一种基于深度学习的变电站航线巡检规划方法

本发明公开了一种基于深度学习的变电站航线巡检规划方法，包括有以下步骤：获取变电站设备状态数据与环境监测数据；基于预设的深度特征提取模型对设备状态数据进行多维度特征分析，生成设备健康度评估向量；基于环境监测数据与设备健康度评估向量，通过强化学习算法生成多条候选路径，在多条候选路径中筛选得到初始巡检路径，并实时融合地理信息动态优化初始巡检路径；根据无人机定位数据及设备状态反馈，若检测到健康度低于阈值或环境风险超限，触发局部路径重规划，优先导航至高危设备。本发明具有以下优点和效果：能够提高巡检路径规划的智能化、精准性与安全性，确保无人机能够高效、可靠地执行变电站设备巡检任务。