CN119439974A 一种低成本的电力架空线路无人机自主巡检方法及装置 （国网湖南省电力有限公司电力科学研究院）

号一种低成本的电力架空线路无人机自主巡本发明提供一种低成本的电力架空线路无2基于识别的杆塔类型、杆塔的三维坐标信息以及模型库，在三维分析各巡检图像中是否存在通道树患，若巡检图像中存在通基于优化后的无人机拍摄点位和飞行路径以及无须优化的无人机拍摄点位和飞行路i张巡检图像r(i)由RGB颜色通道转化为HSV亮度空间：h,s,v=HSV(T(i))（2Num大于等于设定阈值则认为巡检图像中存在绿植树木，即存在通道树患；若Num小于提取巡检图像中的树木光谱特征G，对树木光谱特征G进行多尺度的树木特征保属于绿植树木的像素点个数N，若N大于等于判定阈值则认为巡检图像r(i)中存在通道树3R=Filter(G,o,A)（95.根据权利要求2_4任意一项所述的低成本的电力架空线路无人机自主巡检方法，其j个存在绿植树木的巡检图像所对应杆塔的无人机拍摄点位和飞行路径，R(r)表示第r个不存在绿将骨干网络和特征融合网络中的Conv卷积层更换为DSCon第i张巡检图像r(i)输入训练好的目标检测模型，则第i张巡检图像的识别结果表示为：T(i)为第i张巡检图像的识别结果，k表示第i张巡检图像r(i)中杆塔的类型，第i张巡检图像r(i)中杆塔的海拔高度信息。9.一种低成本的电力架空线路无人机自主巡检装置4行如权利要求1_8任意一项所述的低成本的电力架空线路无人机自主巡检方法，为无人机的巡检提供最终无人机自主巡检航迹文件f'。5所识别杆塔的参数化三维模型，并获取所识别杆塔类型对应的无人机拍摄点位和飞行路6基于优化后的无人机拍摄点位和飞行路径以及无须优化的无人机拍摄点位和飞i张巡检图像T(i)由RGB颜色通道转化为HSV亮度空间：若Num大于等于设定阈值则认为巡检图像中存在绿植树木，即存在通道树患；若Num小其中，Num为巡检图像T(i)中统计的属于绿植树木像素点的个数，Detree表表示域变换递归滤波；o:A均为在第z组参数条件下的滤波参数；7在绿植树木的巡检图像个数，b表示不存在绿植树木的巡检图像个数，R(j)j个存在绿植树木的巡检图像所对应杆塔的无人机拍摄点位和飞行路径，R(r)表示第r个不存网络中的SPPF层后面新增一个Transformer层，在yolov8模型骨干网络中的SPPF层前面增T(i)为第i张巡检图像的识别结果，k表示第i张巡检图像T(i)中杆塔的表示第i张巡检图像r(i)中杆塔的海拔高度信息。[0015]优选的，对存在通道树患的杆塔所对应的无人机拍摄点人机自主巡检航迹文件f'。8型库根据识别的杆塔类型在模型库中去匹配杆塔模型以及无人机拍摄点位和飞行路径，新增一个Transformer层（即编码器前面增加一个BLRA层（即Bi_leve的yolov8模型通过BLRA层提升模型计算效率和性能，通过Transformer层使得在图像局部区域内进行自注意力计算以及使用窗口式注意力机制，提高了模型对图像数据处理的效9强模型对不同尺度目标的检测能力；Transformer层用于进行自注意力计算以及使用窗口[0029]其中，骨干网络中的第一个6×C2F层与特征融合网络中的第二网络中的Transformer层与特征融合网络中的第一个UP层以及最后一个Concat层连接，特征融合网络中的第一个3×C2F层与特征融合网络中的倒数第二个Conc征F经过3×C2F层处理后输出特征G1和特征G2，特征G1经过UP层处理后输送至Concat层中征L1和特征L2，特征L1通过DSConv卷积层处理后进入Concat层中与特征D2进行拼接处理，送至第二个Detect层确定图像中存在的对象及其位置，特征M输送至第三个Detect层确定人机升高高度拍摄后，杆塔目标将以小目标形式出现因此，通过引入transf在局部区域内进行自注意力计算以及使用窗口式注意力机制，提高了模型对图像数据处理模型的训练和推理效率对提升巡检效率至关重要，本实施例中通过引入BLRA注意力机制模块，利用动态和查询感知的稀疏注意力机制来解决这一问题，使得本实施例的目标检测模型可以很好的胜任电力巡检图像识别这一任务。其中，T(i)为第i张巡检图像的识别结果，k表示第i张巡检图像r(i)中杆塔的类i张巡检图像T(i)中杆塔的经纬度，z表示第i张巡检图像r(i)中杆塔的海拔高度信息。优选的，步骤S4具体为根据所识别杆塔的类型从模型库中获取该杆塔的三维模h,s,v=HSV(T(i))（2v表示明度分量。r(i)中属于绿植树木像素点的个数Num；若Num大于等于设定阈值则认为巡检图像中存在绿植树木，即存在通道树患；若撞机事件，需要将存在绿植树木的巡检图像中杆塔的无人机拍摄点位和飞行路径均提高H件f'由两部分组成：示存在绿植树木的巡检图像个数，b表示不存在绿植树木的巡检图像个数，R(j)表示第j个存在绿植树木的巡检图像所对应杆塔的无人机拍摄点位和飞行路径，R(r)表示第r个无人机自主巡检航迹文件f'。本实施例与实施例1的不同点仅在于分析巡检图像中是否存在通道树患的方式不h,s,v=HSV(T(i))（6r(i)中的树木光谱特征G：Filter表示域变换递归滤波；o:、A均为在第z组参数条件下的滤波参数，:A