[发明专利]基于无人机图像识别的起重机缺陷检测系统和工作方法

权利要求书

1.一种基于无人机图像识别的起重机缺陷检测系统，其特征在于，所述检测系统包括无人机本体、无人机主控制器、机载探测装置、通讯链路系统和地面控制台；

所述无人机主控制器用于控制无人机本体的飞行轨迹和飞行姿态；

所述机载探测装置安装在无人机本体上，用于对起重机表面图像进行采集，将采集数据发送至无人机主控制器；所述无人机主控制器还通过通讯链路系统将采集数据发送至地面控制台，由地面控制台内安装的实时分析系统采用图像局部区域约束和反卷积图像算法提高采集图像的分辨率，再采用基于分形阈值法的缺陷识别模型对采集数据进行处理，得到起重机表面缺陷评估结果，实时分析系统根据起重机表面缺陷评估准确率调整缺陷识别模型的分形阈值；

所述实时分析系统还用于结合调整后的图像分辨率和起重机表面缺陷评估结果得到采集图像的视觉评估结果，将视觉评估结果经通讯链路系统发送至无人机主控制器，所述无人机主控制器根据地面控制台返回的视觉评估结果调整无人机本体的飞行方向和机载探测装置的拍摄角度。

2.根据权利要求1所述的基于无人机图像识别的起重机缺陷检测系统，其特征在于，所述缺陷识别结果包括表面缺陷相对于起重机的位置、缺陷类型、缺陷区域在图像中的范围占比和缺陷区域在图像中的位置。

3.根据权利要求1所述的基于无人机图像识别的起重机缺陷检测系统，其特征在于，所述机载探测装置包括用于采集起重机表面结构可见光影像的可见光拍摄装置、用于采集起重机表面结构尺寸数据的激光扫描装置和用于采集起重机表面温差数据的红外光拍摄装置中的几种或者全部。

4.根据权利要求3所述的基于无人机图像识别的起重机缺陷检测系统，其特征在于，所述机载探测装置安装在旋转云台上，通过旋转云台调整拍摄角度，其中，垂直运动方向的俯仰角范围为±90°，水平方向方位运动范围为±150°。

5.一种基于权利要求1所述的基于无人机图像识别的起重机缺陷检测系统的工作方法，其特征在于，所述工作方法包括以下步骤：

S1，获取待检起重机结构形貌，规划无人机飞行轨迹；根据待检起重机位置，对无人机进行定位，驱使无人机沿规划路径飞行；

S2，在无人机飞行过程中，采用机载探测装置对起重机的表面结构数据进行采集，将采集结构发送至地面控制台，由地面控制台内安装的实时分析系统采用图像局部区域约束和反卷积图像算法提高采集图像的分辨率，再采用基于分形阈值法的缺陷识别模型对采集数据进行处理，得到起重机表面缺陷评估结果；

S3，结合调整后的图像分辨率和起重机表面缺陷评估结果得到采集图像的视觉评估结果，将视觉评估结果经通讯链路系统发送至无人机主控制器；

S4，无人机主控制器根据地面控制台返回的视觉评估结果调整无人机本体的飞行方向和机载探测装置的拍摄角度；

S5，实时分析系统根据起重机表面缺陷评估准确率调整缺陷识别模型的分形阈值。

6.根据权利要求5所述的基于无人机图像识别的起重机缺陷检测系统的工作方法，其特征在于，步骤S2中，所述采用基于分形阈值法的缺陷识别模型对采集数据进行处理，得到起重机表面缺陷评估结果的过程包括以下步骤：

S21，生成起重机金属结构图像库，用于存储一定量的标注有缺陷类型和缺陷位置的起重机表面结构图像样本，对起重机表面结构图像样本进行去噪处理；

S22，构建基于多尺度几何分析和支持向量机的缺陷识别模型，所述缺陷识别模型包括图像处理单元和缺陷识别单元；

S23，基于所述图像处理单元，采用分形阈值法对去噪后的图像样本进行阈值分割，对分割后的图像样本进行分解，提取分解后图像样本的特征向量，对特征向量进行降维处理，生成训练样本；

S24，采用训练样本对缺陷识别单元进行训练；

S24，提取拍摄得到的待检起重机的表面结构图像，导入缺陷识别模型，采用分形阈值法对去噪后的表面结构图像进行阈值分割，对分割后的图像进行分解，提取图像特征向量，对特征向量进行降维处理后，对起重机表面缺陷进行实时识别和实时定位。

7.根据权利要求6所述的基于无人机图像识别的起重机缺陷检测系统的工作方法，其特征在于，所述缺陷识别模型包括缺陷准确率评估单元，用于评估预设时间范围内的起重机表面缺陷评估准确率，并将评估得到的起重机表面缺陷评估准确率发送至图像处理单元，以调整图像处理单元的分形阈值。