[发明专利]一种基于边缘计算的无人机巡检跟踪配网线飞行方法

说明书

本发明公开了一种基于边缘计算的无人机巡检跟踪配网线飞行方法，该方法包括以下步骤：S1、利用终端节点采集配电网图像数据并进行分析计算；S2、采用预设方法将终端节点的计算任务适应性的分配至边缘云；S3、根据预设方案判断终端节点是否丢失配电网目标；S4、通过预制方法将终端节点和边缘云的计算结果进行融合并分析配网情况。有益效果：通过利用任务分割模块将计算任务合理卸载至边缘云并利用信息融合模块对计算结果进行分析融合，从而减轻端节点的计算压力和功耗；另外，通过添加运动检测模块可以进一步降低终端节点的计算压力和功耗，并延长无人机作业时间，从而提高了无人机巡检配网线的效率，保障配网线安全输送电能。

技术领域

本发明涉及边缘计算、无人机巡检配网线领域，具体来说，涉及一种基于边缘计算的无人机巡检跟踪配网线飞行方法。

背景技术

电力能源是一个国家经济发展的支柱，决定经济发展速度和居民生活质量，随着我国经济发展进入新常态，对电能依赖性逐渐增大。据国家统计局统计数据显示，2014年以来，我国电力生产行业总发电量呈现稳步增长趋势。2019年，我国总发电量为75034.3亿千瓦时，同比增长4.7％。由于我国能源分布不均，集中分布在西部和北部地区，然而电力消费集中在东部和中部地区，因此我国远距离跨区送电量持续增长，大容量、远距离输电是我国电网发展的必然趋势，这对我国电网安全输电提出挑战。

配网设备如绝缘子、塔杆本体、避雷设施和导线等，在安全地向终端用户配电方面起着至关重要的作用。这些设备常年承受恶劣天气，较高的机械张力和极高的电压功率，存在输电安全隐患，需要及时维修或更换，若不及时处理，将导致严重的安全事故，威胁输电线路安全及其稳定运行。传统的人工定期巡检费时、费力又危险，无法满足我国电力行业的发展速度。如今，无人机巡检配电网设备，拍摄电力线、塔杆和绝缘子的高分辨率图片或视频，然后分析潜在缺陷，具有不受地形限制，巡检速度快，效率高的特点，已成为电力设备巡检主流。

目前无人机巡检主要用于采集配电网设备视觉数据，然后将数据拷贝下来，进行离线分析图像。深度学习算法通过图像分类、物体检测、语义分割和实例分割等技术处理和提取有用数据。如利用基于卷积神经网络的深度学习算法来处理从无人机采集的航空图像。无人机巡检配电网途中实时处理大量计算机视觉数据、规划无人机飞行路径、分析设备故障，需要消耗过多能量，但其机载能量的能力有限，因此无人机网络环境下边缘采集数据的实时处理仍然是一个挑战。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于边缘计算的无人机巡检跟踪配网线飞行方法，具备降低无人机计算压力与功耗并延长无人机作业时间的优点，进而解决现有无人机作业时间较短的问题。

(二)技术方案

为实现上述降低无人机计算压力与功耗并延长无人机作业时间的优点，本发明采用的具体技术方案如下：

一种基于边缘计算的无人机巡检跟踪配网线飞行方法，该方法包括以下步骤：

S1、利用终端节点采集配电网图像数据并进行分析计算；

S2、采用预设方法将终端节点的计算任务适应性的分配至边缘云；

S3、根据预设方案判断终端节点是否丢失配电网目标；

S4、通过预制方法将终端节点和边缘云的计算结果进行融合并分析配网情况。

进一步的，所述边缘云为边缘计算平台，其设有目标跟踪模块、信息融合模块、信息管理模块和通信模块。

进一步的，所述终端节点为接入边缘计算平台的无人机，每个终端节点均设有目标跟踪模块、计算任务分割模块、信息融合模块和运动检测模块。