基于深度殘差算法的工業智能巡檢機器人目標定位系統

馬兆冉，邵長冬，劉 燁

（1.工業互聯網創新中心（上海）有限公司，上海 200120；2.江蘇杰瑞信息科技有限公司，江蘇連云港 222000）

工業智能巡檢機器人的目標定位系統在不需要人工輔助的情況下，完成某一區域的巡檢工作，并將巡檢信息提交給與巡檢機器人相連的人機交互平臺。目前，傳統的工業智能巡檢機器人目標定位系統大多應用視覺定位算法[1]或深度學習算法[2]進行變電站巡檢機器人的優化，進而采用GPS 技術完成定位，但是在一些特殊環境內，如惡劣天氣影響、定位系統外部干擾過多的情況下，因干擾信號較多，巡檢機器人的工作效率會出現大幅度波動。

為此，該文在工業智能平臺的大背景下，利用深度殘差算法，設計了一種新的工業智能巡檢機器人目標定位系統。

1 系統硬件設計

文中設計的基于深度殘差算法的工業智能巡檢機器人目標定位系統硬件由中央處理器、數據采集器和識別器組成，系統硬件結構如圖1 所示。

圖1 系統硬件結構

1.1 中央處理器

中央處理器是工業智能巡檢機器人目標定位系統硬件區域的核心設備，工作任務是控制硬件區域各個硬件的運行狀態，進而維持系統完成工作[3-4]。

根據工業智能巡檢機器人目標定位系統的設計需求，文中采用JDHJ-F7 中央處理器作為主要處理程序，該器件的顯卡為YU 顯卡，主板為ZZ40 系列主板，保證了中央處理器的工作效率，另外，電源配置為可充電式鋰離子電源。選用CPU 的存儲空間為64 G，具有多個緩沖區，減少了任務進程排隊和系統的負載壓力。此外，處理器使用32 位寄存器[5]。

1.2 數據采集器

對于工業智能巡檢機器人目標定位系統，數據采集器的設計要求較多，且定位目標信息的采集精確度直接影響目標定位的準確度，因此,文中采用HYD 集成的數據采集器[6-7]。數據采集器電路圖如圖2 所示。

圖2 數據采集器電路圖

1.3 識別器設計

在該文設計的系統中，識別器的作用是根據軟件區域計算工業智能機器人目標定位結果，有效地進行目標特征識別。采用UJG 識別器結合麒麟芯片，保證器件與服務器之間的通信速度，有效識別范圍為100～1 000 m，功耗小于0.77 W，方位精度誤差為±0.01。應用的技術標準為我國最新發布的識別器通用技術要求，識別時間小于2 s，器件工作諧振頻率為3.56 MHz，器件的存儲空間為64 kB flash 模式，無障礙工作時間至少為1 年，器件的環境噪音小于30 dB。為了保證識別器的工作效率，器件采用無線通信方式來完成目標的定位識別[8-9]。

2 系統軟件設計

工業智能應用平臺的核心是從工業領域的實際需求出發，面向一線生產設計的智能平臺，以提高生產線的工作效率和工作精度。目前，在智能時代背景下，工業智能應用平臺具有靈活性、智能性、實用性以及安全性。對于該文設計的工業智能巡檢機器人目標定位系統來說，以工業智能應用平臺為基礎，一方面可以為巡檢機器人提供目標定位數據信息，另一方面可以優化目標定位系統，幫助系統提高定位精度[10-12]。

深度殘差算法根據待定位目標的一定比例確定目標定位的有效數據范圍，采集該范圍內目標的信息，然后將該范圍隨機進行分塊，依次訓練每個塊中的信息數據，使每個塊中的每個目標都能被準確定位，以此保存數據信息，減少定位目標數據的整體誤差，避免定位數據整體梯度分散的現象，為工業智能檢測機器人的目標定位特征提取奠定了計算基礎[13-14]。在該設計中，殘差算法網絡范圍的確定公式如下：

其中，d表示定位目標的屬性，h表示行為目標范圍計算的尺度，y1表示定位目標的最大參數序列，b1,…,bn表示定位目標網絡范圍的微分方程系數[15]。

確定好需要定位的目標數據采集網絡范圍后，按照48 字節，將網絡隨機分為數個數據塊，最終的深度殘差模型如下：

其中，p代表殘差過程的迭代次數，δmax代表迭代的最大次數，δ代表最大學習率[16]。

以深度殘差算法為基礎，完成工業智能巡檢機器人目標特征的提取，提取流程如下：

首先，將深度殘差算法提取的數據段信息進行融合，形成新的序列識別數據條；

其次，識別某一目標位置信息的屬性，保證輔助特征提取條件是數據條中深度殘差算法計算出的數據塊權重，公式如下：

式中，li表示網絡各層權值i=1,2,3,…,n，r表示網絡學習率，t表示數據條內數據的序列號，ε表示特征檢索的輸出變量，*表示卷積。

最后，對工業智能巡檢機器人提取的目標特征進行精度校驗，保證定位信息的準確度，校驗公式如下：

其中，s1表示巡檢機器人定位目標殘差方差,表示定位目標序列的中心值，ΔQ表示目標定位網絡的相對殘差值。基于深度殘差算法的工業智能巡檢機器人目標定位系統軟件工作流程如圖3 所示。

圖3 工業智能巡檢機器人目標定位系統軟件工作流程

圖3 中，采用SIFT 匹配方法對工業智能檢測機器人的特征進行匹配，得到工業智能檢測機器人的最終目標定位結果。當校驗計算的數值在合理范圍內時，工業智能巡檢機器人目標提取的特征是可用的。為了減小目標定位系統的定位誤差，在目標特征匹配方法中加入相對運動系數，實現了檢測機器人的目標定位特征匹配。

3 對比實驗分析

通過以上過程，完成了基于深度殘差算法的工業智能巡檢機器人目標定位系統的設計，為了檢驗系統的定位精度和可靠性，文中進行了對比實驗分析。

根據目前工業智能巡檢機器人目標定位系統的應用情況，采用文獻[1]方法（視覺定位算法）和文獻[2]方法（深度學習算法）作為對照系統，輔助完成實驗，以保證實驗的可靠性和科學性。

1）數據獲取及實驗環境分析

實驗場地為220/110/10 kV 的密閉空間變電站。目標點需要位于不同的角度。結合測試場地的大小，在空間中布置了15 個目標點。為了增加測試難度，根據目標在15 個目標點中的位置，在5 個目標點隨機添加3 個紅外光束和兩個障礙物。現場布置完成后，將3 臺同類型的巡檢機器人放置在同一位置，通過抽簽的方式決定每臺機器人內置哪個系統。在測試開始前，需要對系統和檢測機器人進行初始化和匹配，以防系統格式與檢測機器人不一致而影響實驗結果。測試開始時，控制管理中心將15 個定位目標的屬性同時發送給3 個工業智能巡檢機器人目標定位系統。當控制管理中心接收到3 個檢測機器人系統提交的所有定位信息后，對檢測數據和檢測地點進行整理，結束檢測。

2）實驗1

按照以上的實驗流程，將各個系統提交的目標定位信息與實際的定位角度信息相互匹配，實驗結果將以簡單定位目標、紅外光束定位目標以及障礙物定位目標3 種方法進行體現，對得到的數據進行多方位的分析，定位精度實驗結果如圖4 所示。

圖4 定位精準度實驗結果

由圖4 可知，在排除定位數據錯誤的情況下，受到外界環境、障礙的干擾，文獻[1]方法和文獻[2]方法對于紅外光束附屬的目標和簡單目標的定位精準度皆較低，而基于深度殘差算法的工業智能巡檢機器人目標定位系統對于不同的定位目標，在不同的信號頻率下，定位數據匹配率較高，即定位精準度在84%以上。

3）實驗2

改變巡檢方向，規劃路線長度，過程如下：

①機器人遙控終端無線通信模塊接收數據；

②機器人遙控計算機利用所采集的相關數據，根據數據之間的關系得到巡檢圖像；

③機器人遙控計算機利用激光雷達發送的數據進行多關聯性分析，通過數據補償公式得到機器人的水平面位置信息；

④機器人遙控計算機顯示機器人攝像機的圖像信息；

⑤工作人員改變巡檢方向、工作深度和水平位置信息，采用VisualSFM 三維軟件的坐標系表示3 組方法的工業智能巡檢機器人目標定位效果。

實驗結果如表1 所示。

表1 不同方法應用后的定位時間對比

從表1 中可以看出，隨著巡檢位置和線路長度的改變，3組方法的定位時間也隨之增加。其中，文獻[1]方法定位所需時間最長，該文方法定位所需時間最短，具有較快的定位速度。

4 結束語

考慮到巡檢機器人的時刻運動狀態，提出基于深度殘差算法的工業智能巡檢機器人目標定位系統，利用深度殘差算法時刻檢索更新目標的位置，實際測試效果符合設計的預期效果，達到實際應用標準，具有可推廣性。