一种基于深度学习的配网无人机自主巡检方法

本发明涉及无人机技术领域，公开一种基于深度学习的配网无人机自主巡检方法，包括：步骤1，接收巡检任务坐标，动态判定所述巡检任务坐标是否在预设机巢的有效覆盖半径内，根据判定结果生成包含机巢自主模式或人工接力模式的指令；步骤2，依据生成的所述指令，操控无人机执行巡检任务，在执行过程中融合多源传感器数据以更新三维环境模型，同时根据更新的三维环境模型动态生成且执行避障路径。采用动态覆盖半径判定与人机接力双模式协同的巡检方案，达到无盲区扩展巡检范围的技术效果，相较于现有技术中依赖固定机巢部署且必须通过人工转移设备来弥补巡检范围的方案，解决因地形复杂或设备稀疏而形成持续性巡检盲区的不足。