摘要
本发明提供了一种基于多环境的无人机巡检图像评估方法,涉及电力线路无人机巡检技术领域,通过无人机采集不同环境和天气下的电力线路巡检图像,构建巡检图像的多维度标准数据库和轻量级双分类模型,再通过采集的电力线路巡检图像对轻量级双分类模型进行训练和适配,根据自适应图像评估机制对输入的巡检图像进行高效快速的质量评估,利用闭环优化机制对轻量级双分类模型进行微调和迭代优化,实现阈值的动态更新演进,能够快速、智能、自动的筛选无人机采集的巡检图像,为后续电力线路缺陷检测和故障诊断提供高质量的图像数据,解决了无人机巡检图像质量评估中存在的环境适应性查、人工依赖性强、复杂场景鲁棒性不足的问题。
技术关键词
无人机巡检图像
多环境
拉普拉斯
图像评估
电力线路巡检
电力线路无人机巡检
在线学习机制
动态更新
线路缺陷检测
天气
滑动窗口算法
亮度直方图
闭环
数据抽样
系统为您推荐了相关专利信息
分布式一致性控制
调控方法
航空器模型
坐标系
网络拓扑关系
深度强化学习
飞行动力学模型
跟踪期望轨迹
位置跟踪
姿态角速度
个性化物品
客户端
推荐方法
预训练语言模型
个性化特征
状态预测器
神经网络模型
物流网络优化方法
资源分配
设备控制指令