基于深度学习的无人机光伏板故障识别方法和系统

    公开(公告)号:CN118469932A

    公开(公告)日:2024-08-09

    申请号:CN202410552959.X

    申请日:2024-05-07

    Abstract: 本发明提供了基于深度学习的无人机光伏板故障识别方法和系统,包括使用无人机搭载摄像头对待检测光伏板进行全面扫描与拍摄,对拍摄的图片样本进行数据增强处理得到待检测图片;构建光伏板缺陷智能识别模型,并利用样本库中的样本数据对光伏板缺陷智能识别模型进行训练;将待检测图片传输至地面站,利用训练后的光伏板缺陷智能识别模型进行缺陷检测得到故障位置与类型研判结果。相对于现有技术而言,本发明采用故障自动检测的方式,克服了人工检测效率低、成本高,以及普通智能运维初期投入传感器与摄像机台数多,且检测精度不高的问题,对光伏板航拍缺陷检测的平均精度达94.7%以上,具有良好的应用前景。

    基于多目标路径规划算法的无人机光伏电板巡检方法和系统

    公开(公告)号:CN118583165A

    公开(公告)日:2024-09-03

    申请号:CN202410552817.3

    申请日:2024-05-07

    Abstract: 本发明提供了基于多目标路径规划算法的无人机光伏电板巡检方法和系统,该方法包括根据无人机的光伏实拍图构建光伏电板区域的平面栅格地图;获取建筑物高度信息,融合全覆盖路径规划算法和多目标优化算法进行飞行路径规划,评估不同路径的飞行耗电量;计算无人机飞行最优路径,通过搭载的摄像头或传感器,对光伏电板进行拍摄,并将采集到的数据信息进行实时传输和分析。相对于现有技术而言,本发明的技术方案通过集成无人机技术、图像处理技术以及多目标路径规划算法,克服了传统无人机巡检系统构建地图精度不高,规划路径效率低,耗电量较大等问题,实现高精度地图构建、高效率的路径规划及高准确性的故障检测。

Patent Agency Ranking