for structural inspection and construction estimation using an unmanned aerial vehicle |
| CN106504362A (zh) * | 2016-10-18 | 2017-03-15 | 国网湖北省电力公司检修公司 | 基于无人机的输变电***巡检方法 |
| CN110633629A (zh) * | 2019-08-02 | 2019-12-31 | 广东电网有限责任公司清远供电局 | 基于人工智能的电网巡检方法、装置、设备及存储介质 |
| CN110580529A (zh) * | 2019-08-16 | 2019-12-17 | 国电南瑞科技股份有限公司 | 一种输电通道无人机精细化巡检数据的自动分析管理方法、***及存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112836471A (zh) * | 2021-01-25 | 2021-05-25 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和*** |
| CN112836471B (zh) * | 2021-01-25 | 2022-10-11 | 上海微亿智造科技有限公司 | 批量标注接口自动化方法和*** |
| CN113052819A (zh) * | 2021-03-25 | 2021-06-29 | 贵州电网有限责任公司 | 一种电路缺陷图片采集分析***及采集分析方法 |
| CN113705708A (zh) * | 2021-09-02 | 2021-11-26 | 国网福建省电力有限公司检修分公司 | 一种输电线路无人机巡视图片智能分类、命名的方法 |
| CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析*** |
| CN114047779A (zh) * | 2021-10-22 | 2022-02-15 | 贵州电网有限责任公司 | 一种基于无人机巡检的缺陷追踪方法及*** |
| CN114461831A (zh) * | 2022-04-13 | 2022-05-10 | 广东电网有限责任公司佛山供电局 | 输电线路巡检图像自动命名方法及装置 |
| CN114780685A (zh) * | 2022-04-28 | 2022-07-22 | 贵州电网有限责任公司 | 一种自动识别缺陷信息录入情况并通过无人机补录的方法 |
| CN114782947A (zh) * | 2022-06-22 | 2022-07-22 | 韶关市擎能设计有限公司 | 输配电线路点云匹配方法、点云匹配***及存储介质 |
| CN116303104A (zh) * | 2023-05-19 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 自动化流程缺陷筛查管理方法、***和可读存储介质 |
| CN116303104B (zh) * | 2023-05-19 | 2023-09-26 | 南方电网数字电网研究院有限公司 | 自动化流程缺陷筛查管理方法、***和可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111709361B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709361A (zh) | 一种输电线路无人机巡检数据处理方法 | |
| CN111949809B (zh) | 一种输电线路红外巡检数据智能处理方法 | |
| CN109344905A (zh) | 一种基于集成学习的输电设备自动故障识别方法 | |
| CN110689148A (zh) | 一种基于ar技术的计量设备故障检测方法 | |
| CN112613339B (zh) | 一种电气图纸自动化识别与审查方法及装置 | |
| CN105761016A (zh) | 一种桥梁病害巡查管理***及方法 | |
| CN103678109A (zh) | 一种转储文件分析方法、装置和*** | |
| CN115150589A (zh) | 一种用于煤矿企业的视频监控运维管理*** | |
| CN111984788B (zh) | 电力***违章管理方法、装置及电力设备 | |
| CN112257740B (zh) | 基于知识图谱的图像隐患识别方法及其*** | |
| CN111726577A (zh) | 基于无人机巡查的配电网工程审计方法 | |
| CN115395646A (zh) | 一种数字孪生式牵引变电所智慧运维*** | |
| CN109949289A (zh) | 一种基于人工智能的混凝土表面缺陷图像识别***及方法 | |
| CN115034671A (zh) | 基于关联规则与聚类的二次***信息故障分析方法 | |
| CN115019294A (zh) | 一种指针式仪表读数识别方法及*** | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
| CN117011106A (zh) | 一种工程监理安全督查*** | |
| CN110807415A (zh) | 一种基于年检标志的交通卡口车辆智能检索***及方法 | |
| CN114491049A (zh) | 一种基于信息管理的办公***资产配置方法 | |
| CN109102036A (zh) | 一种用于输电线路故障识别的图像标记方法及装置 | |
| CN112801432B (zh) | 一种风机组叶片智能巡检***及风机组叶片巡检方法 | |
| CN112732773A (zh) | 一种继电保护缺陷数据的唯一性校核方法及*** | |
| CN117151397B (zh) | 一种现场检查方案任务智能匹配管理方法 | |
| CN117173448B (zh) | 一种基建工程进度智能化管控与预警方法及装置 | |
| CN113989268B (zh) | 一种识别红外图像中指定设备的gis套管的方法及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |