CN109902712A - 基于无人机巡检的输电线路驱鸟方法 - Google Patents

Abstract

本申请公开了基于无人机巡检的输电线路驱鸟方法，设置麦克风的声音采集频率，利用无人机自身携带的麦克风采集输电线路设定范围内的声音信号；设置摄像头的图像拍摄分辨率，利用无人机自身携带的摄像头采集输电线路设定范围内的图像；将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果；将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果；判断第一与第二分类结果是否一致，如果一致，就判定为输电线路附近有鸟，驱动无人机执行设定飞行动作，对鸟类进行驱赶；如果不一致，则同时返回设置麦克风的声音采集频率步骤和设置摄像头的图像拍摄分辨率步骤。

Description

基于无人机巡检的输电线路驱鸟方法

技术领域

本公开涉及基于无人机巡检的输电线路驱鸟方法。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

据发明人了解，现有技术存在以下技术问题：

现有的输电线路驱鸟方法，仅从驱鸟设备、驱鸟装置的角度来考虑，没有考虑到利用无人机来实现驱鸟，而且，没有解决无人机自身携带电池使用时间有限，如何增大无人机在电池容量不变的前提下，实现利用无人机长时间对输电线路的鸟类检测以及鸟类驱赶，而且现有的仅仅使用图像对鸟类进行识别的方法存在误报的情况，给检测中心的工作人来带来不必要的困扰。

发明内容

为了解决现有技术的不足，本公开提供了一种基于无人机巡检的输电线路驱鸟方法，其具有检测结果准确，节省无人机单程使用能量，提高无人机单程使用时间。

本公开提供了基于无人机巡检的输电线路驱鸟方法；

基于无人机巡检的输电线路驱鸟方法，包括：

设置麦克风的声音采集频率，利用无人机自身携带的麦克风采集输电线路设定范围内的声音信号；

设置摄像头的图像拍摄分辨率，利用无人机自身携带的摄像头采集输电线路设定范围内的图像；

将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果；

将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果；

判断第一与第二分类结果是否一致，如果一致，就判定为输电线路附近有鸟，驱动无人机执行设定飞行动作，对鸟类进行驱赶；如果不一致，则同时返回设置麦克风的声音采集频率步骤和设置摄像头的图像拍摄分辨率步骤。

作为一种可能的实现方式，所述设置麦克风的声音采集频率的具体方式为：

在首次设置时，设置为低采集频率；在第二次设置时，设置为中采集频率，在第三次设置时，设置为高采集频率，其中，低采集频率小于中采集频率；中采集频率小于高采集频率。

作为一种可能的实现方式，所述设置摄像头的图像拍摄分辨率的具体步骤为：

在首次设置时，设置为低分辨率；在第二次设置时，设置为中分辨率，在第三次设置时，设置为高分辨率，其中，低分辨率小于中分辨率，中分辨率小于高分辨率。

作为一种可能的实现方式，将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果具体步骤为：

对实际的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的实际声音特征；

将融合后的实际声音特征输入到预先训练好的第一分类器中，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号不是鸟类的声音信号，即输电线路附近没有鸟类存在。

作为一种可能的实现方式，将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果具体步骤为：

对实际的图像进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的实际图像特征；

将融合后的实际图像特征输入到预先训练好的第二分类器中，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在。

作为一种可能的实现方式，驱动无人机执行设定飞行动作，对鸟类进行驱赶具体的飞行动作，包括：俯冲、盘旋、沿输电线路上方直线行驶之一或任意种组合的方式。

作为一种可能的实现方式，第一分类器的训练步骤为：

设置无人机麦克风的声音信号采用频率为低、中或高采样频率；

利用无人机麦克风对鸟类的声音信号以及非鸟类的声音信号进行采集；

将采集的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的训练声音特征；

将鸟类融合后的训练声音特征、和非鸟类融合后的训练声音特征，均输入到第一分类器中，第一分类器为卷积神经网络，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号是非鸟类的声音信号，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第一分类器。

作为一种可能的实现方式，第二分类器的训练步骤为：

设置无人机摄像头的图像拍摄分辨率为低、中或高分辨率；

利用无人机摄像头对存在鸟类的输电线路图像以及不存在鸟类的输电线路图像进行采集；

对采集的存在鸟类的输电线路图像、和不存在鸟类的输电线路图像均进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的训练图像特征；

将存在鸟类的融合后的训练图像特征、和不存在鸟类的融合后的训练图像特征均输入到第二分类器中，第二分类器为神经网络，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第二分类器。

与现有技术相比，本公开的有益效果是：

第一，通过对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，考虑多个特征比考虑单个特征更能实现对声音信号的精准分类；

第二，通过对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，考虑多个特征比考虑单个特征更能实现对图像的精准识别；

第三，通过判断第一与第二分类结果是否一致，得知输电线路附近是否有鸟类，可以有效避免误判，避免声音信号不准确或者图像处理不准确导致的误判；

第四，通过首次采用低分辨率，而第二次、第三次采用中分辨率和高分辨率，一方面是为了节省无人机的电量，另外一方面也是为了提高后面几次的采集精度，实现更准确的识别结果。

第五，通过在首次设置时采用低采集频率，而第二次，第三次采用中采集频率和高采集频率，一方面是为了节省无人机的电量，第二方面也是为了提高后面的采集信号的精度，实现更好的识别。

检测结果准确，节省无人机单程使用能量，提高无人机单程使用时间。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为一个或多个实施方式的完整流程图；

图2为一个或多个实施方式的第一分类器训练流程图；

图3为一个或多个实施方式的第二分类器训练流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

MFCC(Mel Frequency Cepstral Coefficents，梅尔频率倒谱系数)

如图1所示，基于无人机巡检的输电线路驱鸟方法，包括：

设置麦克风的声音采集频率，利用无人机自身携带的麦克风采集输电线路设定范围内的声音信号；

设置摄像头的图像拍摄分辨率，利用无人机自身携带的摄像头采集输电线路设定范围内的图像；

将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果；

将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果；

判断第一与第二分类结果是否一致，如果一致，就判定为输电线路附近有鸟，驱动无人机执行设定飞行动作，对鸟类进行驱赶；如果不一致，则同时返回设置麦克风的声音采集频率步骤和设置摄像头的图像拍摄分辨率步骤。

可选的，所述设置麦克风的声音采集频率的具体方式为：

在首次设置时，设置为低采集频率；在第二次设置时，设置为中采集频率，在第三次设置时，设置为高采集频率，其中，低采集频率小于中采集频率；中采集频率小于高采集频率。

例如：低采样频率为1-2kHz；中采样频率为3-4kHz；高采样频率为5-6kHz；

上述特征的有益效果：之所以在首次设置时采用低采集频率，而第二次，第三次采用中采集频率和高采集频率，一方面是为了节省无人机的电量，第二方面也是为了提高后面的采集信号的精度，实现更好的识别。

可选的，所述设置摄像头的图像拍摄分辨率的具体步骤为：

在首次设置时，设置为低分辨率；在第二次设置时，设置为中分辨率，在第三次设置时，设置为高分辨率，其中，低分辨率小于中分辨率，中分辨率小于高分辨率。

例如，低分辨率为640×480；中分辨率为960×720；高分辨率为1024×768。

上述特征的有益效果，之所以在首次设置时采用低分辨率，而第二次、第三次采用中分辨率和高分辨率，一方面是为了节省无人机的电量，另外一方面也是为了提高后面几次的采集精度，实现更准确的识别结果。

可选的，将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果具体步骤为：

对实际的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的实际声音特征；

将融合后的实际声音特征输入到预先训练好的第一分类器中，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号不是鸟类的声音信号，即输电线路附近没有鸟类存在。

可选的，将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果具体步骤为：

对实际的图像进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的实际图像特征；

将融合后的实际图像特征输入到预先训练好的第二分类器中，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在。

可选的，驱动无人机执行设定飞行动作，对鸟类进行驱赶具体的飞行动作，包括：俯冲、盘旋、沿输电线路上方直线行驶之一或任意种组合的方式。

作为一种可能的实现方式，如图2所示，第一分类器的训练步骤为：

设置无人机麦克风的声音信号采用频率为低、中或高采样频率；

利用无人机麦克风对鸟类的声音信号以及非鸟类的声音信号进行采集；

将采集的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的训练声音特征；

将鸟类融合后的训练声音特征、和非鸟类融合后的训练声音特征，均输入到第一分类器中，第一分类器为卷积神经网络，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号是非鸟类的声音信号，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第一分类器。

可选的，如图3所示，第二分类器的训练步骤为：

设置无人机摄像头的图像拍摄分辨率为低、中或高分辨率；

利用无人机摄像头对存在鸟类的输电线路图像以及不存在鸟类的输电线路图像进行采集；

对采集的存在鸟类的输电线路图像、和不存在鸟类的输电线路图像均进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的训练图像特征；

将存在鸟类的融合后的训练图像特征、和不存在鸟类的融合后的训练图像特征均输入到第二分类器中，第二分类器为神经网络，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第二分类器。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.基于无人机巡检的输电线路驱鸟方法，其特征是，包括：

设置麦克风的声音采集频率，利用无人机自身携带的麦克风采集输电线路设定范围内的声音信号；

设置摄像头的图像拍摄分辨率，利用无人机自身携带的摄像头采集输电线路设定范围内的图像；

将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果；

将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果；

判断第一与第二分类结果是否一致，如果一致，就判定为输电线路附近有鸟，驱动无人机执行设定飞行动作，对鸟类进行驱赶；如果不一致，则同时返回设置麦克风的声音采集频率步骤和设置摄像头的图像拍摄分辨率步骤。

2.如权利要求1所述的方法，其特征是，所述设置麦克风的声音采集频率的具体方式为：

在首次设置时，设置为低采集频率；在第二次设置时，设置为中采集频率，在第三次设置时，设置为高采集频率，其中，低采集频率小于中采集频率；中采集频率小于高采集频率。

3.如权利要求1所述的方法，其特征是，所述设置摄像头的图像拍摄分辨率的具体步骤为：

在首次设置时，设置为低分辨率；在第二次设置时，设置为中分辨率，在第三次设置时，设置为高分辨率，其中，低分辨率小于中分辨率，中分辨率小于高分辨率。

4.如权利要求1所述的方法，其特征是，将声音信号进行处理后输入到预先训练好的第一分类器中，输出第一分类结果具体步骤为：

对实际的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的实际声音特征；

将融合后的实际声音特征输入到预先训练好的第一分类器中，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号不是鸟类的声音信号，即输电线路附近没有鸟类存在。

5.如权利要求1所述的方法，其特征是，将图像进行处理后输入到预先训练好的第二分类器中，输出第二分类结果具体步骤为：

对实际的图像进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的实际图像特征；

将融合后的实际图像特征输入到预先训练好的第二分类器中，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在。

6.如权利要求1所述的方法，其特征是，驱动无人机执行设定飞行动作，对鸟类进行驱赶具体的飞行动作，包括：俯冲、盘旋、沿输电线路上方直线行驶之一或任意种组合的方式。

7.如权利要求1所述的方法，其特征是，第一分类器的训练步骤为：

设置无人机麦克风的声音信号采用频率为低、中或高采样频率；

利用无人机麦克风对鸟类的声音信号以及非鸟类的声音信号进行采集；

将采集的声音信号进行特征提取，提取时域特征、频域特征和MFCC特征；

对时域特征、频域特征和MFCC特征利用特征加权的方式进行融合，得到融合后的训练声音特征；

将鸟类融合后的训练声音特征、和非鸟类融合后的训练声音特征，均输入到第一分类器中，第一分类器为卷积神经网络，输出第一分类结果：当前声音信号为鸟类的声音信号，即输电线路附近有鸟类存在；或者，当前声音信号是非鸟类的声音信号，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第一分类器。

8.如权利要求1所述的方法，其特征是，第二分类器的训练步骤为：

设置无人机摄像头的图像拍摄分辨率为低、中或高分辨率；

利用无人机摄像头对存在鸟类的输电线路图像以及不存在鸟类的输电线路图像进行采集；

对采集的存在鸟类的输电线路图像、和不存在鸟类的输电线路图像均进行特征提取，提取纹理特征、像素特征和灰度特征；

对纹理特征、像素特征和灰度特征利用特征串联的方式进行融合，得到融合后的训练图像特征；

将存在鸟类的融合后的训练图像特征、和不存在鸟类的融合后的训练图像特征均输入到第二分类器中，第二分类器为神经网络，输出第二分类结果：当前图像中存在鸟类，即输电线路附近有鸟类存在；或者，当前图像中不存在鸟类，即输电线路附近没有鸟类存在；当分类精度达到设定阈值时，停止训练，得到训练好的第二分类器。