一种配网机巡作业管理系统及管理方法与流程

本发明涉及配电网技术领域，具体涉及一种配网机巡作业管理系统及管理方法。

背景技术：

目前，生产系统派发机巡作业任务单后，作业人员根据工单情况，到达任务指定的线路杆塔周围，通过手动控制无人机进行拍照，例如授权公告号为cn210199580u的专利记载的一种配电网巡检无人机，机巡任务完成后，所拍摄的照片存储于无人机的内存卡中，作业人员通过pc机把图片从无人机内存卡导出，并根据拍摄的时间及现场记录信息，对图片所属杆塔手动归类，然后进行工人缺陷判断，最后把缺陷记录及图像，手动上传到生产系统生产缺陷记录信息。

现有的无人机巡检管理各子系统没有与生产系统的业务打通，生产系统建机巡工单，无法在无人机巡移动应用端查看操作；无人机作业完成后的数据，无法自动回传到后台；巡视拍照所保存的图片，无法自动归类及智能识别；缺陷记录及图片，无法自动回流到生产系统。

原始的无人机遥控巡检的方法存在诸多问题，操控功能单一，无法实现到位自动关联杆塔，作业效率低下，无法满足实际使用中的多样化定制化功能需求，不利于提高电力智能化运营的能力。

技术实现要素：

为了解决现有的无人机遥控巡检方法所存在的操控功能单一，自动化程度不高以及作业效率低下的问题，本发明提供了一种配网机巡作业管理系统及管理方法，通过建设无人机巡检作业管理系统，将作业管理系统与生产系统业务打通，形成一个闭环的整体业务系统，提高了巡检的自动化程度，提高了巡检的工作效率。

为解决上述技术问题，本发明提供以下技术方案：

一种配网机巡作业管理系统，包括生产系统以及无人机巡作业管理系统，所述生产系统与所述无人机巡作业管理系统连接；所述无人机巡作业管理系统包括无人机巡视移动端、图片自动归类工具、图像缺陷智能化识别工具以及机巡综合管理模块；所述无人机巡视移动端与所述图片自动归类工具连接，所述图片自动归类工具与所述图像缺陷智能化识别工具连接，所述图像缺陷智能化识别工具与所述机巡综合管理模块连接，所述生产系统分别与所述无人机巡视移动端以及所述机巡综合管理模块连接。

一种基于上述的配网机巡作业管理系统的配网机巡作业管理方法，包括以下步骤：

s1：生产系统派发工单；

s2：收到工单后，无人机巡视移动端执行巡视任务，拍摄杆塔图片并进行存储；

s3：图片自动归类工具将拍摄到的杆塔图片进行归类并进行存储；

s4：图像缺陷智能化识别工具对归类后的杆塔图片进行图像缺陷识别并输出结果；

s5：机巡综合管理模块将杆塔图片的信息传输回生产系统。

进一步的，在步骤s2中，无人机巡视移动端执行巡视任务的具体步骤为：

s201：利用gps及网络rtk定位技术，通过无人机遥控器控制无人机飞行到作业现场并获取实际杆塔坐标；

s202：根据现场获取的坐标信息与数据库台账的杆塔坐标进行比对，在5m范围内的坐标进行杆塔的自动选择，实现到位提醒并自动选择杆塔的功能；

s203：无人机巡视拍照后，将杆塔图片与对应的杆塔进行自动关联；

s204：巡视任务的线路以及杆塔拍照完成后，通过应用端的任务提交，把拍摄的图片信息上传到后台，实现任务、线路、杆塔以及图片名称信息的自动关联存储，以供后续环节使用，拍摄更加安全可靠，信息更加准确。

进一步的，在步骤s202中，杆塔的自动选择功能实现的过程为：无人机巡视移动端在作业前将线路的台账信息，包括杆塔坐标下载下来备用，无人机搭载gps定位装置，获取自身的地理位置信息，无人机巡视移动端连接无人机遥控器，将无人机的坐标通过遥控器无线链路获取下来，无人机巡视移动端将无人机当前位置坐标与数据库里的杆塔坐标进行对比，两个坐标之间相差小于5米即认为无人机已经到达该杆塔的作业范围，系统则自动选择该杆塔，自动化程度更高。

进一步的，在步骤s203中，自动关联实现的过程为：上一步无人机巡视移动端已经获取了无人机在哪个杆塔的范围内进行作业，在该杆塔范围内作业过程中拍摄的图片，系统则将该图片标记为属于该杆塔，以此实现图片与杆塔的自动关联，自动化程度更高。

进一步的，在步骤s3中，具体的步骤为：

s301：把无人机巡视拍摄的原始图片，导入到图片自动归类工具，图片自动归类工具根据后台记录的图片信息，对图片进行所属任务、线路、杆塔归类并按既定命名规范进行自动命名排序；

s302：把自动归类好的图片，上传到后台的图片存储服务器中，以供后续环节使用，通过图片自动归类工具，巡视拍照的图片，实现了导入后自动归类及上传处理的功能，免除了机巡人员人工把图片归类到所属线路杆塔的繁琐耗时工作，减轻巡检班组的劳动强度，同时确保了图片归类的准确以及上传的自动化。

进一步的，在步骤s4中，图像缺陷识别的具体步骤为：

s401：图像缺陷智能化识别工具获取图片并进行缩放预处理，归一化为固定像素的图片；

s402：图像通过卷积层提取特征图；

s403：该特征图被共享用于rpn网络和全连接层，随后用rpn网络生成区域建议，通过softmax分类器判断候选区域属于前景还是背景；

s404：池化层收集输入的特征图和区域建议，综合这些信息后对区域建议提取特征图，然后送入全连接层判定目标类别；

s405：利用区域建议特征图计算区域建议的类别，同时再次使用边界框回归和非极大值抑制获得检测框的精确位置，最终输出结果，图像缺陷智能化识别工具通过卷积神经网络及深度学习智能识别算法，实现了常规种类的图像缺陷智能识别，免除了大部分常规图像缺陷的人工判断，图片在进行智能识别的过程中无需人工干预，机巡人员完全可以同时执行其他的工作任务，等智能识别完成后，再做最后的识别确认即可，节省了工作时间，减轻了劳动强度，提高了图像识别的准确率。

进一步的，对于坐标不准确的杆塔，通过纠编功能，实现杆塔坐标的现场采集并更新到台账，根据不同的杆塔类型，自动弹出作业指导图，指引作业人员进行无人机拍照，自动化程度高。

进一步的，机巡综合管理模块对无人机及电池进行二维码生成标记管理，巡检人员通过二维码扫描实现无人机和电池设备的出入库管理，管理更加方便。

进一步的，无人机巡作业管理系统的机巡作业指挥中心通过直播推流技术，将现场作业的实时飞行环境状况通过视频回传，机巡管理人员进行远程实时监控，能够更加清楚地掌控到现场作业情况，实现现场作业的远程指挥调度。

与现有技术相比，本发明具有以下有益效果：

通过建设无人机巡检作业管理系统，并将此作业管理系统与生产系统业务打通，形成一个闭环的整体业务系统，使得生产系统建的机巡工单，能够自动同步到无人机巡作业管理系统的无人机巡移动端中，机巡人员通过无人机巡移动端即可查看到所需执行的任务，并通过控制无人机完成巡视任务，无人机巡视作业完成后，通过无人机巡移动端提交作业任务，巡视过程中拍摄的图片数据信息可以自动回传到无人机巡作业管理系统后台，同时将任务状态信息回传到生产系统，业务系统链条的打通，提高了机巡班组人员的工作效率，提升了机巡作业信息化水平，促进了配网精益化管理的提升。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据附图获得其他的附图。

图1为本发明的一种配网机巡作业管理系统的结构示意图；

图2为本发明的一种配网机巡作业管理方法的步骤s2的数据处理分析示意图；

图3为本发明的一种配网机巡作业管理方法的步骤s3的数据处理分析示意图；

图4为本发明的一种配网机巡作业管理方法的步骤s4的数据处理分析示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例包括：

如图1所示，一种配网机巡作业管理系统，包括生产系统以及无人机巡作业管理系统，生产系统与无人机巡作业管理系统连接；无人机巡作业管理系统包括无人机巡视移动端、图片自动归类工具、图像缺陷智能化识别工具以及机巡综合管理模块；无人机巡视移动端与图片自动归类工具连接，图片自动归类工具与图像缺陷智能化识别工具连接，图像缺陷智能化识别工具与机巡综合管理模块连接，生产系统分别与无人机巡视移动端以及机巡综合管理模块连接。

一种基于上述的配网机巡作业管理系统的配网机巡作业管理方法，包括以下步骤：

s1：生产系统派发工单；

s2：收到工单后，无人机巡视移动端执行巡视任务，拍摄杆塔图片并进行存储；

s3：图片自动归类工具将拍摄到的杆塔图片进行归类并进行存储；

s4：图像缺陷智能化识别工具对归类后的杆塔图片进行图像缺陷识别并输出结果；

s5：机巡综合管理模块将杆塔图片的信息传输回生产系统。

在本实施例中，在步骤s2中，无人机巡视移动端执行巡视任务的具体步骤为：

s201：利用gps及网络rtk定位技术，通过无人机遥控器控制无人机飞行到作业现场并获取实际杆塔坐标；

s202：根据现场获取的坐标信息与数据库台账的杆塔坐标进行比对，在5m范围内的坐标进行杆塔的自动选择，实现到位提醒并自动选择杆塔的功能；

s203：无人机巡视拍照后，将杆塔图片与对应的杆塔进行自动关联；

s204：巡视任务的线路以及杆塔拍照完成后，通过应用端的任务提交，把拍摄的图片信息上传到后台，实现任务、线路、杆塔以及图片名称信息的自动关联存储，以供后续环节使用，拍摄更加安全可靠，信息更加准确。

在本实施例中，在步骤s202中，杆塔的自动选择功能实现的过程为：无人机巡视移动端在作业前将线路的台账信息，包括杆塔坐标下载下来备用，无人机搭载gps定位装置，获取自身的地理位置信息，无人机巡视移动端连接无人机遥控器，将无人机的坐标通过遥控器无线链路获取下来，无人机巡视移动端将无人机当前位置坐标与数据库里的杆塔坐标进行对比，两个坐标之间相差小于5米即认为无人机已经到达该杆塔的作业范围，系统则自动选择该杆塔，自动化程度更高，对数据的具体处理分析过程、编解码过程以及控制过程如图2所示。

在本实施例中，在步骤s203中，自动关联实现的过程为：上一步无人机巡视移动端已经获取了无人机在哪个杆塔的范围内进行作业，在该杆塔范围内作业过程中拍摄的图片，系统则将该图片标记为属于该杆塔，以此实现图片与杆塔的自动关联，自动化程度更高。

在本实施例中，在步骤s3中，具体的步骤为：

s301：把无人机巡视拍摄的原始图片，导入到图片自动归类工具，图片自动归类工具根据后台记录的图片信息，对图片进行所属任务、线路、杆塔归类并按既定命名规范进行自动命名排序；

s302：把自动归类好的图片，上传到后台的图片存储服务器中，以供后续环节使用，通过图片自动归类工具，巡视拍照的图片，实现了导入后自动归类及上传处理的功能，免除了机巡人员人工把图片归类到所属线路杆塔的繁琐耗时工作，减轻巡检班组的劳动强度，同时确保了图片归类的准确以及上传的自动化，对数据的具体处理分析过程、编解码过程以及控制过程如图3所示。

如图4所示，在步骤s4中，图像缺陷识别的具体步骤为：

s401：图像缺陷智能化识别工具获取图片并进行缩放预处理，归一化为固定像素的图片；

s402：图像通过卷积层提取特征图；

s403：该特征图被共享用于rpn网络和全连接层，随后用rpn网络生成区域建议，通过softmax分类器判断候选区域属于前景还是背景；

s404：池化层收集输入的特征图和区域建议，综合这些信息后对区域建议提取特征图，然后送入全连接层判定目标类别；

s405：利用区域建议特征图计算区域建议的类别，同时再次使用边界框回归和非极大值抑制获得检测框的精确位置，最终输出结果，图像缺陷智能化识别工具通过卷积神经网络及深度学习智能识别算法，实现了常规种类的图像缺陷智能识别，免除了大部分常规图像缺陷的人工判断，图片在进行智能识别的过程中无需人工干预，机巡人员完全可以同时执行其他的工作任务，等智能识别完成后，再做最后的识别确认即可，节省了工作时间，减轻了劳动强度，提高了图像识别的准确率。

在本实施例中，对于坐标不准确的杆塔，通过纠编功能，实现杆塔坐标的现场采集并更新到台账，根据不同的杆塔类型，自动弹出作业指导图，指引作业人员进行无人机拍照，自动化程度高。

在本实施例中，机巡综合管理模块对无人机及电池进行二维码生成标记管理，巡检人员通过二维码扫描实现无人机和电池设备的出入库管理，管理更加方便。

在本实施例中，无人机巡作业管理系统的机巡作业指挥中心通过直播推流技术，将现场作业的实时飞行环境状况通过视频回传，机巡管理人员进行远程实时监控，能够更加清楚地掌控到现场作业情况，实现现场作业的远程指挥调度。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。