一种基于无人机的绝缘子激光清洗方法及系统与流程

1.本发明涉及激光清洗技术领域，尤其涉及一种基于无人机的绝缘子激光清洗方法及系统。


背景技术：

2.绝缘子是安装在不同电位的导体之间或导体与地电位构件之间的器件，能够耐受电压和机械应力作用。绝缘子在长期使用过程中表面的放电活动可能会使污层发生变化，从而影响绝缘子的积污特性。绝缘子的污闪事故可对电力系统的安全运行造成严重的威胁和巨大的经济损失，因此需要对绝缘子进行定期清洗。
3.目前对绝缘子的清洗方式大多数都是通过人工方式利用带电水对绝缘子需要清洗的位置进行清洗。
4.但是为了保证清洗人员的安全只能采用远距离进行清洗，而这样远距离冲洗的方式所能达到的清洗效果不太理想，并且严重浪费水资源，对于缺水地区也无法使用。


技术实现要素：

5.有鉴于此，有必要提供一种基于无人机的绝缘子激光清洗方法及系统，用以解决现有技术中绝缘子清洗精度低、清洗效果差且浪费水资源的问题。
6.为达到上述技术目的，本发明采取了以下技术方案：
7.第一方面，本发明提供了一种基于无人机的绝缘子激光清洗方法，包括：
8.基于污闪识别模型，并根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息；
9.基于精英策略的自适应双层蚁群算法，并根据污闪信息规划清洗路径；
10.根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗。
11.优选的，基于污闪识别模型，并根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息，包括：
12.基于yolov5算法，建立初始污闪识别模型；
13.基于注意力机制，对初始污闪识别模型进行训练得到目标污闪识别模型；
14.将待清洗绝缘子的图像信息输入至目标污闪识别模型得到待清洗绝缘子的污闪信息。
15.优选的，基于注意力机制，对初始污闪识别模型进行训练得到目标污闪识别模型，包括：
16.获取绝缘子污闪图片，并对绝缘子污闪图片进行预处理得到绝缘子污闪图片训练集；
17.根据绝缘子污闪图片训练集对初始污闪识别模型进行训练得到目标污闪识别模型。
18.优选的，污闪信息包括污闪坐标信息；基于精英策略的自适应双层蚁群算法，并根
据污闪信息规划清洗路径，包括：
19.根据污闪坐标信息和无人机参数初始化无人机信息；
20.根据初始化后的无人机信息和无人机参数确定无人机移动的轨迹点概率；
21.根据无人机移动的轨迹点概率和初始化后的无人机信息确定无人机的清洗路径。
22.优选的，根据无人机移动的轨迹点概率和初始化后的无人机信息确定无人机的清洗路径，之后包括：基于轨迹评估函数对清洗路径进行优化得到目标清洗路径。
23.优选的，根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗，包括：
24.控制无人机按照清洗路径移动至污闪部位，获取污闪距离信息；
25.根据污闪距离信息对污闪部位进行激光清洗。
26.优选的，根据污闪距离信息对污闪部位进行激光清洗，之后包括：当激光清洗完成后，回收清洗产生的粉尘。
27.第二方面，本发明还提供了一种基于无人机的绝缘子激光清洗系统，包括：
28.污闪识别模块，用于基于污闪识别模型，并根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息；
29.路径规划模块，用于基于精英策略的自适应双层蚁群算法，并根据污闪信息规划清洗路径；
30.清洗模块，用于根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗。
31.第三方面，本发明还提供了一种电子设备，包括存储器和处理器，其中，
32.存储器，用于存储程序；
33.处理器，与存储器耦合，用于执行存储器中存储的程序，以实现上述任一种实现方式中的基于无人机的绝缘子激光清洗方法中的步骤。
34.第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述任一种实现方式中的基于无人机的绝缘子激光清洗方法中的步骤。
35.采用上述实施例的有益效果是：本发明提供的一种基于无人机的绝缘子激光清洗方法及系统，通过无人机获取待清洗绝缘子的污闪图像信息，根据污闪图像信息进行路径规划，得到无人机初始位置到绝缘子污闪部位的路径轨迹，无人机根据该路径轨迹移动至绝缘子污闪部位，然后采用激光对污闪部位进行清洗。本发明对绝缘子的污闪部位进行精准识别，然后规划出清洗路径，使得无人机能够准确抵达污闪部位，然后对污闪部位进行清洗，提高了对绝缘子清洗的效率以及清洗的准确率，并且通过激光进行清洗，无需消耗水资源，节省了水资源，为缺水区域提供了清洗绝缘子的可行方案。
附图说明
36.图1为本发明提供的基于无人机的绝缘子激光清洗方法的一实施例的流程示意图；
37.图2为本发明提供的识别污闪信息的一实施例的流程示意图；
38.图3为本发明提供的规划清洗路径的一实施例的流程示意图；
39.图4为本发明提供的基于无人机的绝缘子激光清洗系统的一实施例的结构示意图；
40.图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
41.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
42.在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
43.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
44.本发明提供了一种基于无人机的绝缘子激光清洗方法及系统，以下分别进行说明。
45.请参阅图1，图1为本发明提供的基于无人机的绝缘子激光清洗方法的一实施例的流程示意图，本发明的一个具体实施例，公开了一种基于无人机的绝缘子激光清洗方法，包括：
46.s101、基于污闪识别模型，并根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息；
47.s102、基于精英策略的自适应双层蚁群算法，并根据污闪信息规划清洗路径；
48.s103、根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗。
49.在上述实施例中，通过无人机获取待清洗绝缘子的图像信息，将待清洗绝缘子的图像信息输入至污闪识别模型，得到待清洗绝缘子的污闪信息，污闪图像信息识别出绝缘子的污闪部位，并通过坐标转换，得到污闪部位的实际坐标信息。
50.通过精英策略的自适应双层蚁群算法，根据污闪部位的实际坐标信息以及无人机的初始位置，进行路径规划，计算出无人机达到污闪部位进行清洗的路径轨迹。
51.驱动无人机根据规划的清洗的路径轨迹移动至污闪部位进行激光清洗，提高了对绝缘子污闪部位清洗的效率以及清洗的准确率。
52.与现有技术相比，本实施例提供的一种基于无人机的绝缘子激光清洗方法，通过无人机获取待清洗绝缘子的污闪图像信息，根据污闪图像信息进行路径规划，得到无人机初始位置到绝缘子污闪部位的路径轨迹，无人机根据该路径轨迹移动至绝缘子污闪部位，然后采用激光对污闪部位进行清洗。本发明对绝缘子的污闪部位进行精准识别，然后规划出清洗路径，使得无人机能够准确抵达污闪部位，然后对污闪部位进行清洗，提高了对绝缘子清洗的效率以及清洗的准确率，并且通过激光进行清洗，无需消耗水资源，节省了水资源，为缺水区域提供了清洗绝缘子的可行方案。
53.请参阅图2，图2为本发明提供的识别污闪信息的一实施例的流程示意图，在本发明的一些实施例中，基于污闪识别模型，并根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息，包括：
54.s201、基于yolov5算法，建立初始污闪识别模型；
55.s202、基于注意力机制，对初始污闪识别模型进行训练得到目标污闪识别模型；
56.s203、将待清洗绝缘子的图像信息输入至目标污闪识别模型得到待清洗绝缘子的
污闪信息。
57.在上述实施例中，在原有的yolov5网络结构上结合注意力机制，形成新的网络结构，同时通过安装在无人机上的摄像头对目标对象进行图像采集，然后将图像进行预处理并对所有图像标记标签框，再划分训练集和测试集，最后再配置好的环境上进行训练得到检测目标对象的模型，即目标污闪识别模型。
58.通过安装在无人机上的深度摄像头识别陶瓷片，在目标污闪识别模型下将识别出目标对象。通过深度摄像头将所有检测到的目标对象的相机坐标信息转为真实世界的坐标，并将其传回车载控制器，为无人机做轨迹规划提供坐标信息。
59.在本发明的一些实施例中，基于注意力机制，对初始污闪识别模型进行训练得到目标污闪识别模型，包括：
60.获取绝缘子污闪图片，并对绝缘子污闪图片进行预处理得到绝缘子污闪图片训练集；
61.根据绝缘子污闪图片训练集对初始污闪识别模型进行训练得到目标污闪识别模型。
62.在上述实施例中，首先对输入进行的特征图进行全局平均池化，由全局池化(池化卷积核大小为和输入的特征图大小一致)的操作可以得到一个的特征图，其中c是通道数；然后进行两次全连接，第一个全连接层的神经元个数为进行了降维，第二个全连接层又升维到了原通道数的神经元个数，这样可以增加更多非线性处理过程，可以拟合通道之间复杂的相关性；再接一个激活函数层,具体的，激活函数为sigmod，从而得到1
×1×
c的特征图；一个原始大小的特征图和1
×1×
c的特征图全乘的操作，这样可以得到不同通道重要性不一样的特征图。
63.通过多次训练，最终得到满足识别要求的目标污闪识别模型，需要说明的是，识别要求可以根据实际情况具体设置，本发明在此不做进一步限制。
64.请参阅图3，图3为本发明提供的规划清洗路径的一实施例的流程示意图，在本发明的一些实施例中，污闪信息包括污闪坐标信息；基于精英策略的自适应双层蚁群算法，并根据污闪信息规划清洗路径，包括：
65.s301、根据污闪坐标信息和无人机参数初始化无人机信息；
66.s302、根据初始化后的无人机信息和无人机参数确定无人机移动的轨迹点概率；
67.s303、根据无人机移动的轨迹点概率和初始化后的无人机信息确定无人机的清洗路径。
68.在上述实施例中，根据污闪坐标信息和无人机参数初始化无人机信息，无人机从点i移动到点j的启发值的初始化公式如下：
[0069][0070][0071]
其中，η
ij
是启发式因子，wd，w
θ
分别为距离启发因子和角度启发因子，de是水平距
离，(x,y,z)，(x
′y′
,,z
′
)，(xn,yn,zn)分别表示当前点、下一个可选点和目标点的坐标，γ是当前点与目标点的方向角度，c1，c2和c3为权重参数。
[0072]
根据初始化后的无人机信息和无人机参数确定无人机移动的轨迹点概率，时间t时第k无人机从点i移动到点j转移的概率可以根据如下公式计算：
[0073][0074]
其中，τ
ij
(t)是i点到j点的信息素因子，τ
is
(t)是i点到下一个点s的信息素因子，η
ij
(t)是i点到j点的启发式因子，η
is
(t)是i点到下一个点s的启发式因子，α表示信息素因子，β表示启发式值因子，allowedk表示无人机可在当前点选择的以下点集。移动点j 1可以通过轮盘赌选择。
[0075]
人机完成轨迹点选择后，根据无人机移动的轨迹点概率和初始化后的无人机信息确定无人机的清洗路径，每条路径上的信息将根据如下公式进行调整并形成完整路径：
[0076][0077][0078]
其中，ρ1表示全局信息素蒸发因子，c是自定义参数，f(0)，f(k)表示最佳评价函数值和当前评价函数值，τ
ij
(t 1)是全局信息素，τ
max
是最大信息素，τ
min
是最小信息素，|pnp
end
|表示水平面上最终点和目标点之间的距离，ω表示从当前点到目标点的直线与x轴间的角度,d
ij
是点i到点j的距离，ρ2是0-1的随机数。
[0079]
在本发明的一些实施例中，根据无人机移动的轨迹点概率和初始化后的无人机信息确定无人机的清洗路径，之后包括：基于轨迹评估函数对清洗路径进行优化得到目标清洗路径。
[0080]
在上述实施例中，通过轨迹评估函数评估轨迹的质量。具体的，评估标准为起点和目标点之间的水平距离，其公式如下所示：
[0081][0082]
其中，(xi,yi)为无人机起点坐标，(x
i 1
,y
i 1
)为无人机目标点坐标。
[0083]
通过轨迹评估函数评估多条轨迹的质量，根据得到的结果选择最佳清洗路径，也即目标清洗路径。
[0084]
在本发明的一些实施例中，根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗，包括：
[0085]
控制无人机按照清洗路径移动至污闪部位，获取污闪距离信息；
[0086]
根据污闪距离信息对污闪部位进行激光清洗。
[0087]
在上述实施例中，驱动无人机根据清洗路径移动至污闪部位，通过无人机装备的激光清洗装置得到污闪距离信息，以实现无人机对污闪部位的精确清洗。
[0088]
激光清洗装置由激光清洗模块包括光纤激光器、光纤激光输出臂、激光清洗头、光纤与电缆束、位移传感器与控制器组成。搭载在无人机上的摄像头通过yolov5进行绝缘子污物检测并将实时画面无线传输到控制器，此时位移传感器开始测量激光清洗头(位于光纤激光输出臂末端)与污物表面的距离，将污物的位置信息传输到控制器，控制器控制光纤激光器产生激光，产生的激光经光纤激光输出臂传输到激光清洗头对污物进行清洗。
[0089]
如果摄像头捕捉到的画面中有多处污物时，控制器将摄像头和位移传感器获取到的多个污物的位置信息传输控制器，控制器将待清洗污物的位置信号传输到振镜电机，激光在通过激光清洗头内部振镜电机上的反射镜时，振镜电机收到表征当前所获取到的污物定位角度的指令集，使得这两个反射镜分别沿x、y轴偏转，从而达到激光束的偏转，再通过透镜聚焦使具有额定功率密度的激光精确聚焦在污物上，从而使激光清洗头按照该路径进行全方位的清洗作业。
[0090]
在本发明的一些实施例中，根据污闪距离信息对污闪部位进行激光清洗，之后包括：当激光清洗完成后，回收清洗产生的粉尘。
[0091]
在上述实施例中，在清洗作业完成后，还需要通过循环泵工作将存储腔内的制冷液通过进液管输送到制冷盘管的内部，这时可以将激光清洗作业产生的热量通过热传递效应传递到制冷盘管内部的制冷液中；在存储箱内划分不同的存储腔可对制冷液进行循环利用，降低成本。
[0092]
当激光头清洗待清洗目标时，吸尘头也同时启动，其产生负压而吸取回收清洗时产生的粉尘；吸取的粉尘然后顺从吸附回收管路收集到吸尘过滤回收装置。
[0093]
为了更好实施本发明实施例中的基于无人机的绝缘子激光清洗方法，在基于无人机的绝缘子激光清洗方法基础之上，对应的，请参阅图4，图4为本发明提供的基于无人机的绝缘子激光清洗系统的一实施例的结构示意图，本发明实施例提供了一种基于无人机的绝缘子激光清洗系统400，包括：
[0094]
污闪识别模块401，用于基于污闪识别模型，根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息；
[0095]
路径规划模块402，用于基于精英策略的自适应双层蚁群算法，根据污闪信息规划清洗路径；
[0096]
清洗模块403，用于根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗。
[0097]
这里需要说明的是：上述实施例提供的系统400可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容，此处不再赘述。
[0098]
请参阅图5，图5为本发明实施例提供的电子设备的结构示意图。基于上述基于无人机的绝缘子激光清洗方法，本发明还相应提供了一种基于无人机的绝缘子激光清洗设备，基于无人机的绝缘子激光清洗设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该基于无人机的绝缘子激光清洗设备包括处理器510、存储器520及显示器530。图5仅示出了电子设备的部分组件，但是应理解的是，并不要求实施所有示出的
组件，可以替代的实施更多或者更少的组件。
[0099]
存储器520在一些实施例中可以是基于无人机的绝缘子激光清洗设备的内部存储单元，例如基于无人机的绝缘子激光清洗设备的硬盘或内存。存储器520在另一些实施例中也可以是基于无人机的绝缘子激光清洗设备的外部存储设备，例如基于无人机的绝缘子激光清洗设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器520还可以既包括基于无人机的绝缘子激光清洗设备的内部存储单元也包括外部存储设备。存储器520用于存储安装于基于无人机的绝缘子激光清洗设备的应用软件及各类数据，例如安装基于无人机的绝缘子激光清洗设备的程序代码等。存储器520还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器520上存储有基于无人机的绝缘子激光清洗程序540，该基于无人机的绝缘子激光清洗程序540可被处理器510所执行，从而实现本技术各实施例的基于无人机的绝缘子激光清洗方法。
[0100]
处理器510在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器520中存储的程序代码或处理数据，例如执行基于无人机的绝缘子激光清洗方法等。
[0101]
显示器530在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器530用于显示在基于无人机的绝缘子激光清洗设备的信息以及用于显示可视化的用户界面。基于无人机的绝缘子激光清洗设备的部件510-530通过系统总线相互通信。
[0102]
在一实施例中，当处理器510执行存储器520中基于无人机的绝缘子激光清洗程序540时实现如上的基于无人机的绝缘子激光清洗方法中的步骤。
[0103]
本实施例还提供了一种计算机可读存储介质，其上存储有基于无人机的绝缘子激光清洗程序，该基于无人机的绝缘子激光清洗程序被处理器执行时实现以下步骤：
[0104]
基于污闪识别模型，根据待清洗绝缘子的图像信息确定待清洗绝缘子的污闪信息；
[0105]
基于精英策略的自适应双层蚁群算法，根据污闪信息规划清洗路径；
[0106]
根据清洗路径对待清洗绝缘子的污闪部位进行激光清洗。
[0107]
综上，本实施例提供的一种基于无人机的绝缘子激光清洗方法及系统，通过无人机获取待清洗绝缘子的污闪图像信息，根据污闪图像信息进行路径规划，得到无人机初始位置到绝缘子污闪部位的路径轨迹，无人机根据该路径轨迹移动至绝缘子污闪部位，然后采用激光对污闪部位进行清洗。本发明对绝缘子的污闪部位进行精准识别，然后规划出清洗路径，使得无人机能够准确抵达污闪部位，然后对污闪部位进行清洗，提高了对绝缘子清洗的效率以及清洗的准确率，并且通过激光进行清洗，无需消耗水资源，节省了水资源，为缺水区域提供了清洗绝缘子的可行方案。
[0108]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。