一种基于边缘计算的无人机巡检方法及其巡检系统
本发明涉及无人机巡检,特别涉及一种基于边缘计算的无人机巡检方法及其巡检系统。
背景技术:
1、随着工业智能化水平的提升,无人机巡检因其作业效率高、覆盖范围广、无需人工近距离接触高危区域等优势,已广泛应用于电力、油气、光伏等多个领域。目前,现有无人机巡检技术多采用“机载采集+云端处理”的传统架构,该架构存在诸多技术缺陷,难以满足工业巡检的高精度、实时性、高安全性需求。
2、一方面,传统巡检架构高度依赖公网通信传输海量巡检数据,而无人机巡检场景多为山地、荒漠、偏远厂区等公网覆盖率低、链路不稳定的区域,导致巡检数据回传延迟高、丢包严重,无法实现缺陷的实时识别与告警,易造成隐患扩大;另一方面,云端集中式处理模式需将原始巡检数据全部上传至云端,不仅增加了无人机的传输功耗、缩短了航时,还存在敏感巡检数据泄露、篡改的安全风险,难以满足关键行业的数据合规要求。
3、此外,部分改进方案尝试在机载端部署轻量化处理模型,但受限于无人机机载设备的载荷、算力、功耗约束,轻量化模型往往存在缺陷识别精度低、小目标漏检率高的问题,且机载端与现场设备缺乏有效的协同机制,算力资源利用率低,无法兼顾巡检实时性、精度与长航时需求,难以适配复杂多样的工业巡检场景。
技术实现思路
1、有鉴于此,本发明实施例希望提供一种基于边缘计算的无人机巡检方法及其巡检系统,以解决或缓解现有技术中存在的技术问题,至少提供一种有益的选择。
2、为解决上述技术问题,本技术采用的一个技术方案是:提供一种基于边缘计算的无人机巡检方法,包括:
3、获取无人机机载边缘节点采集的巡检数据;
4、基于所述无人机机载边缘节点对所述巡检数据进行实时预处理;
5、由所述无人机机载边缘节点根据预设巡检场景和机载算力负载,生成任务卸载决策;
6、基于所述任务卸载决策,将部分复杂巡检分析任务分流至就近的现场边缘计算单元;
7、通过所述无人机机载边缘节点与所述现场边缘计算单元的协同计算,获得设备缺陷检测结果;
8、基于所述设备缺陷检测结果生成实时巡检告警信息。
9、作为本技术方案进一步优选的:所述获取无人机机载边缘节点采集的巡检数据包括:
10、通过无人机搭载的多光谱相机采集可见光图像数据;
11、通过无人机搭载的红外热成像仪采集设备温度场数据;
12、通过无人机搭载的激光雷达采集设备表面点云数据;
13、由所述机载边缘节点对所述多源数据进行时间戳对齐,形成统一的巡检数据帧。
14、作为本技术方案进一步优选的:所述基于所述无人机机载边缘节点对所述巡检数据进行实时预处理包括:
15、对所述巡检数据中的可见光图像、红外影像进行噪声滤除与关键区域裁剪;
16、根据预设缺陷特征库对预处理后的图像进行初步特征提取;
17、将提取的初步特征数据进行轻量化编码,生成可快速传输的特征数据。
18、作为本技术方案进一步优选的:所述由所述无人机机载边缘节点根据预设巡检场景和机载算力负载,生成任务卸载决策包括:
19、实时获取无人机剩余电量、机载边缘节点算力占用率及与现场边缘计算单元的通信质量;
20、基于预设卸载策略,判断当前机载边缘节点是否满足复杂缺陷分析任务的算力需求;
21、若不满足,则将所述复杂缺陷分析任务标记为可卸载任务,并生成卸载决策指令。
22、作为本技术方案进一步优选的:所述基于所述任务卸载决策,将部分复杂巡检分析任务分流至就近的现场边缘计算单元包括:
23、基于所述卸载决策指令,将轻量化编码的特征数据与可卸载任务请求一同发送至所述现场边缘计算单元;
24、若通信质量不满足传输条件,则将所述可卸载任务暂存于机载边缘节点的本地缓存中,待通信恢复后再执行分流。
25、作为本技术方案进一步优选的:所述通过所述无人机机载边缘节点与所述现场边缘计算单元的协同计算,获得设备缺陷检测结果包括:
26、所述现场边缘计算单元接收所述可卸载任务及轻量化编码的特征数据;
27、基于预设的高精度缺陷检测模型对所述特征数据进行深度分析,得到缺陷检测结果;
28、将所述缺陷检测结果回传至所述无人机机载边缘节点;
29、由所述无人机机载边缘节点融合本地初步分析结果与所述回传的缺陷检测结果,得到最终的设备缺陷检测结果。
30、作为本技术方案进一步优选的:所述基于所述设备缺陷检测结果生成实时巡检告警信息包括:
31、根据预设缺陷等级判定规则,对所述设备缺陷检测结果进行风险分级;
32、将分级后的缺陷信息与设备id、位置坐标进行关联绑定;
33、生成包含缺陷类型、风险等级及定位信息的结构化告警数据;
34、将所述结构化告警数据本地存储并推送至现场运维终端。
35、作为本技术方案进一步优选的:所述方法还包括:
36、在所述现场边缘计算单元中设置巡检数据缓存区;
37、接收并存储无人机回传的轻量化特征数据与缺陷检测结果;
38、在无人机返航后,将缓存区数据批量同步至本地服务器,生成完整巡检报告。
39、作为本技术方案进一步优选的:所述预设巡检场景包括电力线路巡检、油气管道巡检、光伏电站巡检中的至少一种,所述机载边缘节点根据不同巡检场景,自动调整预处理参数、缺陷检测模型阈值及任务卸载触发条件。
40、为解决上述技术问题,本技术采用的另一个技术方案是:一种基于边缘计算的无人机巡检系统,应用于如上所述的方法,包括无人机机载边缘节点、现场边缘计算单元、本地服务器及现场运维终端;
41、所述无人机机载边缘节点搭载于无人机,用于采集巡检数据、进行实时预处理及生成任务卸载决策,并与现场边缘计算单元进行数据交互;
42、所述现场边缘计算单元用于接收可卸载任务及特征数据,执行深度分析并反馈缺陷检测结果;
43、所述本地服务器用于同步缓存数据并生成完整巡检报告;
44、所述现场运维终端用于接收结构化告警数据,实现巡检隐患实时查看。
45、本发明实施例由于采用以上技术方案,其具有以下优点:
46、1.解决了传统无人机巡检依赖公网传输的痛点,通过构建无人机机载边缘节点与现场边缘计算单元的两级边缘架构,实现巡检数据本地化处理,无需全部回传云端,有效降低了数据传输延迟,避免了公网不稳定导致的巡检中断,实现缺陷实时识别与告警,提升巡检效率。
47、2.平衡了机载算力与缺陷识别精度的矛盾,通过巡检数据实时预处理、轻量化编码及任务自适应卸载机制,在适配机载设备算力、功耗约束的同时,借助现场边缘计算单元的算力优势实现复杂缺陷深度分析,确保缺陷识别的高精度,同时降低无人机功耗,保障长航时巡检需求。
48、3.提升了巡检数据的安全性与合规性,采用数据本地加密存储、不出域管控模式,原始巡检数据与分析结果仅在边缘内网流转,杜绝了云端上传带来的数据泄露、篡改风险,满足关键行业的数据安全合规要求。
49、4.适配多场景巡检需求,通过预设多场景任务模板、自动调整参数与模型阈值,可灵活应用于电力线路、油气管道、光伏电站等不同巡检场景,提升了方法的通用性与适配性;同时通过多源数据融合与协同计算,进一步提升缺陷检测的准确性与定位精度。
50、5.系统架构简洁、可扩展性强,各组件分工明确、协同高效,可实现巡检数据的缓存、同步与完整报告生成,便于现场运维人员快速响应隐患,降低运维成本,推动无人机巡检向智能化、自主化升级。
51、上述概述仅仅是为了说明书的目的,并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外,通过参考附图和以下的详细描述,本发明进一步的方面、实施方式和特征将会是容易明白的。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com