摘要
本发明提供一种应用于大型光伏电站的无人机巡检方法及系统,通过获取携带状态标注数据的样例无人机巡检数据,并利用机器学习网络进行循环网络参数优化,生成优化后的目标光伏电站异常诊断网络,能够有效地提升无人机巡检的准确性和效率。具体地,通过对样例无人机巡检图像进行图像语义表示和优化,生成更加精确的目标图像语义特征,进而利用图像语义还原单元生成电站异常状态预测结果。通过不断迭代优化网络学习权重信息,使得最终生成的目标光伏电站异常诊断网络具备更高的诊断精度。在实际应用中,能够快速准确地识别大型光伏电站中的异常状态,以便于大型光伏电站的运维管理,大大提升了光伏电站的运行效率和安全性。
技术关键词
无人机巡检图像
巡检单元
大型光伏电站
无人机巡检方法
图像语义提取
语义特征
分块
图像分类网络
异常状态
节点
无人机巡检系统
干扰特征
数据
标签
误差
系统为您推荐了相关专利信息
预判系统
数据储存模块
数据处理模块
数据采集模块
LSTM神经网络
无人机巡检方法
三维形态模型
网格
市政
巡检数据
无人机巡检方法
无人机机身
强电磁干扰
抗电磁干扰设备
BP神经网络
特征提取模块
卷积模块
面向电力系统
无人机巡检方法
实时图像