基于深度学习的输电线路巡检无人机图像分类方法

doi:10.3969/j.issn.1008-0198.2024.01.008

湖南电力 ›› 2024, Vol. 44 ›› Issue (1): 53-58.doi: 10.3969/j.issn.1008-0198.2024.01.008

基于深度学习的输电线路巡检无人机图像分类方法

杨洪朝¹, 席燕辉², 项胜², 徐志康²

1.长沙民政职业技术学院软件学院,湖南长沙 410004;
2.长沙理工大学电气与信息工程学院,湖南长沙 410114

收稿日期:2023-09-15 修回日期:2023-10-30 出版日期:2024-02-25 发布日期:2024-03-11
通信作者: 杨洪朝(1977)男,汉族,博士,研究方向为智能控制、工业信息化管理、复杂信息分析与计算。
基金资助:
国家自然科学基金项目(7217010719,72171026);湖南省自然科学基金项目(2022JJ60103);中国高校产学研创新基金—新一代信息技术创新项目(2021ITA10023);湖南省科普专题项目(2022ZK4045)

Image Classification Method Based on Deep Learning for Inspection Unmanned Aerial Vehiclesin Transmission Line

YANG Hongzhao¹, XI Yanhui², XIANG Sheng², XU Zhikang²

1. School of Software, Changsha Social Work College, Changsha 410004, China;
2. School of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410114, China

Received:2023-09-15 Revised:2023-10-30 Online:2024-02-25 Published:2024-03-11

摘要/Abstract

摘要： 由于点云数据的不规则性,对点云数据特征值的分类精度很难达到输电线路巡检要求。为此,提出基于图信号处理的激光雷达点云分类方法。该方法在处理不规则的输电线路图像信号时,可直接从原始点数据中生成特征值,从而提高分类精度。为了验证所提出方法的有效性,采取实物仿真的方式对算法进行验证,结果表明图像中的分类精度可达到90%。

关键词: 输电线路巡查, 点云数据处理, 视觉图像处理, 无人机巡检

Abstract: Due to the irregularity of point cloud data, the classification accuracy of point cloud data feature values is difficult to meet the requirements of transmission line inspection. Therefore,a lidar point cloud classification method based on graph signal processing is proposed. When processing irregular transmission line image signals, the method can directly generate feature values from the original point data, thereby improving classification accuracy. In order to validate the proposed method, the algorithm is validated through physical simulation, and the results show that the classification accuracy in the image could reach 90%.

Key words: transmission line inspection, point cloud data processing, visual image processing, unmaned inspection

中图分类号:

TM755

杨洪朝, 席燕辉, 项胜, 徐志康. 基于深度学习的输电线路巡检无人机图像分类方法[J]. 湖南电力, 2024, 44(1): 53-58.

YANG Hongzhao, XI Yanhui, XIANG Sheng, XU Zhikang. Image Classification Method Based on Deep Learning for Inspection Unmanned Aerial Vehiclesin Transmission Line[J]. Hunan Electric Power, 2024, 44(1): 53-58.

参考文献

[1] 张兰. 电网企业标准数字化发展现状及趋势分析[J]. 湖南电力, 2023, 43(1):95-98,102.
[2] 李慧鹏, 黄道春, 邓永清, 等. 无人机巡检变电设备研究进展与展望[J]. 湖南电力, 2022, 42(6):32-39.
[3] 史殿习, 苏雅倩文, 李宁, 等. 基于行为树调度的多无人机未知室内空间探索方法[J]. 计算机科学, 2022, 49(增刊2): 83-93.
[4] 吴锦秋,刘汉君,杨家开, 等. 可见光影像与激光雷达点云融合技术在配网树障巡检中的应用[J]. 湖南电力, 2020, 40(6):45-48,52.
[5] 王康, 席燕辉, 胡康. 一种新的基于深度置信网络的电能质量扰动分类方法[J]. 电力科学与技术学报, 2023, 38(1):171-177.
[6] 薛安克, 毛克成, 张乐. 多分类器联合虚警可控的海上小目标检测方法[J]. 电子与信息学报, 2023, 45(7):2528-2536.
[7] 谢英辉,彭维捷,苏秀芝, 等. 无人机辅助车联网的无人机部署算法[J]. 宇航计测技术, 2022, 42(3):80-85.
[8] 刘斌, 李港庆, 安澄全, 等. 基于多尺度特征融合的红外单目测距算法[J]. 计算机应用, 2022, 42(3):804-809.
[9] 周静波, 郝坤坤, 吴安波. 基于CNN和DUL的电力设备低质量X射线图像分合闸识别[J]. 工程数学学报, 2023, 40(5):681-698.
[10] 黄同愿, 杨雪姣, 向国徽, 等. 基于单目视觉的小目标行人检测与测距研究[J]. 计算机科学, 2020, 47(11):205-211.
[11] 杨帆,王梦珺,谭天, 等. 基于目标像素宽度识别的电力设备红外成像单目测距改进算法[J]. 电工技术学报, 2023, 38(8):2244-2254.
[12] 陈强, 胡士强, 罗灵鲲, 等. 基于地面站辅助的无人机自主架线系统[J]. 工程设计学报, 2022, 29(5): 634-642.
[13] 丁柏群, 李敬宇. 基于MTCNN算法的单目视觉车距检测方法[J]. 重庆交通大学学报(自然科学版), 2023,42(5):139-144.
[14] 肖振宇, 刘珂, 朱立鹏. 无人机机间毫米波阵列通信技术[J]. 通信学报, 2022, 43(10): 196-209.
[15] 吴晨曦,丁建,王彬,等. 基于滑动图卷积神经网络的输电线路点云分类模型[J]. 电工电能新技术, 2022,41(12):28-34.
[16] 王忠言, 李波, 刘茹艳, 等. 基于Yolo V4算法的无人机单目测距算法[J]. 机械设计与制造工程, 2022, 51(3): 58-62.
[17] 梁振明, 翟正利, 周炜. 基于多尺度动态图卷积网络的3D点云分类[J]. 计算机应用与软件, 2021,38(5):263-267,306.
[18] 王志刚, 赵海良, 王星. 基于图像识别的模糊测距方法[J]. 重庆理工大学学报(自然科学), 2020, 34(01): 58-63.
[19] 杨森,樊仲谋,张文宣. 基于Stacking单目视觉组合参数的树种分类研究[J]. 林业工程学报, 2023,8(3):173-181.
[20] 韩佼志,王红雨,吴昌学,等. 基于YOLOv5的单目视觉无人机检测与定位方法[J]. 飞行力学, 2023, 41(3):61-66,81.
[21] 刘斌,樊云超. 基于改进动态图卷积的点云分类模型[J]. 中国科技论文, 2022, 17(11):1230-1235,1266.
[22] 沈银,席燕辉,陈子璇. 基于多通道卷积双向长短时记忆网络的输电线故障分类[J]. 电力系统保护与控制, 2022,50(3):114-120.
[23] 彭继慎, 孙礼鑫, 王凯, 等. 基于模型压缩的ED-YOLO电力巡检无人机避障目标检测算法[J]. 仪器仪表学报, 2021, 42(10): 161-170.
[24] 缪希仁, 林志成, 江灏, 等. 基于深度卷积神经网络的输电线路防鸟刺部件识别与故障检测[J]. 电网技术, 2021, 45(1): 126-133.
[25] 刘志颖,缪希仁,陈静, 等. 电力架空线路巡检可见光图像智能处理研究综述[J]. 电网技术, 2020, 44(3): 1057-1069.

基于深度学习的输电线路巡检无人机图像分类方法

Image Classification Method Based on Deep Learning for Inspection Unmanned Aerial Vehiclesin Transmission Line

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价