CN116704387B - 一种基于视频结构化的电力线路通道巡检***和方法 - Google Patents
一种基于视频结构化的电力线路通道巡检***和方法 Download PDFInfo
- Publication number
- CN116704387B CN116704387B CN202310974401.6A CN202310974401A CN116704387B CN 116704387 B CN116704387 B CN 116704387B CN 202310974401 A CN202310974401 A CN 202310974401A CN 116704387 B CN116704387 B CN 116704387B
- Authority
- CN
- China
- Prior art keywords
- video
- inspection
- video structuring
- level
- representing
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000012216 screening Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000035945 sensitivity Effects 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Liquid Crystal (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种基于视频结构化的电力线路通道巡检***和方法,其***包括视频结构化等级预选终端、无人机本体、无人机控制终端、视频结构化处理终端和巡检信息接收终端;视频结构化等级预选终端用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;视频结构化处理终端和视频结构化等级预选终端均安装于无人机本体;无人机控制终端用于控制无人机本体对巡检区域进行巡检工作;视频结构化处理终端用于根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;巡检信息接收终端用于接收视频结构化信息。本发明具有提高巡检效率的效果。
Description
技术领域
本发明涉及无人机巡检***的技术领域,具体涉及一种基于视频结构化的电力线路通道巡检***和方法。
背景技术
视频结构化是指根据视频画面中呈现出的人、车、物、颜色、数字及其他属性特征,建立视频大数据结构化平台。视频被结构化后,存入相应的结构化数据仓库,存储的容量极大降低。电力线路通道巡检***是指基于无人机巡检的电力线路巡查***。
现在已经开发出了很多电力线路通道巡检***或巡检方法,经过检索,发现现有技术有如公开号为CN113177861A的专利公开了一种无人机和电力线路巡检方法,通过无人机搭载的图像获取模块获取电力线路的图像信息,识别模块用于根据图像获取模块获取的电力线路的图像信息,识别电力线路中的温度预警装置是否执行预警动作,无人机根据温度预警装置的动作情况进行报警。
公开号为CN103730864A的专利公开了无人机电力线路巡检的协同控制方法,在无人机电力线路巡检的电力线外侧转弯和电力线内侧转弯两个重要阶段,实行了自动数据采集任务执行的协同控制。
上述两种巡检方案中均缺少巡检前预计划的过程,无人机本体在巡检过程中易于出现存储图像的存储空间不足的情况,导致巡检过程的流畅性降低,造成了电力线路通道巡检***的巡检效率降低的缺陷。
发明内容
本发明的目的在于,针对上述无人机巡检***存在的不足,提出一种基于视频结构化的电力线路通道巡检***和方法。
本发明采用如下技术方案:
一种基于视频结构化的电力线路通道巡检***,包括视频结构化等级预选终端、无人机本体、无人机控制终端、视频结构化处理终端和巡检信息接收终端;所述视频结构化等级预选终端用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;所述视频结构化处理终端和视频结构化等级预选终端均安装于所述无人机本体;所述无人机控制终端用于控制无人机本体对巡检区域进行巡检工作;所述视频结构化处理终端用于根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;所述巡检信息接收终端用于接收视频结构化信息;
所述视频结构化等级预选终端包括视频结构化评分计算模块和视频结构化等级确定模块;所述视频结构化评分计算模块用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化评分;所述视频结构化等级确定模块用于根据视频结构化评分确定视频结构化等级;
所述视频结构化处理终端包括视频结构化等级校对模块和视频结构化处理模块;所述视频结构化等级校对模块用于对待处理巡检视频的视频结构化等级进行校对;所述视频结构化处理模块用于根据校对后的视频结构化等级对巡检视频进行视频结构化处理,生成对应的视频结构化信息。
可选的,所述视频结构化评分计算模块包括信息筛选子模块和视频结构化评分计算子模块;所述信息筛选子模块用于对电力线路信息和电力设备信息进行筛选;所述视频结构化评分计算子模块用于根据被筛选后的电力线路信息和电力设备信息计算视频结构化评分;
当所述信息筛选子模块工作时,满足以下式子:
;
;
其中,表示对应电力线路筛选指数;/>表示对应电力线路的使用年数;/>表示对应电力线路的电缆直径;/>和/>分别表示电力线路使用年数权重系数和电缆直径权重系数,均由工程师根据经验设定;/>表示对应电力设备筛选指数;/>表示对应电力设备的使用年数;表示对应电力设备的维修次数;/>和/>分别表示电力设备维修次数权重系数和电力设备使用年数权重系数,均由工程师根据经验设定;
所述信息筛选子模块将电力线路信息中的电力线路的对应信息进行筛除;所述信息筛选子模块将电力设备信息中/>的电力设备的对应信息进行筛除;/>和分别表示电力线路基准指数和电力设备基准指数,均由工程师根据经验设定;
所述视频结构化评分计算子模块计算时,满足以下式子:
;
其中,表示视频结构化评分;/>表示被筛选后的电力设备信息中电力设备总数;表示被筛选后的电力设备信息中电力设备维修次数最大值;/>表示被筛选后的电力设备信息中第/>个电力设备的使用年数;/>表示从被筛选后电力设备信息中全部电力设备中取使用年数最大值;/>表示被筛选后的电力线路信息中第/>个电力线路的使用年数;/>表示电力线路参考使用年数,由工程师根据经验设定;/>表示被筛选后的电力线路信息中电力线路总数;/>表示电力线路数量参考值,由工程师根据经验设定;/>表示被筛选后的电力线路信息中第/>条电缆的电缆直径;/>表示参考电缆直径,由工程师根据经验设定;/>和/>分别表示第一权重系数和第二权重系数,均由工程师根据经验设定。
可选的,所述视频结构化等级确定模块工作时,满足以下式子:
;
;
其中,表示视频结构化等级;/>表示基于电力线路总数和电力设备总数的基准等级选择函数;/>表示对/>的结果取整。
可选的,所述视频结构化等级校对模块包括等级校对灵敏度计算子模块和视频结构化等级校对子模块;所述等级校对灵敏度计算子模块用于根据巡检任务时长和巡检无人机数量生成等级校对灵敏度;所述视频结构化等级校对子模块用于根据等级校对灵敏度对视频结构化等级进行校对;
当所述等级校对灵敏度计算子模块计算时,满足以下式子:
;
其中,表示等级校对灵敏度;/>表示巡检任务时长;/>表示执行巡检任务的无人机参考数量;/>表示执行巡检任务的无人机实际数量;/>和/>分别表示不同的灵敏度转化系数,均由工程师根据经验设定;
当所述视频结构化等级校对子模块对视频结构化等级进行校对时,满足以下式子:
;
;
;
;
其中,表示校对后的视频结构化等级;/>表示基于等级校对灵敏度的校对值选择函数;/>表示基于巡检当天降雨小时数和巡检前全部无人机的平均存储空间剩余比值的符号选择函数;/>表示等级校对基准级数,由工程师根据经验设定;/>和/>表示不同的选择阈值,均由工程师根据经验设定;/>表示天气预报中巡检当天降雨小时数;/>表示巡检前全部无人机的平均存储空间剩余比值;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的剩余存储容量;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的总存储容量;/>表示巡检前全部无人机总数。
可选的,所述视频结构化处理模块包括特征提取类型选取子模块和视频结构化处理子模块;所述特征提取类型选取子模块用于根据校对后的视频结构化等级从特征提取类型数据库中选取对应数量的特征提取类型;所述特征提取类型是指视频结构化过程中对视频进行特征提取时的提取类型。
一种基于视频结构化的电力线路通道巡检方法,应用于如上述的一种基于视频结构化的电力线路通道巡检***,所述电力线路通道巡检方法包括:
S1,根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;
S2,控制无人机本体对巡检区域进行巡检工作;
S3,根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;
S4,接收巡检视频和视频结构化信息。
本发明所取得的有益效果是:
1、包括视频结构化等级预选终端、无人机本体、无人机控制终端、视频结构化处理终端和巡检信息接收终端的设置有利于在巡检开始前计算视频结构化等级,以便于无人机本体上的视频结构化处理终端对巡检视频进行视频结构化处理,及时和准确地节省了存储空间,提高了无人机巡检的流畅性,从而提高了基于视频结构化的电力线路通道巡检***的巡检效率;
2、视频结构化评分计算模块和视频结构化等级确定模块的设置有利于提高视频结构化等级的计算效率,从而提高了基于视频结构化的电力线路通道巡检***的巡检效率;
3、视频结构化等级校对模块和视频结构化处理模块的设置有利于进一步提高视频结构化等级的准确性,有利于更准确地节省存储空间,同时提高被视频结构化后的巡检视频的准确性,减少了重复巡检的情况出现,从而提高了基于视频结构化的电力线路通道巡检***的巡检效率;
4、信息筛选子模块和视频结构化评分计算子模块的设置配合电力线路筛选指数算法、视频结构化评分算法,有利于提高电力线路筛选指数的计算效率和准确性,提高视频结构化评分的计算效率和准确性,进而进一步提高视频结构化等级的准确度和计算效率,从而提高基于视频结构化的电力线路通道巡检***的巡检效率;
5、等级校对灵敏度计算子模块和视频结构化等级校对子模块的设置配合等级校对灵敏度计算算法、视频结构化等级校对算法,有利于更进一步提高视频结构化等级的准确性;
6、特征提取类型选取子模块和视频结构化处理子模块的设置有利于加快视频结构化处理的效率,从而提高了基于视频结构化的电力线路通道巡检***的巡检效率;
7、电池容量指数计算模块和电池容量选择模块的设置配合电池容量指数算法,有利于提高无人机本体巡检过程的稳定性,减少巡检过程中无人机本体的电池电量不足,从而提高了基于视频结构化的电力线路通道巡检***的巡检效率。
为使能更进一步了解本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,然而所提供的附图仅用于提供参考与说明,并非用来对本发明加以限制。
附图说明
图1为本发明的整体结构示意图;
图2为本发明中视频结构化评分计算模块的结构示意图;
图3为本发明中一种基于视频结构化的电力线路通道巡检方法的方法流程示意图;
图4为本发明另一实施例中电力线路通道巡检***的整体结构示意图;
图5为本发明中电池容量选择终端的结构示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸描绘,事先声明。以下实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一:本实施例提供了一种基于视频结构化的电力线路通道巡检***。结合图1所示,一种基于视频结构化的电力线路通道巡检***,包括视频结构化等级预选终端、无人机本体、无人机控制终端、视频结构化处理终端和巡检信息接收终端;所述视频结构化等级预选终端用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;所述视频结构化处理终端和视频结构化等级预选终端均安装于所述无人机本体;所述无人机控制终端用于控制无人机本体对巡检区域进行巡检工作;所述视频结构化处理终端用于根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;所述巡检信息接收终端用于接收视频结构化信息;
所述视频结构化等级预选终端包括视频结构化评分计算模块和视频结构化等级确定模块;所述视频结构化评分计算模块用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化评分;所述视频结构化等级确定模块用于根据视频结构化评分确定视频结构化等级;
所述视频结构化处理终端包括视频结构化等级校对模块和视频结构化处理模块;所述视频结构化等级校对模块用于对待处理巡检视频的视频结构化等级进行校对;所述视频结构化处理模块用于根据校对后的视频结构化等级对巡检视频进行视频结构化处理,生成对应的视频结构化信息。
可选的,结合图2所示,所述视频结构化评分计算模块包括信息筛选子模块和视频结构化评分计算子模块;所述信息筛选子模块用于对电力线路信息和电力设备信息进行筛选;所述视频结构化评分计算子模块用于根据被筛选后的电力线路信息和电力设备信息计算视频结构化评分;
当所述信息筛选子模块工作时,满足以下式子:
;
;
其中,表示对应电力线路筛选指数;/>表示对应电力线路的使用年数;/>表示对应电力线路的电缆直径;/>和/>分别表示电力线路使用年数权重系数和电缆直径权重系数,均由工程师根据经验设定;/>表示对应电力设备筛选指数;/>表示对应电力设备的使用年数;表示对应电力设备的维修次数;/>和/>分别表示电力设备维修次数权重系数和电力设备使用年数权重系数,均由工程师根据经验设定;
所述信息筛选子模块将电力线路信息中的电力线路的对应信息进行筛除;所述信息筛选子模块将电力设备信息中/>的电力设备的对应信息进行筛除;/>和分别表示电力线路基准指数和电力设备基准指数,均由工程师根据经验设定;
所述视频结构化评分计算子模块计算时,满足以下式子:
;
其中,表示视频结构化评分;/>表示被筛选后的电力设备信息中电力设备总数;表示被筛选后的电力设备信息中电力设备维修次数最大值;/>表示被筛选后的电力设备信息中第/>个电力设备的使用年数;/>表示从被筛选后电力设备信息中全部电力设备中取使用年数最大值;/>表示被筛选后的电力线路信息中第/>个电力线路的使用年数;/>表示电力线路参考使用年数,由工程师根据经验设定;/>表示被筛选后的电力线路信息中电力线路总数;/>表示电力线路数量参考值,由工程师根据经验设定;/>表示被筛选后的电力线路信息中第/>条电缆的电缆直径;/>表示参考电缆直径,由工程师根据经验设定;/>和/>分别表示第一权重系数和第二权重系数,均由工程师根据经验设定。
可选的,所述视频结构化等级确定模块工作时,满足以下式子:
;
;
其中,表示视频结构化等级;/>表示基于电力线路总数和电力设备总数的基准等级选择函数;/>表示对/>的结果取整。
可选的,所述视频结构化等级校对模块包括等级校对灵敏度计算子模块和视频结构化等级校对子模块;所述等级校对灵敏度计算子模块用于根据巡检任务时长和巡检无人机数量生成等级校对灵敏度;所述视频结构化等级校对子模块用于根据等级校对灵敏度对视频结构化等级进行校对;
当所述等级校对灵敏度计算子模块计算时,满足以下式子:
;
其中,表示等级校对灵敏度;/>表示巡检任务时长;/>表示执行巡检任务的无人机参考数量;/>表示执行巡检任务的无人机实际数量;/>和/>分别表示不同的灵敏度转化系数,均由工程师根据经验设定;
当所述视频结构化等级校对子模块对视频结构化等级进行校对时,满足以下式子:
;
;
;
;
其中,表示校对后的视频结构化等级;/>表示基于等级校对灵敏度的校对值选择函数;/>表示基于巡检当天降雨小时数和巡检前全部无人机的平均存储空间剩余比值的符号选择函数;/>表示等级校对基准级数,由工程师根据经验设定;/>和/>表示不同的选择阈值,均由工程师根据经验设定;/>表示天气预报中巡检当天降雨小时数;/>表示巡检前全部无人机的平均存储空间剩余比值;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的剩余存储容量;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的总存储容量;/>表示巡检前全部无人机总数。
可选的,所述视频结构化处理模块包括特征提取类型选取子模块和视频结构化处理子模块;所述特征提取类型选取子模块用于根据校对后的视频结构化等级从特征提取类型数据库中选取对应数量的特征提取类型;所述特征提取类型是指视频结构化过程中对视频进行特征提取时的提取类型。一般地,特征提取类型可以包括但不限于:人物、车辆、物品、颜色、数字等。需要注意的是,视频结构化过程中对视频提取的特征越多,生成的视频结构化信息容量越大。
一种基于视频结构化的电力线路通道巡检方法,应用于如上述的一种基于视频结构化的电力线路通道巡检***,结合图3所示,所述电力线路通道巡检方法包括:
S1,根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;
S2,控制无人机本体对巡检区域进行巡检工作;
S3,根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;
S4,接收巡检视频和视频结构化信息。
实施例二:本实施例包含了实施例一的全部内容,提供了一种基于视频结构化的电力线路通道巡检***,所述无人机本体的电池设置为外置电池;结合图4所示,所述电力线路通道巡检***还包括电池容量选择终端;所述电池容量选择终端用于根据校对后的视频结构化等级和巡检任务时长生成电池容量选择信息。
结合图5所示,所述电池容量选择终端包括电池容量指数计算模块和电池容量选择模块;所述电池容量指数计算模块用于根据视频结构化等级和巡检任务时长计算对应的电池容量指数;所述电池容量选择模块用于根据电池容量指数生成对应的电池容量选择信息。
当所述电池容量指数计算模块计算时,满足以下式子:
;
其中,表示电池容量指数;/>表示对/>的结果取整数。
当所述电池容量选择模块工作时,满足以下式子:
;
其中,表示电池容量选择信息;/>、/>和/>分别表示不同的电池容量,均由工程师根据经验设定;/>和/>分别表示不同的电池容量选择阈值,均由工程师根据经验设定;工程师根据电池容量选择信息为无人机本体安装对应容量的外置电池。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素是可以更新的。
Claims (4)
1.一种基于视频结构化的电力线路通道巡检***,其特征在于,包括视频结构化等级预选终端、无人机本体、无人机控制终端、视频结构化处理终端和巡检信息接收终端;所述视频结构化等级预选终端用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;所述视频结构化处理终端和视频结构化等级预选终端均安装于所述无人机本体;所述无人机控制终端用于控制无人机本体对巡检区域进行巡检工作;所述视频结构化处理终端用于根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;所述巡检信息接收终端用于接收视频结构化信息;
所述视频结构化等级预选终端包括视频结构化评分计算模块和视频结构化等级确定模块;所述视频结构化评分计算模块用于根据巡检区域中的电力线路信息和电力设备信息计算视频结构化评分;所述视频结构化等级确定模块用于根据视频结构化评分确定视频结构化等级;
所述视频结构化处理终端包括视频结构化等级校对模块和视频结构化处理模块;所述视频结构化等级校对模块用于对待处理巡检视频的视频结构化等级进行校对;所述视频结构化处理模块用于根据校对后的视频结构化等级对巡检视频进行视频结构化处理,生成对应的视频结构化信息;
所述视频结构化评分计算模块包括信息筛选子模块和视频结构化评分计算子模块;所述信息筛选子模块用于对电力线路信息和电力设备信息进行筛选;所述视频结构化评分计算子模块用于根据被筛选后的电力线路信息和电力设备信息计算视频结构化评分;
当所述信息筛选子模块工作时,满足以下式子:
;
;
其中,表示对应电力线路筛选指数;/>表示对应电力线路的使用年数;/>表示对应电力线路的电缆直径;/>和/>分别表示电力线路使用年数权重系数和电缆直径权重系数;/>表示对应电力设备筛选指数;/>表示对应电力设备的使用年数;/>表示对应电力设备的维修次数;/>和/>分别表示电力设备维修次数权重系数和电力设备使用年数权重系数;
所述信息筛选子模块将电力线路信息中的电力线路的对应信息进行筛除;所述信息筛选子模块将电力设备信息中/>的电力设备的对应信息进行筛除;/>和/>分别表示电力线路基准指数和电力设备基准指数;
所述视频结构化评分计算子模块计算时,满足以下式子:
;
其中,表示视频结构化评分;/>表示被筛选后的电力设备信息中电力设备总数;/>表示被筛选后的电力设备信息中电力设备维修次数最大值;/>表示被筛选后的电力设备信息中第/>个电力设备的使用年数;/>表示从被筛选后电力设备信息中全部电力设备中取使用年数最大值;/>表示被筛选后的电力线路信息中第/>个电力线路的使用年数;/>表示电力线路参考使用年数;/>表示被筛选后的电力线路信息中电力线路总数;/>表示电力线路数量参考值;/>表示被筛选后的电力线路信息中第/>条电缆的电缆直径;/>表示参考电缆直径;/>和/>分别表示第一权重系数和第二权重系数;
所述视频结构化等级确定模块工作时,满足以下式子:
;
;
其中,表示视频结构化等级;/>表示基于电力线路总数和电力设备总数的基准等级选择函数;/>表示对/>的结果取整。
2.如权利要求1所述的一种基于视频结构化的电力线路通道巡检***,其特征在于,所述视频结构化等级校对模块包括等级校对灵敏度计算子模块和视频结构化等级校对子模块;所述等级校对灵敏度计算子模块用于根据巡检任务时长和巡检无人机数量生成等级校对灵敏度;所述视频结构化等级校对子模块用于根据等级校对灵敏度对视频结构化等级进行校对;
当所述等级校对灵敏度计算子模块计算时,满足以下式子:
;
其中,表示等级校对灵敏度;/>表示巡检任务时长;/>表示执行巡检任务的无人机参考数量;/>表示执行巡检任务的无人机实际数量;/>和/>分别表示不同的灵敏度转化系数;
当所述视频结构化等级校对子模块对视频结构化等级进行校对时,满足以下式子:
;
;
;
;
其中,表示校对后的视频结构化等级;/>表示基于等级校对灵敏度的校对值选择函数;/>表示基于巡检当天降雨小时数和巡检前全部无人机的平均存储空间剩余比值的符号选择函数;/>表示等级校对基准级数;/>和/>表示不同的选择阈值;/>表示天气预报中巡检当天降雨小时数;/>表示巡检前全部无人机的平均存储空间剩余比值;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的剩余存储容量;/>表示巡检前全部无人机中第/>架无人机本体的视频存储空间的总存储容量;/>表示巡检前全部无人机总数。
3.如权利要求2所述的一种基于视频结构化的电力线路通道巡检***,其特征在于,所述视频结构化处理模块包括特征提取类型选取子模块和视频结构化处理子模块;所述特征提取类型选取子模块用于根据校对后的视频结构化等级从特征提取类型数据库中选取对应数量的特征提取类型。
4.一种基于视频结构化的电力线路通道巡检方法,应用于如权利要求3所述的一种基于视频结构化的电力线路通道巡检***,其特征在于,所述电力线路通道巡检方法包括:
S1,根据巡检区域中的电力线路信息和电力设备信息计算视频结构化等级;
S2,控制无人机本体对巡检区域进行巡检工作;
S3,根据视频结构化等级对来自无人机本体的巡检视频进行视频结构化处理,生成对应的视频结构化信息;
S4,接收巡检视频和视频结构化信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974401.6A CN116704387B (zh) | 2023-08-04 | 2023-08-04 | 一种基于视频结构化的电力线路通道巡检***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310974401.6A CN116704387B (zh) | 2023-08-04 | 2023-08-04 | 一种基于视频结构化的电力线路通道巡检***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116704387A CN116704387A (zh) | 2023-09-05 |
CN116704387B true CN116704387B (zh) | 2023-10-13 |
Family
ID=87839611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310974401.6A Active CN116704387B (zh) | 2023-08-04 | 2023-08-04 | 一种基于视频结构化的电力线路通道巡检***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704387B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935251B (zh) * | 2023-09-18 | 2023-12-22 | 众芯汉创(江苏)科技有限公司 | 一种基于无人机的配网单线图自动校核分析方法及*** |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6965400B1 (en) * | 1997-02-07 | 2005-11-15 | Canon Kabushiki Kaisha | Video input apparatus and image pickup system including the apparatus |
CN101827266A (zh) * | 2010-04-01 | 2010-09-08 | 公安部第三研究所 | 一种具有视频结构化描述功能的网络视频服务器及利用其实现视频分析描述的方法 |
CN103730864A (zh) * | 2013-12-31 | 2014-04-16 | 广东电网公司电力科学研究院 | 无人机电力线路巡检的协同控制方法 |
US9563201B1 (en) * | 2014-10-31 | 2017-02-07 | State Farm Mutual Automobile Insurance Company | Feedback to facilitate control of unmanned aerial vehicles (UAVs) |
CN106547814A (zh) * | 2016-09-23 | 2017-03-29 | 广西电网有限责任公司电力科学研究院 | 一种输电线路无人机巡检图像的结构化自动归档方法 |
CN108055529A (zh) * | 2017-12-25 | 2018-05-18 | 国家电网公司 | 电力无人机和机器人图像数据规范化人工智能分析*** |
CN108334844A (zh) * | 2018-02-06 | 2018-07-27 | 贵州电网有限责任公司 | 一种输电线路巡检的沿线自动跟踪方法 |
CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及*** |
CN111126838A (zh) * | 2019-12-23 | 2020-05-08 | 广东电网有限责任公司 | 一种智慧工程管理*** |
CN111710055A (zh) * | 2020-06-11 | 2020-09-25 | 新疆爱华盈通信息技术有限公司 | 便携式电力巡检设备及电力巡检方法、电力巡检*** |
WO2020215753A1 (zh) * | 2019-04-24 | 2020-10-29 | 广州煜煊信息科技有限公司 | 一种用于电力***的无人机巡检方法及*** |
CN112235598A (zh) * | 2020-09-27 | 2021-01-15 | 深圳云天励飞技术股份有限公司 | 一种视频结构化处理方法、装置及终端设备 |
CN112801330A (zh) * | 2019-12-10 | 2021-05-14 | 国网信息通信产业集团有限公司 | 基于事故树分析法的供电所生产作业管理指标预警方法 |
CN113177861A (zh) * | 2021-04-29 | 2021-07-27 | 广东电网有限责任公司 | 无人机和电力线路巡检方法 |
CN115272888A (zh) * | 2022-07-22 | 2022-11-01 | 三峡大学 | 一种基于数字孪生的5g+无人机输电线路巡检方法及*** |
CN115775145A (zh) * | 2022-12-09 | 2023-03-10 | 广东电网有限责任公司东莞供电局 | 一种电力设备状态检修智能辅助决策的方法 |
CN115825088A (zh) * | 2022-12-26 | 2023-03-21 | 众芯汉创(北京)科技有限公司 | 一种基于无人机双光变电站故障检测方法 |
CN115840468A (zh) * | 2022-12-30 | 2023-03-24 | 众芯汉创(北京)科技有限公司 | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 |
CN115864223A (zh) * | 2023-02-16 | 2023-03-28 | 众芯汉创(江苏)科技有限公司 | 一种基于无人机巡视技术的电网全专业差异化运维方法 |
CN115984087A (zh) * | 2022-12-29 | 2023-04-18 | 众芯汉创(北京)科技有限公司 | 一种无人机的海量点云数据快速处理分析方法和*** |
CN116013016A (zh) * | 2022-12-29 | 2023-04-25 | 国网北京市电力公司 | 火灾监测方法、***及装置 |
CN116048117A (zh) * | 2022-12-31 | 2023-05-02 | 众芯汉创(北京)科技有限公司 | 一种应用于无人机的智能化实时监控*** |
CN116360491A (zh) * | 2023-03-31 | 2023-06-30 | 国网江苏省电力有限公司泰州供电分公司 | 一种多旋翼无人机输电与光缆融合巡检***及方法 |
CN116455463A (zh) * | 2023-05-05 | 2023-07-18 | 众芯汉创(北京)科技有限公司 | 一种基于无人机的通信光缆差异化运维*** |
CN116527119A (zh) * | 2023-06-29 | 2023-08-01 | 众芯汉创(北京)科技有限公司 | 一种基于机载端图像视频智能分析理解组件化***及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004019224A2 (en) * | 2002-08-26 | 2004-03-04 | Koninklijke Philips Electronics N.V. | Unit for and method of detection a content property in a sequence of video images |
JP5362843B2 (ja) * | 2010-03-05 | 2013-12-11 | パナソニック株式会社 | 映像システム |
US8788436B2 (en) * | 2011-07-27 | 2014-07-22 | Microsoft Corporation | Utilization of features extracted from structured documents to improve search relevance |
-
2023
- 2023-08-04 CN CN202310974401.6A patent/CN116704387B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6965400B1 (en) * | 1997-02-07 | 2005-11-15 | Canon Kabushiki Kaisha | Video input apparatus and image pickup system including the apparatus |
CN101827266A (zh) * | 2010-04-01 | 2010-09-08 | 公安部第三研究所 | 一种具有视频结构化描述功能的网络视频服务器及利用其实现视频分析描述的方法 |
CN103730864A (zh) * | 2013-12-31 | 2014-04-16 | 广东电网公司电力科学研究院 | 无人机电力线路巡检的协同控制方法 |
US9563201B1 (en) * | 2014-10-31 | 2017-02-07 | State Farm Mutual Automobile Insurance Company | Feedback to facilitate control of unmanned aerial vehicles (UAVs) |
CN106547814A (zh) * | 2016-09-23 | 2017-03-29 | 广西电网有限责任公司电力科学研究院 | 一种输电线路无人机巡检图像的结构化自动归档方法 |
CN108055529A (zh) * | 2017-12-25 | 2018-05-18 | 国家电网公司 | 电力无人机和机器人图像数据规范化人工智能分析*** |
CN108334844A (zh) * | 2018-02-06 | 2018-07-27 | 贵州电网有限责任公司 | 一种输电线路巡检的沿线自动跟踪方法 |
WO2020215753A1 (zh) * | 2019-04-24 | 2020-10-29 | 广州煜煊信息科技有限公司 | 一种用于电力***的无人机巡检方法及*** |
CN110703800A (zh) * | 2019-10-29 | 2020-01-17 | 国网江苏省电力有限公司泰州供电分公司 | 基于无人机的电力设施智能识别方法及*** |
CN112801330A (zh) * | 2019-12-10 | 2021-05-14 | 国网信息通信产业集团有限公司 | 基于事故树分析法的供电所生产作业管理指标预警方法 |
CN111126838A (zh) * | 2019-12-23 | 2020-05-08 | 广东电网有限责任公司 | 一种智慧工程管理*** |
CN111710055A (zh) * | 2020-06-11 | 2020-09-25 | 新疆爱华盈通信息技术有限公司 | 便携式电力巡检设备及电力巡检方法、电力巡检*** |
CN112235598A (zh) * | 2020-09-27 | 2021-01-15 | 深圳云天励飞技术股份有限公司 | 一种视频结构化处理方法、装置及终端设备 |
CN113177861A (zh) * | 2021-04-29 | 2021-07-27 | 广东电网有限责任公司 | 无人机和电力线路巡检方法 |
CN115272888A (zh) * | 2022-07-22 | 2022-11-01 | 三峡大学 | 一种基于数字孪生的5g+无人机输电线路巡检方法及*** |
CN115775145A (zh) * | 2022-12-09 | 2023-03-10 | 广东电网有限责任公司东莞供电局 | 一种电力设备状态检修智能辅助决策的方法 |
CN115825088A (zh) * | 2022-12-26 | 2023-03-21 | 众芯汉创(北京)科技有限公司 | 一种基于无人机双光变电站故障检测方法 |
CN115984087A (zh) * | 2022-12-29 | 2023-04-18 | 众芯汉创(北京)科技有限公司 | 一种无人机的海量点云数据快速处理分析方法和*** |
CN116013016A (zh) * | 2022-12-29 | 2023-04-25 | 国网北京市电力公司 | 火灾监测方法、***及装置 |
CN115840468A (zh) * | 2022-12-30 | 2023-03-24 | 众芯汉创(北京)科技有限公司 | 一种应用于复杂电磁环境下的配电网无人机自主巡线方法 |
CN116048117A (zh) * | 2022-12-31 | 2023-05-02 | 众芯汉创(北京)科技有限公司 | 一种应用于无人机的智能化实时监控*** |
CN115864223A (zh) * | 2023-02-16 | 2023-03-28 | 众芯汉创(江苏)科技有限公司 | 一种基于无人机巡视技术的电网全专业差异化运维方法 |
CN116360491A (zh) * | 2023-03-31 | 2023-06-30 | 国网江苏省电力有限公司泰州供电分公司 | 一种多旋翼无人机输电与光缆融合巡检***及方法 |
CN116455463A (zh) * | 2023-05-05 | 2023-07-18 | 众芯汉创(北京)科技有限公司 | 一种基于无人机的通信光缆差异化运维*** |
CN116527119A (zh) * | 2023-06-29 | 2023-08-01 | 众芯汉创(北京)科技有限公司 | 一种基于机载端图像视频智能分析理解组件化***及方法 |
Non-Patent Citations (3)
Title |
---|
Real‑time implementation of moving object detection in UAV videos using GPUs;Deepak Jaiswal等;《Journal of Real-Time Image Processing》(第17期);第1301-1317页 * |
无人机高精度定位和视觉自动跟踪融合技术;陈玉权等;《组合机床与自动化加工技术》(第9期);第103-106页 * |
架空输电线路 "空天地" 山火多维监测技术方案;李鸿达等;《农业电气化》(第10期);第10-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116704387A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
CN109935080B (zh) | 一种交通线路上的车流量实时计算的监测***及方法 | |
CN116704387B (zh) | 一种基于视频结构化的电力线路通道巡检***和方法 | |
CN110245555B (zh) | 一种基于图像识别的电力***端子箱凝露判定方法和*** | |
CN108596883B (zh) | 一种基于深度学习和距离约束的航拍图像防震锤滑移故障诊断方法 | |
CN110544231A (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
CN112070135A (zh) | 电力设备图像检测方法、装置、电力设备及存储介质 | |
CN113378890A (zh) | 一种基于改进YOLO v4的轻量级行人车辆检测方法 | |
CN110929646A (zh) | 一种基于无人机航拍图像的配电杆塔倒断信息快速识别方法 | |
CN115170550A (zh) | 一种基于深度学习的电池缺陷检测方法及*** | |
CN110599459A (zh) | 基于深度学习的地下管网风险评估云*** | |
CN112711981A (zh) | 一种高精度输电线路缺陷识别方法 | |
CN116700357B (zh) | 一种架空输电线路无人机编队智能巡检方法 | |
CN113065484A (zh) | 一种基于紫外图谱的绝缘子污秽状态评估方法 | |
CN111652846B (zh) | 一种基于特征金字塔卷积神经网络的半导体缺陷识别方法 | |
CN112950576A (zh) | 基于深度学习的输电线路缺陷智能识别方法及*** | |
CN114972258A (zh) | 基于机器视觉的电池表面缺陷检测方法、***及相关设备 | |
CN115239646A (zh) | 输电线路的缺陷检测方法、装置、电子设备及存储介质 | |
CN117541585B (zh) | 一种锂电池极片露箔缺陷检测方法及装置 | |
CN111241905A (zh) | 基于改进ssd算法的输电线路鸟窝检测方法 | |
CN112750113B (zh) | 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置 | |
CN112132088B (zh) | 一种巡检点位漏巡识别方法 | |
CN112802011A (zh) | 一种基于vgg-bls的风机叶片缺陷检测方法 | |
CN112465747A (zh) | 一种输电杆塔金具锈蚀的智能识别方法 | |
CN116994161A (zh) | 一种基于改进YOLOv5的绝缘子缺陷检测方法 |
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 |