# PowerGridFaultDetectionwithUAVs

**Repository Path**: yangaolu/PowerGridFaultDetectionwithUAVs

## Basic Information

- **Project Name**: PowerGridFaultDetectionwithUAVs
- **Description**: 2024海思嵌入式竞赛仓库
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-07-10
- **Last Updated**: 2025-04-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Power_Grid_Fault_Detection_with_UAVs

#### 介绍 2024海思嵌入式竞赛仓库

无人机电网巡检

本项目致力于开发一套高效、智能的电网缺陷实时监测系统，旨在自动化识别并定位电网中的潜在故障，显著提升电网维护效率与安全性。

系统架构主要分为三个核心部分：实时缺陷检测、检测结果记录及可视化展示。

  实时缺陷检测：采用YOLOv5模型，模型通过Taurus实时视频流推理平台部署。

  检测结果记录：系统集成GPS模块，实时记录无人机拍摄视频流中每帧图片的位置信息（经纬度）及时间戳，保存关键帧。

  检测结果可视化：通过构建基于Flask框架的Web界面，结合高德地图API，实现对检测结果的直观展示。
    
#### 软件架构 软件架构说明


   ai_infer_process：推理适配了yolov5的推理方法

   caffetest：测试pytorch转换为caffe，模型是否有效

   hand_classify：改自此sample，添加了保存检测结果的代码，添加了从3861读取GPS数据的代码

   uart_demo：改自此sample，使得3861能够像dv300发送GPS数据

   model_train: 包含 train script、修改后的模型结构（.yaml）、去掉model layer name 中的 dot 的脚本。

  模型将框架（yolov5s.yaml）中的上采样层替换为反卷积层以适配芯片。通过修改train.py中的original_parameter参数，可以保留反卷积层参数，并将其他层替换为在COCO数据集上训练得到的参数，然后进行训练。

#### 安装教程
无
1.  xxxx
2.  xxxx
3.  xxxx

#### 使用说明
无
1.  xxxx
2.  xxxx
3.  xxxx

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)