基于深度智能学习算法的无人机巡视系统和数据处理方法与流程

发明涉及船厂内无人机巡视，特别涉及基于深度智能学习算法的无人机巡视系统和数据处理方法。

背景技术：

1、随着海运业务的不断快速发展，船舶修造企业厂区内需要叉车、平板车、高架车等各种类型的运输车辆，将大量的修造物资运送至指定地点，保证船舶修造任务按时按质完成。由于船舶修造企业厂区面积大、车辆种类多，驾驶员信息、任务状态、车辆运行参数、油量油耗数据等难以有效监管,导致船舶修造企业厂区物流作业状态和数据不透明,难以获取物资车辆及物资状态等信息。另一方面，船舶修造企业厂区内车辆众多的同时，运输路线也复杂交错，不同车辆作业交叉进行，使得船厂内物资状态信息更加的不明确，导致管理及操作人员无法实时准确的获取物资的位置及状态信息。

2、船厂传统的人工驾车巡查由于视角受限和存在多个盲区，已经难以满足海运与船厂建设的快速发展需求。近年来随着无人机和人工智能的快速发展，无人机巡检系统能够自主执行预设任务，对港口的各类设备、货物摆放和车辆组织等情况进行数据采集，弥补了人工巡检的局限，提升巡检效率。采用无人机巡检系统，成本低，效率高，安全系数高，成为了船厂内修造物资自动化、智能化调度与巡视的有效解决方案。

技术实现思路

1、本发明的目的是提供基于深度智能学习算法的无人机巡视系统和数据处理方法，以解决上述现有技术存在的问题。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、基于深度智能学习算法的无人机巡视系统，包括无人机的控制中心、安全传输网络和服务器，所述无人机的控制中心用于存放阵列无人机，所述无人机的控制中心通过安全传输网络与服务器电信号连接，所述无人机的控制中心内设置有数据处理单元，所述数据处理单元用于训练和更新无人机的识别分析算法模型，所述无人机内部植入有卷积神经网络遗传迭代算法。

4、通过采用上述技术方案，本发明针对船厂内传统人工驾车巡查由于视角受限和存在多个盲区导致物资信息数据获取困难的问题，引入无人机并通过搭载数码相机或其他设备对待巡检区域进行数据自动化采集，相较于传统人工作业，智能化程度更高，自动化程度更强。

5、在进一步的实施例中，所述无人机的控制中心还包括数据处理器、存储架、状态识别器、充电单元、放飞架、转运台和检修系统，所述存储架上等间隔设置有多个无人机，每一个无人机的一侧均设置有磁吸插头，所述存储架上设置有与磁吸插头对应的浮动对接位，所述状态识别器通过浮动对接位和磁吸插头的配合与无人机有限电信号连接，所述充电单元与浮动对接位通过电线电性连接，所述放飞架的周缘设置有灯光警示栏，所述转运台包括多个运输带和设置在运输带上的多个机械臂，所述转运台用于转运无人机，所述存储架、状态识别器、充电单元、放飞架、转运台和检修系统均通过线束与所述数据处理器电性连接，所述数据处理器通过无线信号收发单元和安全传输网络与服务器电信号连接。

6、通过采用上述技术方案，控制中心还包括数据处理器、存储架、状态识别器、充电单元、放飞架、转运台和检修系统可以实现无人机的巡航路径的规划和自动化识别，在无人机状态异常的时候可以通过在库的无人机进行替换，从而实现不间断巡视和覆盖巡视的作用，大大节约了人力。

7、在进一步的实施例中，所述服务器由云服务器和物理服务器组成，所述物理服务器内设置有识别算法训练模型。

8、在进一步的实施例中，所述安全传输网络包括信道建立模块、信道更换模块和信号干扰模块，所述信道建立模块用于建立加密信道，所述信道更换模块用于定时循环更换通信信道，所述信号干扰模块用于屏蔽非使用波段的信道。

9、通过采用上述技术方案，保障了厂区内部的数据信息安全性，在通信信道出现异常延迟等问题时都可以及时发现并处理，避免了通过无线网络出现的数据泄露的问题。

10、本发明还公开了基于深度智能学习算法的无人机巡视系统的数据处理方法，包括以下步骤：

11、s1、获取数据，包括获取场地边界信息、需标记跟踪对照物信息和环境信息；

12、s2、数据无线传输及处理，根据无线接收的数据确定标记信息并建立跟随数据库；

13、s3、结果判断，在物体进入监控区域内进行全流程跟踪，并在物体离开监控区域后停止跟随。

14、通过采用上述技术方案，可以对所有进入和离开厂区的物体进行快速的精准的全流程跟踪，避免了零部件的遗失问题。

15、在进一步的实施例中，所述步骤s1还包括以下步骤：

16、s11、采用无人机阵列飞行的方式获取区域范围地图，然后视觉识别建立巡视区域边界，同时建立需跟踪物的模型库；

17、s12、通过对比法获取进入监控区域内的物体的形状和位置，并根据形状和位置与数据库内的模型库比对，确定跟踪物体的类型信息；

18、s13、提取监控物特征，并将特征数据记录在数据库中进行训练，增加无人机的视觉识别反应速度。

19、在进一步的实施例中，所述步骤s3进一步的包括以下步骤：

20、s31、物体进入监控区域的时候根据色彩饱和度变化进行识别和跟踪；

21、s32、依据色彩饱和度判断区域内物体变化，获取环境信息进行比对。

22、通过采用上述技术方案，通过色彩饱和度的变化可以快速判断是否有物体进出厂区，使得无人机巡视系统可以快速反应，降低了运算量。

23、在进一步的实施例中，所述步骤s31包括：根据环境中的光照强度训练无人机的视觉识别速度，根据环境光照强度和温度变化统计跟踪物进入时间，并在跟踪物进入不同的区域的时候通过安全传输网络移交跟踪数据。

24、综上所述，本发明具有以下有益效果：

25、1.本发明针对船厂内传统人工驾车巡查由于视角受限和存在多个盲区导致物资信息数据获取困难的问题，引入无人机并通过搭载数码相机或其他设备对待巡检区域进行数据自动化采集，相较于传统人工作业，智能化程度更高，自动化程度更强；

26、2.本发明在无人机采集的图像数据处理流程中，创新性的引入ai大模型，通过微调方式固化输出，并采用rag方法对预处理后的向量数据块进行检索，实时生成可用的设备位置信息，可极大提升巡检效率。

技术特征：

1.基于深度智能学习算法的无人机巡视系统，其特征在于：包括无人机的控制中心、安全传输网络和服务器，所述无人机的控制中心用于存放阵列无人机，所述无人机的控制中心通过安全传输网络与服务器电信号连接，所述无人机的控制中心内设置有数据处理单元，所述数据处理单元用于训练和更新无人机的识别分析算法模型，所述无人机内部植入有卷积神经网络遗传迭代算法。

2.根据权利要求1所述的基于深度智能学习算法的无人机巡视系统，其特征在于：所述无人机的控制中心还包括数据处理器、存储架、状态识别器、充电单元、放飞架、转运台和检修系统，所述存储架上等间隔设置有多个无人机，每一个无人机的一侧均设置有磁吸插头，所述存储架上设置有与磁吸插头对应的浮动对接位，所述状态识别器通过浮动对接位和磁吸插头的配合与无人机有限电信号连接，所述充电单元与浮动对接位通过电线电性连接，所述放飞架的周缘设置有灯光警示栏，所述转运台包括多个运输带和设置在运输带上的多个机械臂，所述转运台用于转运无人机，所述存储架、状态识别器、充电单元、放飞架、转运台和检修系统均通过线束与所述数据处理器电性连接，所述数据处理器通过无线信号收发单元和安全传输网络与服务器电信号连接。

3.根据权利要求1所述的基于深度智能学习算法的无人机巡视系统，其特征在于：所述服务器由云服务器和物理服务器组成，所述物理服务器内设置有识别算法训练模型。

4.根据权利要求1所述的基于深度智能学习算法的无人机巡视系统，其特征在于：所述安全传输网络包括信道建立模块、信道更换模块和信号干扰模块，所述信道建立模块用于建立加密信道，所述信道更换模块用于定时循环更换通信信道，所述信号干扰模块用于屏蔽非使用波段的信道。

5.根据权利要求1-4任一项所述的基于深度智能学习算法的无人机巡视系统的数据处理方法，其特征在于，包括以下步骤：

6.根据权利要求5所述的基于深度智能学习算法的无人机巡视系统的数据处理方法，其特征在于，所述步骤s1还包括以下步骤：

7.根据权利要求5所述的基于深度智能学习算法的无人机巡视系统的数据处理方法，其特征在于，所述步骤s3进一步的包括以下步骤：

8.根据权利要求7所述的基于深度智能学习算法的无人机巡视系统的数据处理方法，其特征在于，所述步骤s31包括：根据环境中的光照强度训练无人机的视觉识别速度，根据环境光照强度和温度变化统计跟踪物进入时间，并在跟踪物进入不同的区域的时候通过安全传输网络移交跟踪数据。

技术总结本发明涉及船厂内无人机巡视技术领域，特别涉及基于深度智能学习算法的无人机巡视系统和数据处理方法，包括无人机的控制中心、安全传输网络和服务器，所述无人机的控制中心用于存放阵列无人机，所述无人机的控制中心通过安全传输网络与服务器电信号连接，所述无人机的控制中心内设置有数据处理单元，所述数据处理单元用于训练和更新无人机的识别分析算法模型，所述无人机内部植入有卷积神经网络遗传迭代算法，本发明针对船厂内传统人工驾车巡查由于视角受限和存在多个盲区导致物资信息数据获取困难的问题，引入无人机并通过搭载数码相机或其他设备对待巡检区域进行数据自动化采集，相较于传统人工作业，智能化程度更高，自动化程度更强。技术研发人员：苏宇,朱雨雷,吴镇辉,张俊杰,翁海龙,秦婧受保护的技术使用者：舟山中远海运重工有限公司技术研发日：技术公布日：2024/8/1