電纜隧道智能巡檢系統設計與應用

阮綿暉 黃順濤 裴星宇

摘? 要：針對電纜隧道巡檢環境的復雜性，巡檢數據依賴于人工分析處理效率較低等問題，基于卷積神經網絡實現電力設備狀態識別和環境檢測。基于Flask框架設計并開發了含數據獲取、圖像識別、實時監測、主動報警和報表生成等功能的電纜隧道智能巡檢系統。該系統的應用，能有效提升電纜隧道巡檢工作的效率，減緩了巡檢人員的壓力，降低了安全事故發生的概率。

關鍵詞：電纜隧道;智能巡檢;結構設計;功能模塊

中圖分類號：TP242? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）18-0131-06

Abstract：Aimed at the complexity of the cable tunnel inspection environment，low efficiency of the manual analysis of the inspection data and other problems，the power equipment status recognition and environment detection are realized based on the convolutional neural network. Based on the Flask framework，a cable tunnel intelligent inspection system are designed and developed with functions such as data acquisition，image recognition，real-time monitoring，active alarm and report generation. The application of the system，can effectively improve the efficiency of the inspection work of cable tunnels，reduce the pressure on the inspectors，and reduce the probability of the safety accidents.

Keywords：cable tunnel;intelligent inspection;structure design;function module

0? 引? 言

近些年來，電纜隧道事故多發，造成嚴重的經濟損失和人員傷亡，亟須提供電力隧道內常規而頻繁的實時監測、巡檢以及事故應急處置方案。日常巡檢是電力隧道的可靠運行的保證[1]，但是目前多依靠人工巡檢或是機器人輔助拍攝巡檢，且所獲數據最終依賴于人工分析處理，因此不具備實時性，給電網運行帶來安全隱患。同時，電力隧道內輸電設備及附屬設備數量多、分布點多、總里程長、監控信息量大、巡檢周期短等特點，不僅使日常巡檢任務繁重，還給帶來巡檢困難和危險[2，3]。此外，目前國內投入運行的隧道大多采用離散、獨立的隧道監控系統，系統之間缺乏靈活性和聯動性，且設備和維護成本較高。雖然針對電纜隧道巡檢作業的機器人研究已全面開展，但是我國尚屬起步，仍有諸多問題需要解決。

珠海供電局管轄范圍內電纜隧道目前多為人工巡檢或輔助拍攝功能的巡檢機器人，所獲數據最終依賴于人工分析處理，不具備實時性。若電纜缺陷故障不能及時發現，不但危及電網自身安全，引起嚴重事故，且搶救難、修復工作更加困難，經濟損失巨大。而隧道內輸電設備及附屬設備數量多、分布點多、總里程長，監控信息量大、巡檢周期短，給日常巡檢工作帶來困難和危險。因此，本論文作者結合目前電纜隧道存在的巡檢問題，開發了一套含數據獲取、圖像識別、實時監測、主動報警和報表生成等功能的電纜隧道智能巡檢系統，可極大提高電纜隧道巡檢的效率，減緩了巡檢人員的壓力，降低了安全事故發生的概率，實現電力安全生產及現代化管理，對保障供電及電力安全生產有重大意義。

1? 系統總體結構設計

根據電纜隧道機器人巡檢的實際情況和特點，設計了電纜隧道智能巡檢系統的整體結構，如圖1所示。

系統主要由隧道巡檢機器人、智能圖像分析服務器和智能監控平臺三部分組成，并借助隧道已有的內部通信網絡實現各類巡檢數據的傳輸與通信。其中智能圖像分析服務器和智能監控平臺是該系統的主要開發工作。

系統主要模塊有：數據獲取模塊、圖像識別模塊、實時監測模塊、報警模塊四大模塊，相互之間關系如圖2所示。各個模塊之間相互聯系，共同實現系統功能，同時，模塊間相互解耦，有較強的可擴展性以及可維護性。

（1）隧道巡檢機器人。采用隧道原有的懸掛式軌道巡檢機器人。其本體搭載了溫濕度傳感器、有害氣體傳感器、高清可見光攝像機和紅外攝像機等數據采集設備。機器人巡檢過程中通過內部網絡實時回傳各類巡檢數據，用于后續的數據分析和故障診斷等操作。通過提前設計巡檢任務，可實現自動巡檢，通過手動操作，可實現人機協調巡檢。

（2）智能圖像分析服務器。智能圖像分析服務器是整個智能巡檢系統的核心，它主要采用多種圖像識別方法，完成對隧道內各類故障、缺陷的實時檢測，并將異常信息發送至智能監控平臺。其程序運行流程包括：1）運行通信服務程序，獲取機器人數據接口，讀取巡檢圖像并傳至圖像識別服務程序;2）運行圖像識別服務程序，對接收到的圖像依次進行明火、積水、電力箱銹蝕和消防指示牌故障四種異常情況檢測，若存在異常情況，立刻將異常信息發送給智能監控平臺。

（3）智能監控平臺。智能監控平臺是整個系統的可視化界面，以網頁界面的形式實現人機交互，具有巡檢實時監控、隧道環境參數顯示、故障（缺陷）監測、報表生成和下載等功能。平臺可通過機器人實時獲取其巡檢視頻數據及其搭載的各類傳感器數據，并實時顯示在監控平臺上;也可以根據智能圖像分析服務器反饋的檢測結果，實時顯示隧道內主要設備故障或環境缺陷情況。這樣便于工作人員實時掌握現場情況并制定下一步工作計劃，或者根據事先設置好的閾值主動報警。當出現報警信息時，自動生成報表，內容包括故障或異常名稱、所處隧道位置、發生時間等具體信息。具體程序運行如圖3所示。

上述平臺基于Flask框架開發，Flask是一個基于Python語言的輕量級可定制框架，較其他同類型框架具有靈活、輕便、安全等優點，被廣泛應用于Web服務。其主要包括Werkzeug和Jinja2兩個核心函數庫，分別負責業務處理和安全方面的功能，在保持核心功能簡單的同時，支持定制化功能的豐富與擴展。

2? 系統功能模塊設計

系統功能設計包括智能圖像分析服務器功能設計、智能監控平臺功能設計。智能圖像分析服務器主要功能包括數據獲取模塊和圖像識別模塊，智能監控平臺主要功能包括主動報警模塊和報表下載模塊。

2.1? 數據獲取模塊

數據獲取模塊細分為巡檢視頻獲取模塊和隧道環境參數獲取模塊。其中，巡檢視頻獲取模塊通過RTSP視頻流，獲取機器人巡檢視頻;隧道環境參數獲取模塊通過HTTP傳輸協議，獲取隧道有害氣體濃度、溫濕度等隧道環境參數。

2.2? 圖像識別模塊

根據珠海橫琴隧道實際巡檢需求，圖像識別模塊主要基于卷積神經網絡，實現明火檢測、積水檢測、消防指示牌故障檢測、電力箱銹蝕檢測等功能。

消防指示牌故障檢測：首先采用檢測算法定位消防指示牌的大致位置，裁剪出對應區域圖片。接著，輸入到訓練好的神經網絡模型進行故障判斷，存在異常則發送報警信息，如圖4所示。

明火檢測：對巡檢圖像進行基本的圖像預處理操作以滿足模型輸入要求，之后直接輸入到訓練好的改進的Faster RCNN[4]模型進行明火檢測，若存在異常則發送報警信息以及明火所處位置信息，具體如圖5所示。

電力箱銹蝕檢測：首先需要對巡檢圖像進行基本的圖像預處理操作以減小圖像拍攝過程產生的各種噪聲干擾，之后直接輸入到訓練好的SSD[5]網絡模型進行電力箱銹蝕檢測，若存在異常則發送報警信息以及銹蝕位置信息，如圖6所示。

積水檢測：將巡檢圖像直接輸入到訓練好的Faster RCNN模型，進行SVM分類對是否存在積水進行檢測，若存在積水則發送報警信息。另外，當存在積水時，通過邊界框回歸確定積水存在的區域范圍，隨同報警信息一起發送至智能監控平臺，如圖7所示。

2.3? 主動報警模塊

本模塊實時接收智能圖像分析服務器的分析結果，根據接收到的結果判斷是否存在異常，若存在異常，則在網頁端的右上角彈框告警。告警內容包括：發生時間、所處隧道位置、故障類型等主要信息，便于工作人員快速排查故障。

2.4? 報表下載模塊

當異常情況發生時，智能圖像分析服務器自動記錄故障的相關信息，并按天生成報表。本平臺提供報表下載接口，便于工作人員獲取當天的報表信息，并根據報表安排巡檢、維修等工作。

3? 系統現場應用

本系統完成設計后在珠海橫琴隧道完成現場調試和試運行。系統是通過智能圖像分析服務器和智能監測平臺進行人機交互來實現的。首先啟動智能圖像分析服務器后端服務程序，包括測試服務程序、監測服務程序;然后通過智能監控平臺的系統主界面、主動報警界面和報表下載界面實現人機交互，實時顯示數據并能提示故障報警。系統主界面如圖8和圖9所示。通過任意一臺同局域網下的終端，即可訪問智能監控平臺。界面正中實時顯示監控畫面，底部實時顯示隧道各類環境參數的變化曲線，如氧氣濃度、CO濃度、H2S濃度、CH4濃度以及溫濕度數據等。

當后臺服務器檢測到故障或傳感器數值異常時，自動在主界面右上角彈出相應的警告框，框內包含發生時間、故障位置、類型等信息，如圖10所示。

現場調試過程中，對幾類設備缺陷和環境監測的圖像識別結果如圖11～圖13所示。

此外，系統提供報表生成、下載功能，支持按天保存報表文件。同時，報表內詳細記錄發生故障或異常的時間、所處隧道位置、類型等具體信息，并以圖片形式保存圖像識別的結果，如圖14和圖15所示。

4? 結? 論

本文介紹了電纜隧道智能巡檢系統的整體構架和各功能模塊，完成了系統的開發設計并在珠海橫琴電纜隧道進行了應用。通過本系統的實施和應用，極大提高了電纜隧道巡檢的效率，減緩了巡檢人員的壓力，降低了安全事故發生的概率，從而節省了大量的人力成本。

參考文獻：

[1] 陳析，孫磊，孫丙宇.電纜隧道巡檢機器人定位建圖系統研究與實現 [J].自動化與儀表，2020，35（4）：25-29.

[2] 邢穎，郎燕生，李強，等.多級智能電網調控系統集中運維模式的探討 [J].電力系統保護與控制，2018，46（15）：142-148.

[3] 黃山，吳振升，任志剛，等.電力智能巡檢機器人研究綜述 [J].電測與儀表，2020，57（2）：26-38.

[4] REN S，HE K，GIRSHICK R，et al. Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，39（6）：1137-1149.

[5] LIU W，ANGUELOV D，ERHAN D，et al. SSD：Single Shot MultiBox Detector [C]//Computer Vision–ECCV 2016.Cham：Springer，2016：21-37.

作者簡介：阮綿暉（1967—），男，漢族，廣東佛山人，高級工程師，碩士，研究方向：電力系統及其自動化;黃順濤（1974—），男，漢族，廣東澄海人，高級工程師，本科，研究方向：輸電線路智能運維、抗風加固等;裴星宇（1982—）男，漢族，貴州惠水人，高級工程師，碩士，研究方向：電力系統及其自動化。