[发明专利]一种高精度电网无人机巡检图像缺陷识别方法及系统

权利要求书

1.一种高精度电网无人机巡检图像缺陷识别方法，其特征在于，包括以下步骤：

步骤一、图像获取，巡检无人机基于无人机巡检航线及航点飞行到指定位置后调整航向角、飞行角度和相机拍摄角度获取巡检对象的图像数据，并将图像数据上传；

步骤二、无人机调整，电力巡检缺陷检测系统接收巡检对象的图像数据后，识别图像中有无巡检目标对象，再对巡检无人机及摄像头进行适应性调节，并由摄像头拍摄获取更精准清晰的巡检目标图像；

步骤三、图像处理，通过电力巡检缺陷检测系统对拍摄到的清晰图像进行降噪去噪处理，随后对图像进行特征提取，获取巡检对象特征图；

步骤四、图像比对判断，将处理后的巡检对象特征图与系统的故障缺陷模型进行比对，并判断输出故障缺陷识别结果；

步骤五、分类统计安排检修，待巡检无人机将巡检航线上的所有巡检航点巡检判断完成后将故障结果进行分类统计，随后根据统计结果分析安排故障缺陷检修。

2.根据权利要求1所述的一种高精度电网无人机巡检图像缺陷识别方法，其特征在于：所述步骤二中当识别图像中有巡检目标对象时，电力巡检缺陷检测系统自动修改无人机当前位置、相机的焦距和拍摄角度的参数，并使摄像头对焦在巡检目标对象上获取清晰图像；当识别图像中没有巡检目标对象时，电力巡检缺陷检测系统对当前图像特征进行分析，并与无人机巡检航线的3D模型进行比对，获取巡检目标对象位置后，自动调整巡检无人机位置、相机的焦距和拍摄角度的参数，从而获取清晰地巡检目标对象的图像。

3.根据权利要求1所述的一种高精度电网无人机巡检图像缺陷识别方法，其特征在于：所述步骤三中进行图像处理时先通过卡尔曼滤波法对获取的图像进行降噪处理，随后使用结合BayesShrink阈值和WindowShrink阈值的多阈值去噪方法对降噪后的图像再次进行去噪处理，得到降噪去噪后的图像。

4.根据权利要求1所述的一种高精度电网无人机巡检图像缺陷识别方法，其特征在于：所述步骤三中图像特征提取是基于小波包变换和数学形态的方法来实现的，具体为先对降噪去噪后的图像进行二值图像转换，转换后得到二值图像，然后利用边缘检测器对二值图像进行识别处理，并结合数学形态进行边缘描述，得到边缘图，最后从得到的边缘图提取出巡检对象部分的特征图。

5.根据权利要求1所述的一种高精度电网无人机巡检图像缺陷识别方法，其特征在于：所述步骤四中故障缺陷模型是基于历史获取的缺陷图像建立并训练验证得到的，比对时将步骤三中获取的巡检对象特征图作为输入导入故障缺陷模型中自动识别输出故障缺陷类型并判断故障缺陷等级。

6.根据权利要求1所述的一种高精度电网无人机巡检图像缺陷识别方法，其特征在于：所述步骤五中进行分类统计时按照巡检对象部件类型、缺陷类型和缺陷等级进行分类。

7.一种高精度电网无人机巡检图像缺陷识别系统，其特征在于：包括无人机控制系统和图像识别处理系统，所述无人机控制系统包括无人机控制模块、GPS模块和拍照模块，所述无人机控制模块用于根据巡检航线航点及调节控制指令调节无人机的航向角、飞行角度及无人机动作，所述GPS模块基于北斗卫星实时定位无人机位置，所述拍照模块基于无人机摄像头实现巡检避障识别及巡检对象图片获取；

所述图像识别处理系统包括图像预处理模块、故障缺陷比对模块和故障缺陷分类模块，所述图像预处理模块用于对获取的图像进行降噪及特征提取，所述故障缺陷比对模块基于故障缺陷模型对获取的巡检对象特征图进行比对识别和判断，所述故障缺陷分类模块用于根据识别判断结果对巡检对象的故障缺陷进行分类统计。

8.根据权利要求7所述的一种高精度电网无人机巡检图像缺陷识别系统，其特征在于：所述拍照模块包含摄像头控制子模块，所述摄像头控制子模块用于对摄像头的焦距、拍照角度、对焦动作和拍照摄像动作进行控制；所述故障缺陷比对模块包含有故障图片数据库和提取比对子模块，所述故障图片数据库基于历史获取的部件故障类型图片建立起的数据集同时具备自更新功能，所述提取比多子模块用于从故障图片数据库中提取同类型部件的历史故障图并与待识别的部件故障图进行比对并判断故障类型。