基于深度學習的高壓電纜隧道巡檢機器人研究與設計

顏學文 楊友晨 范新月 胡偉

摘 要：隨著電力系統的發展，高壓電纜的安全穩定對供電系統至關重要。傳統人工巡檢效率低、勞動強度大且有安全隱患。開發自動化、智能化的巡檢機器人顯得必要。研究國內外現狀和方法后，目標是設計能自主導航、識別故障并進行實時監測的基于深度學習技術的高壓電纜隧道巡檢機器人系統。

關鍵詞：高壓電纜；隧道巡檢；故障診斷；深度學習

中圖分類號：TP242.6? 文獻標識碼：A

隨社會經濟發展，電力需求增長，城市地下電纜隧道成主要供電設施。面臨復雜環境和安全隱患，提升巡檢效率與安全是關鍵。本文提出一種基于深度學習的高壓電纜隧道巡檢機器人方案，涵蓋設計、系統、結構和視覺識別，經試驗驗證其有效性及性能優化，并對未來研究提出展望。

一、研究背景

城市地下電纜隧道增多，國內高壓電纜隧道巡檢機器人取得進展并應用，但與國外先進水平仍有差距。面臨結構設計、導航定位、通信、故障檢測等技術挑戰。未來研究將強調智能化、自動化、網絡化和可靠性，跨學科合作促進創新。

國外較早研發相關技術，研究深入，機器人具備自主導航、缺陷檢測等功能，技術成熟且產業化程度高，廣泛應用且提供租賃與定制服務。國外研究將繼續向智能化、自主化、網絡化和可靠性發展，注重輕量化、低成本和環保。

二、高壓電纜隧道巡檢機器人系統設計

（一）服務器控制系統

服務器控制系統由一個主機和一個小型基站構成。主機處理交互信息和識別操作員協議，向機器人檢測系統和門禁系統發送指令。它包含緊急情況模塊和檢測算法模塊。小型基站則管理地圖數據、執行協議指令和進行圖像識別。數據通過基站網絡傳輸，以便系統有效應對突發事件。

（二）巡檢機器人系統構成

巡檢機器人系統配備視頻采集、紅外采集和人體控制裝置，并通過WiFi與服務器建立網絡連接。利用該連接，機器人可將拍攝的圖像、視頻以及實時定位信息回傳至服務器。中央處理器指導機器人的路徑算法，確保按預定路線進行檢測。巡檢機器人系統構成如圖1所示。

（三）智能巡檢系統軟件部分設計

基于深度學習的巡檢系統核心在于應用深度神經網絡進行圖像識別和模式分析。雖然相對于最前沿的目標檢測模型，傳統深度學習模型可能在準確性和效率方面存在局限，但它們仍然為眾多算法提供了關鍵技術基礎。圖2為深度學習巡檢原理。

巡檢原理主要由以下4個步驟組成：

（1）原圖輸入：將原始圖像輸入到深度學習模型中。

（2）生成目標候選區域：通過選擇性搜索從原始圖像中生成一個候選區域。根據巡檢特征分量權重，對識別出的候選區域圖像進行灰度化處理，并確定關鍵設備圖像特征：

R = G = B = ωr

R + ωgG + ωbB

ωr + ωg + ωb （1）

在式（1）中，ωr、ωg、ωb分別表示圖像顏色紅、綠、藍的權值。該方法首先將圖像分割成若干小區域，然后對這些小區域進行搜索，并根據以下四條規則對最大概率區域進行合并。規則1：基于顏色直方圖分布，將顏色相似的小區域合并。規則2：通過梯度直方圖的分布，合并紋理相似的小區域。規則3：當一個小區域被合并時，合并區域的總面積相對較小，從而避免了大區域合并多個小區域。規則4：合并任何一個小區域后，合并區域的總面積不會超過目標對應的邊界面積，這就保證了合并區域的形狀更加規則。反復進行合并操作，直到沒有區域可合并，最后輸出所有區域，也就是目標候選區域。

（3）抽取特征：利用卷積神經網絡從候選區域中抽取特征，指定區域建議框的尺寸，然后抽取卷積特征。

（4）類別和回歸：每個類別的目標都會被相應的支持向量機（SVM）分類器進行分類，該算法只需確定自己是否屬于目標類別，然后用返回值對目標候選幀進行校正。

（四）巡檢機器人視覺系統

當前巡檢機器人的視覺系統對障礙物的識別精度和測距精度都比較低，針對這一問題，我們采用深度學習中的 SSD 算法識別障礙物，基于單目測距模型構建地平面約束測距定位模型以實現精準測距，搭建新的巡檢機器人視覺系統。相比 YOLO 算法和 Ｒ － CNN 算法，SSD 算法綜合性能更加優秀; 迭代次數達到 500 次時，SSD模型需要 7.8h 進行訓練，比 YOLO 模型快 2.5h;比 Ｒ - CNN 模型快 3.7h; 迭代次數為 600 時，SSD模型的準確率為 95.8% ，比 YOLO 模型高 22.4% ; 比 Ｒ - CNN 模型高 9.7% ; 地平面約束測距定位模型平均誤差為 0.89cm，比空間平面測距模型小1.89cm; 比單目視覺測距模型小 1.03cm。以上結果說明，基于 SSD 算法和地平面約束測距定位模型的新巡檢機器人視覺系統能夠有效地對障礙物進行識別檢測和測距定位，從而實現智能化、自動化自主定位導航。

三、發展高壓電纜隧道巡檢機器人的意義

高壓電纜隧道巡檢機器人能自動高效完成巡檢，保障人員安全，并減少依賴專業人員的人力成本。這些機器人利用高精度傳感器和先進算法提高診斷準確性，提升巡檢質量。它們還助力實現電力系統的智能化管理，增強可靠性和穩定性。同時，巡檢機器人推動機械設計、電源補給、檢測和通訊等技術的創新，并減少環境影響。此外，其研究對社會經濟發展有重要意義，確保電力供應和社會可持續發展。

四、實驗結果與分析

（一）實驗結果

通過相關場地模擬環境和實際電纜隧道中的一系列試驗驗證電纜隧道機器人巡檢過程中系統功能及安全可靠性。

（二）高壓電纜隧道巡檢機器人的優勢與未來發展

新型高壓電纜隧道巡檢機器人在時效性和準確度上均優于傳統人工巡檢。機器人通過預設軌道多次巡檢，實時數據傳輸，縮短維修時間和成本；而人工受時間、天氣和熟練度限制，導致結果不準確。技術分析表明，機器人整合了機電一體化、導航規劃、多傳感器融合等技術，優化系統和提高定位精準度等可保障電纜網絡穩定運行。結論指出，雖有進展，但巡檢機器人在復雜情況適用性、平臺承載能力和能源供應等方面仍有待研究和改進，未來需在技術創新和功能擴展等方面繼續努力，以滿足電力行業高效安全巡檢的需求。

參考文獻：

[1]范厚良.基于深度學習的發電廠設備智能巡檢系統設計[J].電子設計工程，2022，30（01）：108-111+116.DOI：10.14022/j.issn1674-6236.2022.01.023.

[2]宋雷震，孫曉東.管道巡檢機器人目標識別與定位檢測技術[J].吉首大學學報（自然科學版），2021，42（05）：38-43.DOI：10.13438/j.cnki.jdzk.2021.05.007.

[3]宮法明，馬玉輝.基于時空雙分支網絡的人體動作識別研究[J].計算機技術與發展，2020，30（09）：23-28.

[4]崔旺.隧道巡檢機器人的結構設計與運動控制[D].沈陽航空航天大學，2017.

[5][1]薛倩.基于人工智能的配電室設備自動巡檢系統的研究[J].自動化應用，2023，64（17）：12-14+17.