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

doi:10.3969/j.issn.1008-0198.2024.01.008

Abstract

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

CLC Number:

TM755

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.

References

[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.