2023 年（第六届）电力设备管理智能化技术研讨会 - 756 - 2.3.1 地面操作站应用软件 本文设计与开发巡检机器人地面操作站软件， 具备控制机器人运动、接收机器人上传的巡检视频 和采集数据、进行故障分析、上传巡检结果等功能。 可以设置机器人巡检路线并发送指令、巡检任务， 在巡检过程中实时显示机器人搭载的高清摄像头、 红外摄像头所采集的画面，巡检任务结束后可对画 面进行储存并分析。同时还可以显示当前管道内的 温度、湿度，以及机器人的电量。 图 3 应用软件界面 2.3.2 管廊巡检结果云端管理系统 本文设计与开发了管廊巡检结果云端管理系 统，接收、存储、展示地面操作站上传的巡检结果， 对巡检结果视频进行二次分析并生成展示分析，同 时对上传的视频数据进行趋势性故障分析，发现故 障后进行预警。 2.4 管道井下放及回收装置 考虑到热力管道井内空间狭小，人工下井不仅 费时费力，也会对操作人员安全造成威胁。因此本 文采用管道井下放及回收装置用于代替人工投放巡 检机器人，保证人员和设备安全。 3.1 系统功能 巡检机器人将在管道井采集到的原始数据回传 给地面操作员，进行初步故障排查，操作员排查后 将故障数据传送上云，在云端与历史数据比对进行 高级故障检测。 3.1.1 管网泄漏检测 管网泄漏分为渗漏与泄漏两种情况，渗漏处采 用机器视觉算法对图像进行分析，泄漏处基于声信 号进行分析。 3.1.1.1 渗漏检测 巡检机器人搭载高清摄像头对管道进行无死角 巡视，对巡检过程中图像传感器采集的管道表面图 像进行隔帧分析，隔帧保证待检测管路全覆盖。管 道渗漏部分利用计算机视觉算法，结合连通区域的 形状与面积，给出渗漏置信度百分比，基站工作人 员设置判断置信度阈值从而筛选出渗漏区域。 3.1.1.2 泄漏检测 泄漏往往伴随声发射等现象，通过大量的泄漏 声发射信号建立学习样本，利用深度学习算法建立 泄漏声发射判别模型。巡检机器人通过声音传感器 采集声发射信号，对巡检全程声音信息进行判别， 以此初步判断泄漏位置，在此基础上根据红外热像 仪动态标注算法确认泄漏点。 3.1.2 管道支架检测 基于 yolo 等深度学习网络框架对支架位置进行 标定，在此基础上采用图像处理算法，对机器人回 传的图像提取出每一个支架图像的纹路颜色信息、 形态信息、细长深色连通区域信息，根据纹路与颜 色判断管道支架是否有腐蚀（锈蚀） 、变形、脱落， 裂纹、开裂等现象。 3.1.3 保温层破损检测 采用红外摄像机判断温度异常（升高）管道区 间，在此区间利用可见光摄像机进行重点检测，通 过与历史数据进行特征点匹配，得到实时检测数据 与历史数据对比的变化幅度曲线，对高变化区域进 行重点分析，从而判断保温层是否破损。 3.1.4 管道弯曲变形检测 基于计算机视觉算法得出管道曲率数据，与历 史数据对比得出管道弯曲变形程度。 3.1.5 其他特殊情况检测 由于正常管网内为全静止状态，所以静止摄像 机机位下的任何运动都为潜在的故障情况。巡检机 器人在管网内每隔一定距离进行静止拍摄，对有异 动的画面进行保存与回传，供操作人员进一步检查。