一种电网防鸟器多维度巡检方法
文献发布时间:2024-04-18 19:52:40
技术领域
本申请涉及电网领域,尤其是涉及一种电网防鸟器多维度巡检方法。
背景技术
在现代社会中,电力供应是不可或缺的基础设施之一,而电网设施的正常运行对于维持社会稳定和经济发展至关重要。然而,电网设施经常面临鸟类引发的问题,尤其是鸟类在电网设施上筑巢,这些问题可能导致设备损坏、电力中断以及安全风险。
通常电网部门通过在电网设施上设置防鸟器来驱赶鸟类,防止其在电网设施上筑巢,然而,电网设施一般分布在偏远、不易接近的地区,因此,对安装于电网设施上的防鸟器的巡检和维护成为一项具有挑战性的任务。
传统的巡检方法主要依赖于人工巡视,这种方式不仅耗费大量时间和人力,而且存在一定的安全风险。此外,人员在巡检过程中可能无法覆盖所有电网设施,导致潜在问题未被及时发现和解决。
虽然近年来基于图像的巡检技术得到了发展,但对于电网防鸟器的巡检而言,仍存在一些挑战。电网设施通常位于高空或复杂环境中,因此图像采集难度大,而且单单通过图像处理分析无法确切判断防鸟器是否能够正常工作以及是否需要进行维修或保养。
发明内容
为了能够方便地确定被安装于电网设备的防鸟器的工作状态是否存在异常情况,本申请提供了一种电网防鸟器多维度巡检方法。
本申请的电网防鸟器多维度巡检方法采用如下的技术方案:
一种电网防鸟器多维度巡检方法,包括以下步骤:
A1,控制预设的检测无人机进入预设的被检防鸟器的监测区域;
A2,于监测区域内通过所述检测无人机的摄像模块获取被检防鸟器的外观图像信息;
A3,根据外观图像信息以预设的防鸟器识别算法确定被检防鸟器的设备类型信息;
A4,根据设备类型信息于预设的设备数据库中获取被检防鸟器的设备参数信息;
A5,根据设备参数信息于预设的巡检策略数据库中调取预设的巡检策略;
A6,以巡检策略控制所述检测无人机于监测区域内移动;
A7,通过所述检测无人机的摄像模块获取所述被检防鸟器的响应动作图像信息;
A8,根据响应动作图像信息以预设的防鸟器分析算法确定所述被检防鸟器的异常情况。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以通过所述检测无人机对所述被检防鸟器进行图像识别并判断根据图像信息分析所述被检防鸟器的工作状态,可以在不借助人力的情况下方便地确定被检防鸟器的工作状态是否存在异常情况。
可选的,所述的电网防鸟器多维度巡检方法进一步包括以下步骤:
B1,根据外观图像信息于响应动作图像信息中确定所述被检防鸟器的安装位置信息;
B2,根据安装位置信息控制所述检测无人机接近所述被检防鸟器并保持预设的检测距离;
B3,通过所述检测无人机的摄像模块识别所述被检防鸟器的反光元件并获取反光元件的反光动作图像信息;
B4,通过所述检测无人机的光线检测模块获取亮度波动数据;
B5,根据反光动作图像信息和亮度波动数据以预设的反光有效度算法计算反光有效度。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以对所述被检防鸟器的反光元件的反光性能进行较准确的检测。
可选的,所述电网防鸟器多维度巡检方法进一步包括以下步骤:
C1,根据设备参数信息确定所述被检防鸟器的通讯模块的防鸟器通讯协议;
C2,于检测距离处通过所述检测无人机的通讯模块以防鸟器通讯协议尝试与所述被检防鸟器的通讯模块建立通讯连接;
C3,判断所述检测无人机与所述被检防鸟器是否成功建立通讯连接;
C4,若判断结果为是,则通过所述被检防鸟器的通讯模块于预设的强度检测时间内获取连接信号强度信息,并根据连接信号强度信息以预设的信号稳定度算法计算被检防鸟器的信号稳定度;
C5,若判断结果为否,则将预设的信号稳定度缺省值定义为信号稳定度。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以判断所述被检防鸟器的通讯模块能否正常工作,并可对所述被检防鸟器的通讯模块的通讯性能进行检测。
可选的,所述电网防鸟器多维度巡检方法进一步包括以下步骤:
D1,根据安装位置信息控制所述检测无人机以预设的悬停高度悬停于所述被检防鸟器的正上方;
D2,通过所述检测无人机的拍摄模块获取所述被检防鸟器的驱鸟叶轮的叶轮图像信息;
D3,根据悬停高度和叶轮图像信息以预设的叶轮尺寸估算算法确定叶轮尺寸系数;
D4,通过所述检测无人机驱动所述被检防鸟器的驱鸟叶轮转动;
D5,通过所述被检防鸟器的通讯模块获取驱鸟叶轮的叶轮转速数据;
D6,根据叶轮尺寸系数和叶轮转速数据以预设的叶轮效率算法计算叶轮效率。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以通过悬停所述检测无人机的方式来快速检测所述被检防鸟器的驱鸟叶轮的工作状态。
可选的,所述电网防鸟器多维度巡检方法进一步包括以下步骤:
E1,根据安装位置信息以预设的环绕策略控制所述检测无人机环绕所述被检防鸟器移动;
E2,根据安装位置信息通过所述检测无人机的定位模块获取相对位置信息,同时通过所述检测无人机的光线检测模块获取与相对位置信息对应的亮度数据信息,其中,相对位置信息包括多个相对位置数据,亮度数据信息包括多个亮度数据,相对位置数据和亮度数据一一对应;
E3,根据预设的亮度阈值对亮度数据信息进行筛选,将大于亮度阈值的亮度数据定义为有效亮度数据,并将与有效亮度数据对应的相对位置数据定义为有效位置数据;
E4,根据安装位置信息和所有的有效位置数据以预设的有效反光角度算法确定有效反光角度。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以对所述被检防鸟器的反光元件的有效反光角度进行测量,以确定所述被检防鸟器的反光元件的作用范围。
可选的,所述电网防鸟器多维度巡检方法进一步包括以下步骤:
F1,获取当前时刻,并通过所述检测无人机的通讯模块向所述被检防鸟器发送预设的飞鸟虚拟位置信息并定义当前时刻为指令时刻;
F2,通过所述检测无人机的摄像模块获取所述被检防鸟器的反光元件的反响应图像信息;
F3,根据响应图像信息以预设的运动识别算法确定反光元件的响应时刻;
F4,根据指令时刻和响应时刻差值计算确定响应延时;
F5,控制所述检测无人机移动至飞鸟虚拟位置信息对应的位置,并通过所述检测无人机的光线检测模块获取响应亮度值;
F6,于亮度数据信息中获取数值最大的亮度数据并定义为最佳亮度值;
F7,根据响应延时、响应亮度值和最佳亮度值以预设的响应准确度算法计算响应准确度。。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以通过向所述被检防鸟器发生虚拟的飞鸟位置来检测反光元件的响应效率。
可选的,所述电网防鸟器巡检方进一步包括以下步骤:
G1,以预设的测绘环绕算法控制所述检测无人机环绕用于安装所述被检防鸟器的电网塔杆,并通过所述检测无人机的摄像模块获取塔杆图像信息;
G2,根据塔杆图像信息以预设的建模算法生成塔杆模型数据;
G3,于预设的塔杆模型数据库中以预设的塔杆匹配算法匹配塔杆模型数据以确定塔杆类型信息;
G4,根据塔杆类型信息于预设的塔杆鸟害历史数据库中获取同类塔杆鸟害位置数据;
G5,根据各同类塔杆鸟害位置数据以预设的分布密度算法确定鸟害高频区域信息;
G6,根据鸟害高频区域信息以及安装位置信息以预设的安装有效度算法计算所述被检防鸟器的安装有效度。。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以确定所述被检防鸟器安装于塔杆上的位置的有效程度。
可选的,所述电网防鸟器多维度巡检方法的防鸟器识别算法包括以下步骤:
H1,根据外观图像信息以预设的元件识别算法确定元件类型信息;
H2,根据元件类型信息于设备数据库中匹配确定匹配设备信息;
H3,根据匹配设备信息于设备数据库中获取对应的匹配设备图像信息;
H4,根据外观图像信息和匹配设备图形信息以预设的差异度算法计算设备图像差异度;
H5,判断设备图像差异度是否小于预设的差异度阈值;
H6,若返回结果为是,则定义匹配设备信息为设备类型信息。
通过采用上述技术方案,所述电网防鸟器巡检方可以通过所述被检防鸟器的外观图像信息确定所述被检防鸟器的设备类型信息。
可选的,所述电网防鸟器多维度巡检方法进一步包括以下步骤:
J1,根据反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度以预设的设备健康值算法计算所述被检防鸟器的设备健康值;
其中,设备健康值算法为:
H=a*L+b*S+c*F+d*A+e*R+f*P,
其中,H为设备健康值,a为预设的反光有效度调节系数,L为反光有效度,b为预设的信号稳定度调节系数,S为信号稳定度,c为预设的叶轮效率调节系数,F为叶轮效率,d为预设的有效反光角度调节系数,A为有效反光角度,e为预设的响应准确度调节系数,R为响应准确度,f为预设的安装有效度调节系数,P为安装有效度;
J2,判断设备健康值是否小于预设的健康值阈值;
J3,若返回结果为是,则根据反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度以预设的分析算法生成设备维修报告。
通过采用上述技术方案,所述电网防鸟器多维度巡检方法可以综合地量化判断所述被检防鸟器的各元件的工作状态及性能,供工作人员参考以做出处置。
综上所述,本申请包括以下至少一种有益技术效果:
1.可以在不借助人力的情况下对防鸟器进行检测并确定被检防鸟器的工作状态是否存在异常情况;
2.可以对防鸟器的各种元件单独进行检测并判断是否存在异常;
3.可以综合地量化判断所述被检防鸟器的各元件的工作状态及性能。
附图说明
图1是本申请一种电网防鸟器多维度巡检方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图1及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例公开一种电网防鸟器多维度巡检方法,用于通过无人机对被安装于电网设备的防鸟器进行多方面的检查,并确定防鸟器的工作效率,以判断防鸟器是否进行需要维修或保养。
如图1所示,所述电网防鸟器多维度巡检方法包括以下步骤:
A1,控制预设的检测无人机进入预设的被检防鸟器的监测区域;
检测无人机为工作人员选定的用于检测防鸟器的受控无人机;
被检防鸟器为工人人员或控制后台选定的被选定进检查的防鸟器;
监测区域为被检防鸟器周围的一定的区域,可通过以被检防鸟器为中心人为设定一个区域,或是根据被检防鸟器的参数性能估算出一定的监测区域。
A2,于监测区域内通过所述检测无人机的摄像模块获取被检防鸟器的外观图像信息;
外观图像信息是被检防鸟器的外观的图像信息,可通过检测无人机的摄像模块从多个角度拍摄获取;
现有存在各种类型的防鸟器,有些是被动式的防鸟器,随着风能或太阳能持续工作;有些是智能式的防鸟器,这些智能式的防鸟器可根据自身的感应模块识别靠近的飞鸟,并做出响应控制自身的驱鸟工作模块工作以驱赶飞鸟;
对于不同的防鸟器,则需要预先进行类型判断,才能够根据防鸟器的类型确定其工作的工作模块,并进行针对性的检测。
A3,根据外观图像信息以预设的防鸟器识别算法确定被检防鸟器的设备类型信息;
防鸟器识别算法为工作人员设定的图像识别算法,可通过被检防鸟器的外观图像信息进行特征识别,并于数据库中匹配确定被检防鸟器的类型;可以通过预设的识别模型对防鸟器的图像样本进行训练,并提取对应的识别特征,以通过识别特征完成对防鸟气的识别。
设备类型信息为被检防鸟器的类型的信息。
A4,根据设备类型信息于预设的设备数据库中获取被检防鸟器的设备参数信息;
设备数据库为工作人员预设设定的各种已使用的防鸟器的数据库;
设备参数信息为各种防鸟器的参数数据,包括形态、尺寸、颜色及工作模块等信息。可以通过大数据的方式建立防鸟器的数据库,同时通过形态、尺寸、颜色等等信息实现对防鸟器的识别,提高安全性和可靠性。
A5,根据设备参数信息于预设的巡检策略数据库中调取预设的巡检策略;
巡检策略数据为工作人员设定的预先储存有各种巡检策略的数据库,供调用以控制所述检测无人机;
巡检策略为工作人员设定的所述检测无人机的检测方式,根据不同类型的防鸟器或防鸟器的不同的工作模块,可以预先设定不同的检测方式,使所述检测无人机在获得所述被检防鸟器的设备参数信息后,具有针对性地进行检测。
A6,以巡检策略控制所述检测无人机于监测区域内移动;
通过巡测策略控制所述检测无人机进行移动,使所述检测无人机能够从多个角度对所述被检防鸟器进行检测。
A7,通过所述检测无人机的摄像模块获取所述被检防鸟器的响应动作图像信息;
响应动作图形信息为被检防鸟器做出的动作的图像信息,可用于判断被检防鸟器是否正常工作,响应动作图像信息可以是连续的视频图像信息,也可以是具有一定时间间隔的连续照片图像信息,也可以是其他任何具备可用于分析识别的内容的图像信息。
A8,根据响应动作图像信息以预设的防鸟器分析算法确定所述被检防鸟器的异常情况;
防鸟器分析算法为工作人员设定的分析算法,用于根据响应动作图像信息识别并判断防鸟器是否能够正常工作,以及工作状态,如通过识别响应动作图像中的所述被检防鸟器的各种。
通过以上步骤,所述电网防鸟器多维度巡检方法可以通过所述检测无人机对所述被检防鸟器进行图像识别并判断根据图像信息分析所述被检防鸟器的工作状态,可以在不借助人力的情况下方便地确定被检防鸟器的工作状态是否存在异常情况。
进一步地,所述的电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的反光元件的反光性能:
B1,根据外观图像信息于响应动作图像信息中确定所述被检防鸟器的安装位置信息;
安装位置信息为所述被检防鸟器被安装定位的位置信息;
根据外观图像信息并通过响应动作图像信息以现有的视觉SLAM算法可对被检防鸟器的位置进行定位以确定所述被检防鸟器的安装位置信息。
B2,根据安装位置信息控制所述检测无人机接近所述被检防鸟器并保持预设的检测距离;
检测距离为工作人员设定或控制后台选定的距离,用于使所述检测无人机与被检防鸟器保持适当的距离,可以提高检测的稳定性和准确度。
B3,通过所述检测无人机的摄像模块识别所述被检防鸟器的反光元件并获取反光元件的反光动作图像信息;
反光元件为被设置于防鸟器,用于通过反射阳光来驱赶飞鸟,现有存在被动式的反光元件,用于持续地进行反光;也有主动式的反光元件,可根据飞鸟的位置进行准确反光驱赶,以提高防鸟效果;反光元件一般以反射阳光进行驱赶飞鸟;
反光动作图像信息为摄像模块获取的反光元件的工作时的动作的图像信息,可用作判断反光元件是否处于工作状态。
B4,通过所述检测无人机的光线检测模块获取亮度波动数据;
光线检测模块用于检测反光元件的光照亮度,通过光线检测模块可以实时检测得到反光元件的反射光的亮度数据;
亮度波动数据为光线检测模块在一定时间内持续获取的反光元件的反光亮度。
B5,根据反光动作图像信息和亮度波动数据以预设的反光有效度算法计算反光有效度;
反光有效度算法为工作人员设定的用于计算反光元件的反光有效度的算法;
通过检反光动作图像信息和亮度波动数据进行匹配,可以获取反光元件执行反光动作时光线检测模块所检测到的亮度数据而获得有效的亮度数据,进而可以根据这些有效的亮度数据进行统计计算而确定所述被检防鸟器的反光元件的反光有效度。
通过以上步骤,所述电网防鸟器多维度巡检方法可以对所述被检防鸟器的反光元件的反光性能进行较准确的检测。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的通讯模块:
C1,根据设备参数信息确定所述被检防鸟器的通讯模块的防鸟器通讯协议;
防鸟器通讯协议为所述被检防鸟器的通讯模块用于与其他设备进行通讯的规则,不同类型或信号的通讯模块通常有着不同的通讯协议,如果所述检测无人机不能获得对应的通讯协议,将无法准确地与所述被检防鸟器的通讯模块建立通讯连接;
通过设备参数信息可以直接于数据信息内获得被检防鸟器的防鸟器通讯协议。
C2,于检测距离处通过所述检测无人机的通讯模块以防鸟器通讯协议尝试与所述被检防鸟器的通讯模块建立通讯连接;
在获得防鸟器通讯协议,所述检测无人机可以通过通讯模块和所述被检防鸟器的通讯模块建立通讯连接。
C3,判断所述检测无人机与所述被检防鸟器是否成功建立通讯连接;
通过通讯连接是否成功来确认所述被检防鸟器的通讯模块是否能够正常工作。
C4,若判断结果为是,则通过所述被检防鸟器的通讯模块于预设的强度检测时间内获取连接信号强度信息,并根据连接信号强度信息以预设的信号稳定度算法计算被检防鸟器的信号稳定度;
强度检测时间为工作人员设定的时间长度,供于该时间长度内检测所述被检防鸟器的通讯模块的连接信号强度信息;
连接信号强度信息为所述检测无人机的所述通讯模块和所述被检防鸟器的通讯模块之间的通讯连接的信号强度,通常可以直接从通讯模块获得数据;
信号稳定度算法为工作人员设定的用于根据连接信号强度信息检测所述检测无人机的所述通讯模块和所述被检防鸟器的通讯模块之间的通讯连接的信号稳定的算法,可采用一定的统计学方法对连接信号强度信息进行处理而获得;
信号稳定度为反应所述检测无人机的所述通讯模块和所述被检防鸟器的通讯模块之间的通讯连接的稳定性的数值,可量化地体现通讯连续的稳定性。
C5,若判断结果为否,则将预设的信号稳定度缺省值定义为信号稳定度。
信号稳定度缺省值为工作人员设定的缺省值,用做无法获得建立通讯连接或获得信号强度时使用,通常预设值为0。
通过以上步骤,所述电网防鸟器多维度巡检方法可以判断所述被检防鸟器的通讯模块能否正常工作,并可对所述被检防鸟器的通讯模块的通讯性能进行检测。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的驱鸟叶轮:
D1,根据安装位置信息控制所述检测无人机以预设的悬停高度悬停于所述被检防鸟器的正上方;
悬停高度为工人人员或控制后台设定的所述检测无人机和所述被检防鸟器的相对高度;
通过将所述检测无人机悬停于所述被检防鸟器的正上方,可以将所述检测无人机在悬停时产生的向下的风力驱动驱鸟叶轮以对驱鸟叶轮进行检测;
比如对于相同的检测无人机,其自身重量是不变的,检测无人机悬停时需要的升力也不变,则无人机悬停时向下的风力也几乎相同,则可以根据预设的固定的悬停高度和无人机的自重来估算驱鸟叶轮受到驱动力,进而根据驱鸟叶轮的转速和受到的取得了判断驱鸟叶轮是否能够流畅地工作,以确定驱鸟叶轮是否需要进行维修或保养。
D2,通过所述检测无人机的拍摄模块获取所述被检防鸟器的驱鸟叶轮的叶轮图像信息;
驱鸟叶轮为被设置于防鸟器,用于被动或主动旋转,以达到惊吓鸟类的效果,避免鸟类筑巢;
叶轮图像信息为驱鸟叶轮的图像,可用于分析驱鸟叶轮的形态、尺寸和颜色等信息。
D3,根据悬停高度和叶轮图像信息以预设的叶轮尺寸估算算法确定叶轮尺寸系数;
叶轮尺寸估算算法为工作人员设定的算法,用于根据悬停高度和叶轮图像信息估算驱鸟叶轮的尺寸,并根据叶轮尺寸确定叶轮尺寸系数;
叶轮尺寸系数为通过叶轮尺寸估算算法计算获得,可以量化地体现叶轮的尺寸。
D4,通过所述检测无人机驱动所述被检防鸟器的驱鸟叶轮转动;
通过所述检测无人机在悬停时产生的向下的风力能够驱动驱鸟叶轮以对驱鸟叶轮进行检测。
D5,通过所述被检防鸟器的通讯模块获取驱鸟叶轮的叶轮转速数据;
叶轮转速数据为驱鸟叶轮的转速数据,可通过所述被检防鸟器自带的叶轮转速传感器测量获得,并通过通讯模块发送至所述检测侮无人机。
D6,根据叶轮尺寸系数和叶轮转速数据以预设的叶轮效率算法计算叶轮效率;
叶轮效率算法为工作人员设定的算法,用于基于叶轮尺寸系数和叶轮转速数据计算叶轮效效率;
叶轮效率为反应驱鸟叶轮工作效率的量化数值。
通过以上步骤,所述电网防鸟器多维度巡检方法可以通过悬停所述检测无人机的方式来快速检测所述被检防鸟器的驱鸟叶轮的工作状态。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的反光元件的有效反光角度:
E1,根据安装位置信息以预设的环绕策略控制所述检测无人机环绕所述被检防鸟器移动;
环绕策略是工作人员设定的所述检测无人机环绕所述被检防鸟器的移动方式,如可以设定固定的环绕距离控制所述检测无人机根据安装位置信息环绕所述被检防鸟器移动,以从所述被检防鸟器的各个方向等距地采集反光元件的反光数据,从而可以根据反光数据判断各个方位的反光有效性进而得出反光元件的有效反光角度。
E2,根据安装位置信息通过所述检测无人机的定位模块获取相对位置信息,同时通过所述检测无人机的光线检测模块获取与相对位置信息对应的亮度数据信息,其中,相对位置信息包括多个相对位置数据,亮度数据信息包括多个亮度数据,相对位置数据和亮度数据一一对应;
相对位置信息为所述检测无人机和所述被检防鸟器之间的位置关系信息,反应两者之间的相对位置;
亮度数据信息为所述检测无人机的光线检测模块于不同相对位置测得的亮度数据;
相对位置数据为某一相对位置所述检测无人机和所述被检防鸟器之间的反应位置关系的数据;
亮度数据为某一相对位置所述检测无人机的光线检测模块检测到的反光元件的亮度的数据。
E3,根据预设的亮度阈值对亮度数据信息进行筛选,将大于亮度阈值的亮度数据定义为有效亮度数据,并将与有效亮度数据对应的相对位置数据定义为有效位置数据;
亮度阈值为工作人员设定的亮度的数值,用于排除对于驱鸟作用无效或低效的亮度数据;
有效亮度数据为大于亮度阈值的,具备驱鸟效果的亮度数据;
有效位置数据为有效亮度数据所对应的相对位置数据,能反应所述被检防鸟器的反光元件能达到驱鸟效果的各个方位。
E4,根据安装位置信息和所有的有效位置数据以预设的有效反光角度算法确定有效反光角度。
有效反光角度算法为工作人员设定的算法,可以根据多个有效位置数据可计算出对应的空间方位和角度;
有效反光角度为以所述被检防鸟器为中心的角度信息,可以反应所述被检防鸟器的反光元件能达到驱鸟效果的方向和角度;
比如通过以所述被检防鸟器的安装位置为圆心,可以计算各个反光的有效位置到安装位置的角度,综合所有的角度可以产生一个角度范围,可作为有效反光角度。
通过以上方法,所述电网防鸟器多维度巡检方法可以对所述被检防鸟器的反光元件的有效反光角度进行测量,以确定所述被检防鸟器的反光元件的作用范围。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的反光元件的响应准确度:
F1,获取当前时刻,并通过所述检测无人机的通讯模块向所述被检防鸟器发送预设的飞鸟虚拟位置信息并定义当前时刻为指令时刻;
当前时刻为当前时间所处的时刻,可以通过所述检查无人机的处理系统或时间相关的模块获得;
飞鸟虚拟位置信息为所述检测无人机生成的虚拟的飞鸟的位置信息,用于让所述被检防鸟器能够根据虚拟的信息做出响应动作;
指令时刻为所述检测无人机向所述被检防鸟器发送飞鸟虚拟位置信息的时刻。
F2,通过所述检测无人机的摄像模块获取所述被检防鸟器的反光元件的响应图像信息;
响应图像信息为所述被检防鸟器在接收到飞鸟虚拟位置信息后控制反光元件做出响应的图像信息。
F3,根据响应图像信息以预设的运动识别算法确定反光元件的响应时刻;
运动识别算法为工作人员设定的图像识别算法,可以根据图像内容识别图像中的动作,而得出动作发生的时间;对应的响应时刻的计算,可以通过大量样本对图像识别算法进行训练,以反光元件动作的时刻为依据,记录每个训练样本的反应时刻,并标记环境信息和反应时刻之间的关联,然后通过训练模型完成识别,然后生成对应的运动识别算法,可以根据对应的位置范围计算理论的响应时刻。
响应时刻为反光元件于响应图像信息做出响应动作的时刻。
F4,根据指令时刻和响应时刻差值计算确定响应延时;
响应延时为所述被检防鸟器在接收到飞鸟虚拟位置信息到控制反光元件做出响应动作的时间差,用于量化地体现所述被检防鸟器的反应快慢。
F5,控制所述检测无人机移动至飞鸟虚拟位置信息对应的位置,并通过所述检测无人机的光线检测模块获取响应亮度值;
响应亮度值为所述检测无人机于飞鸟虚拟位置信息对应的位置处所测得所述被检防鸟器的反光元件的亮度值。
F6,于亮度数据信息中获取数值最大的亮度数据并定义为最佳亮度值;
最佳亮度值为亮度数据信息中最大值,可以用于估算所述被检驱鸟器所能达到的最大的亮度值。
F7,根据响应延时、响应亮度值和最佳亮度值以预设的响应准确度算法计算响应准确度;
响应准确度算法为工作人员设定的算法,用于综合计算所述被检防鸟器的反光元件的工作效率;
响应准确度为综合考虑响应延时、响应亮度值和最佳亮度值而计算得出的值,用于量化地体现所述被检防鸟器的反光元件的响应效率。
通过以上步骤,所述电网防鸟器多维度巡检方法可以通过向所述被检防鸟器发生虚拟的飞鸟位置来检测反光元件的响应效率。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于检测所述被检防鸟器的安装有效度:
G1,以预设的测绘环绕算法控制所述检测无人机环绕用于安装所述被检防鸟器的电网塔杆,并通过所述检测无人机的摄像模块获取塔杆图像信息;
测绘环绕算法为工作人员设定控制所述检测无人机对上述被检防鸟器进行环绕的算法;
塔杆图像信息为安装所述被检防鸟器的塔杆的图像。
G2,根据塔杆图像信息以预设的建模算法生成塔杆模型数据;
建模算法为工作人员设定的算法,用于根据塔杆图像信息建立塔杆的立体模型;
塔杆模型数据为安装所述被检防鸟器的塔杆的立体模型数据。
G3,于预设的塔杆模型数据库中以预设的塔杆匹配算法匹配塔杆模型数据以确定塔杆类型信息;
塔杆模型数据库为工作人员预先设定的存有各种不同塔杆的立体模型的数据库,可通过事先测绘或建模获得各种塔杆的模型数据;
塔杆匹配算法为工作人员设定的匹配算法,用于将塔杆模型数据与塔杆模型数据库中的数据,以找到与塔杆图像信息相同或近似的塔杆数据;
塔杆类型信息为安装所述被检防鸟器的塔杆的类型数据,通过于塔杆模型数据库中匹配获得。
G4,根据塔杆类型信息于预设的塔杆鸟害历史数据库中获取同类塔杆鸟害位置数据;
塔杆鸟害历史数据库为工作人员预先设定的存有各种塔杆鸟害闲逛信息的数据库,如鸟害图像信息、鸟害于塔杆上的位置信息等;
同类塔杆鸟害位置数据为与塔杆类型信息相同的塔杆于过去发生过的所有的鸟害信息;
G5,根据各同类塔杆鸟害位置数据以预设的分布密度算法确定鸟害高频区域信息;
分布密度算法为工作人员设定的算法,用于根据计算所有的同类塔杆鸟害位置数据计算鸟害出现的塔杆不同区域的概率;
鸟害高频区域信息为鸟害于塔杆上最容易出现的区域位置信息。
G6,根据鸟害高频区域信息以及安装位置信息以预设的安装有效度算法计算所述被检防鸟器的安装有效度。
安装有效度算法为工作人员设定的算法,用于根据鸟害高频区域信息以及安装位置信息计算所述被检防鸟器的安装有效度;
安装有效度为所述被检防鸟器于塔杆上的安装位置的有效程度的量化数值。
通过以上步骤,所述电网防鸟器多维度巡检方法可以确定所述被检防鸟器安装于塔杆上的位置的有效程度。
进一步地,所述电网防鸟器巡检方的防鸟器识别算法包括以下步骤:
H1,根据外观图像信息以预设的元件识别算法确定元件类型信息;
元件识别算法为工作人员设定的算法,用于通过图像识别算法识别于外观图像信息中识别所述被检防鸟器的各个元件;
元件类型信息为通过元件识别算法识别确定的所述被检防鸟器的各个元件的对应信息;
通过现有的各种防鸟器及其各种元件的图像信息可以通过机器学习或神经网络等AI算法进行训练,可以生成高效且准确度较高的元件识别算法,用于针对性地识别防鸟器的各种元件。
H2,根据元件类型信息于设备数据库中匹配确定匹配设备信息;
匹配设备信息为设备数据库中能够与元件类型信息匹配的防鸟器所对应的设备信息,即包含所有被识别出来的元件的防鸟器的类型或型号。
H3,根据匹配设备信息于设备数据库中获取对应的匹配设备图像信息;
匹配设备图像信息为设备数据库中与匹配设备信息相对应的防鸟器的图像信息。
H4,根据外观图像信息和匹配设备图形信息以预设的差异度算法计算设备图像差异度;
差异度算法为工作人员设定图像算法,用于比对外观图像信息和匹配设备图形信息以确定两者之间的设备图像差异度;
设备图像差异度为外观图像信息和匹配设备图形信息之间差异性的量化数值,设备图像差异度越小,所述被检防鸟器的类型越可能是匹配设备图形信息中对应的型号。
H5,判断设备图像差异度是否小于预设的差异度阈值;
差异度阈值为工作人员设定的标准值,用于判断外观图像信息和匹配设备图形信息之间的设备图像差异度是否符合预期。
H6,若返回结果为是,则定义匹配设备信息为设备类型信息。
外观图像信息和匹配设备图形信息之间的设备图像差异度小于差异度阈值,则可认定所述被检防鸟器的类型与匹配设备图形信息的中防鸟器类型相同,进而确定所述被检防鸟器的设备类型信息。
通过以上步骤,所述电网防鸟器巡检方可以通过所述被检防鸟器的外观图像信息确定所述被检防鸟器的设备类型信息。
进一步地,所述电网防鸟器多维度巡检方法还包括以下步骤用于综合地量化判断所述被检防鸟器的设备健康值:
J1,根据反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度以预设的设备健康值算法计算所述被检防鸟器的设备健康值;
其中,设备健康值算法为:
H=a*L+b*S+c*F+d*A+e*R+f*P,
其中,H为设备健康值,a为预设的反光有效度调节系数,L为反光有效度,b为预设的信号稳定度调节系数,S为信号稳定度,c为预设的叶轮效率调节系数,F为叶轮效率,d为预设的有效反光角度调节系数,A为有效反光角度,e为预设的响应准确度调节系数,R为响应准确度,f为预设的安装有效度调节系数,P为安装有效度;
设备健康值算法为综合考虑所述被检防鸟器的反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度的算法,用于量化地计算所述被检防鸟器的设备健康度;
另外,工作人员可以根据需求或不同情况对反光有效度调节系数、信号稳定度系数、叶轮效率系数、有效反光角度系数、响应准确度系数以及安装有效度系数做出不同的改变和调整,以符合实际情况。
J2,判断设备健康值是否小于预设的健康值阈值;
健康值阈值为工作人员设定的标准值,用以判断所述被检防鸟器是否需要进行维修或保养。
J3,若返回结果为是,则根据反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度以预设的分析算法生成设备维修报告;
如果设备健康值小于健康值阈值,则说明所述被检防鸟器需要进行维修或保养;
分析算法为工作人员设定的算法,用于根据反光有效度、信号稳定度、叶轮效率、有效反光角度、响应准确度以及安装有效度生成设备维修报告;
设备维修报告为反应所述被检防鸟器各方面状态的报告,可供工作人员阅读,并参考报告内容对所述被检防鸟器做出处置。
通过以上步骤,所述电网防鸟器多维度巡检方法可以综合地量化判断所述被检防鸟器的各元件的工作状态及性能,供工作人员参考以做出处置。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。