基于AI大数据技术的无人机巡线研究

无人机巡线效率高,不受地形影响,并且可以通过搭载各种成像设备对线路进行巡检,将拍摄的缺陷照片传回后以便于巡检人员及时判断分析。针对大量的待识别图片数据,人工为主的传统线下识别模式无法满足生产实际的需求,利用大数据和人工智能算法对图片数据进行快速处理的方法已成为主流。本文首先介绍了人工智能算法在电力系统的广泛应用以及无人机智能巡检的基本流程,然后对基于大数据智能算法的图像识别技术的基本流程进行详细阐述,最后运用Faster R-CNN算法对输电线路巡检图像中的绝缘子缺陷进行识别实验,通过区域两阶段卷积神经网络目标检测模型的训练和学习,提高了对玻璃绝缘子缺陷的图像识别准确率,节约了人力资源和成本,为运维检修提供了可靠的依据。