(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111632391.5 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 113989682 A (43)申请公布日 2022.01.28 (73)专利权人 天津天元海科技 开发有限公司 地址 301800 天津市宝坻区新 安镇宝新公 路南侧 专利权人 交通运输部北海航海保障中心天 津航标处 (72)发明人 季克淮　霍虎伟　毛建峰　李铁　 李金鹏　李栋　何彩柳　 (74)专利代理 机构 天津展誉 专利代理有限公司 12221 专利代理师 陈欣(51)Int.Cl. G06V 20/13(2022.01) G06V 10/22(2022.01) G06V 10/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113741527 A,2021.12.0 3 CN 110570537 A,2019.12.13 CN 111985435 A,2020.1 1.24 CN 10797 7018 A,2018.0 5.01 CN 113313703 A,2021.08.27 审查员 杨林郁 (54)发明名称 一种基于无人机遥感的航标巡检系统及巡 检方法 (57)摘要 本专利涉及航标巡检领域， 尤其涉及一种基 于无人机遥感的航标巡检系统及巡检方法， 通过 对航标的巡检图像的采集， 获得由巡检图像能够 分析得到的巡检特征， 根据巡检特征对航标的失 常情况进行判断， 当产生失常情况时， 给失常情 况的类别， 由无人机进行二次拍摄， 获取排查原 因图像， 通过排查原因图像获取与失常情况的类 别对应排查原因特征， 这样采集的信息能够更加 全面， 也方便快捷， 同时本申请还能对拍摄的巡 检图像进行筛选， 避免产生大量的不清晰、 重复 的无异议图像信息， 通过上述方法能够增加航标 维护的工作效率， 增强航标应急响应能力， 全面 提高航标维护和服 务质量， 降低巡查成本 。 权利要求书2页 说明书11页 附图2页 CN 113989682 B 2022.05.17 CN 113989682 B 1.一种基于无人机遥感的航标巡检系统的巡检方法， 所述航标巡检系统， 包括控制系 统、 无人机和航标； 所述控制系统包括巡检路线分配模块、 巡检图像采集模块、 图像特征模块、 图像筛选模 块、 失常判断模块、 排 查原因模块、 排 查原因图像采集模块； 所述控制系统还包括历史巡检信 息库和历史维修信 息库， 所述历史巡检信 息库包括所 述航标在历史巡检中的巡检特征以及航标的巡航权重； 所述历史维修信息库包括浮标在产 生失常时， 失常类别对应的排查原因类别， 所述排查原因类别能够通过排查原因特征进行 判断； 其中， 巡检路线分配模块用于分配对所述航标进行巡检图像采集的无人机； 所述巡检 图像采集模块用于获得所述航标的巡检图像； 所述图像特征模块用于得到所述巡检图像中 的巡检特征； 所述图像筛选模块用于将拥有相同类别的巡检特征的巡检图像作为一个特征 图像组， 对特征图像组内的巡检图像进行筛选； 失常判断模块用于通过巡检图像中的巡检 特征获得航标 的失常类别； 所述排查原因模块用于获取失常类别对应的排查原因类别； 所 述排查原因图像采集模块用于采集所述航标的排查原因图像， 通过排查原因图像获得属于 所述排查原因类别的排 查原因特 征； 所述无人机包括采集设备， 所述采集设备用于采集所述浮标的巡检图像和排查原因图 像， 所述方法其 步骤包括： S10， 根据控制系统向无人机P0分配的巡检路线， 无人机P0对浮标R0进行巡检图像的采 集； S20， 根据无人机采集的浮标R0的巡检图像， 能够得到浮标R0的巡检特征， 设置所述巡检 特征分为M类， 浮标R0的巡检特 征类别R0L=[R0L1, R0L2,…, R0LM]； S30； 设置无人机P0采集浮标R0的N张巡检图像， 其中， 将包括第i类巡检特征R0Li的巡检 图像作为 浮标R0的第i类特 征图像组， 设置第i类特 征图像组包括α N （0 ≤α ≤1） 张巡检图像； S40， 对第i类特征图像组的巡检图像进行筛选处理， 将不合格图像移出第i类特征图像 组； S50， 根据第i类特征图像组中的巡检图像， 得到浮标R0的第i类巡检特征， 判断浮标R0的 第i类巡检特 征是否为失常， 若判断为是， 则转入步骤S51； 若判断为否， 则转入步骤S52； S51， 当浮标R0的第i类巡检特征失常时， 将第i类巡检特征作为失常类别加入失常类别 列表； S52， 当浮标R0的第i类巡检特 征正常时， 继续对浮标R0第j类巡检特 征 （j≠i） 进行判断； S60， 得到浮标R0的失常类别列表RS， 当RS=nul l时， 结束对浮标R0的巡检； 当失常类别列表RS≠null 时， 设置浮标R0的失常类别列表RS=[S1,S2, ,…, SL]， 其中， 设置失常类别列表中第i项失常类别为Si， 获取失常类别Si在历史维修 数据库中对 应的排查 原因特征； S70， 由控制系统建立排查原因任务， 使用无人机P0对浮标R0进行排查原因图像的采 集， 通过排 查原因图像获得排 查原因特 征； 设置所述失常类别Si对应的排查原因特征包括K类， 所述排查原因特征类别SIT= [SIT1,SIT2, ,…, SITK]， 其中， 当存在一类排查原因特征S ITj， 在排查原因图像中没有能权　利　要　求　书 1/2 页 2 CN 113989682 B 2够获取到时， 转入步骤S71； 当失常类别Si的所有类别的排查原因特征在排查原因图像中都被获取时， 转入步骤 S72; S71， 调整无人机的巡检路线， 使用无人机Pi（Pi≠P0） 对浮标R0的失常类别Si的SITj类排 查原因特 征进行排 查原因图像的采集； S72， 根据获取的排 查原因特 征对失常类别的产生原因进行判断。 2.如权利要求1所述的基于无人机遥感的航标巡检系统的巡检方法， 其中， 在步骤S40 中， 还包括： 步骤S401， 对第i类图像组里的α N张图像进行 灰度化处 理， 得到灰度图像； 步骤S402， 计算灰度图像中每 个像素点的平均灰度值E H和平滑度EP； 步骤S403， 根据像素点E的平均灰度 值EH和平滑度EP以及浮标在巡检图像上的位置， 筛 选第i类图像组中的巡检图像， 将不 合格图像移出第i类图像组。 3.如权利要求2所述的基于无人机遥感的航标巡检系统的巡检方法， 其中， 步骤S401 中， 进行灰度计算时， 选择为R、 G、 B各分量占比为0.3， 0.59  ， 0.11， 用公式表示为， 像素点E 的灰度值E （x,y） =0.3R （x,y） +0.59G （x,y） +0.11B （x,y） ； 其中， R为像素点E （x,y） 的红色值、 G 为像素点E （x,y） 的绿色值， B为像素点E （x,y） 的蓝色值。权　利　要　求　书 2/2 页 3 CN 113989682 B 3