电缆隧道智能巡检系统设计与应用

阮绵晖 黄顺涛 裴星宇

摘  要：针对电缆隧道巡检环境的复杂性，巡检数据依赖于人工分析处理效率较低等问题，基于卷积神经网络实现电力设备状态识别和环境检测。基于Flask框架设计并开发了含数据获取、图像识别、实时监测、主动报警和报表生成等功能的电缆隧道智能巡检系统。该系统的应用，能有效提升电缆隧道巡检工作的效率，减缓了巡检人员的压力，降低了安全事故发生的概率。

关键词：电缆隧道;智能巡检;结构设计;功能模块

中图分类号：TP242      文献标识码：A 文章编号：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

近些年来，电缆隧道事故多发，造成严重的经济损失和人员伤亡，亟须提供电力隧道内常规而频繁的实时监测、巡检以及事故应急处置方案。日常巡检是电力隧道的可靠运行的保证[1]，但是目前多依靠人工巡检或是机器人辅助拍摄巡检，且所获数据最终依赖于人工分析处理，因此不具备实时性，给电网运行带来安全隐患。同时，电力隧道内输电设备及附属设备数量多、分布点多、总里程长、监控信息量大、巡检周期短等特点，不仅使日常巡检任务繁重，还给带来巡检困难和危险[2，3]。此外，目前国内投入运行的隧道大多采用离散、独立的隧道监控系统，系统之间缺乏灵活性和联动性，且设备和维护成本较高。虽然针对电缆隧道巡检作业的机器人研究已全面开展，但是我国尚属起步，仍有诸多问题需要解决。

珠海供电局管辖范围内电缆隧道目前多为人工巡检或辅助拍摄功能的巡检机器人，所获数据最终依赖于人工分析处理，不具备实时性。若电缆缺陷故障不能及时发现，不但危及电网自身安全，引起严重事故，且抢救难、修复工作更加困难，经济损失巨大。而隧道内输电设备及附属设备数量多、分布点多、总里程长，监控信息量大、巡检周期短，给日常巡检工作带来困难和危险。因此，本论文作者结合目前电缆隧道存在的巡检问题，开发了一套含数据获取、图像识别、实时监测、主动报警和报表生成等功能的电缆隧道智能巡检系统，可极大提高电缆隧道巡检的效率，减缓了巡检人员的压力，降低了安全事故发生的概率，实现电力安全生产及现代化管理，对保障供电及电力安全生产有重大意义。

1  系统总体结构设计

根据电缆隧道机器人巡检的实际情况和特点，设计了电缆隧道智能巡检系统的整体结构，如图1所示。

系统主要由隧道巡检机器人、智能图像分析服务器和智能监控平台三部分组成，并借助隧道已有的内部通信网络实现各类巡检数据的传输与通信。其中智能图像分析服务器和智能监控平台是该系统的主要开发工作。

系统主要模块有：数据获取模块、图像识别模块、实时监测模块、报警模块四大模块，相互之间关系如图2所示。各个模块之间相互联系，共同实现系统功能，同时，模块间相互解耦，有较强的可扩展性以及可维护性。

（1）隧道巡检机器人。采用隧道原有的悬挂式轨道巡检机器人。其本体搭载了温湿度传感器、有害气体传感器、高清可见光摄像机和红外摄像机等数据采集设备。机器人巡检过程中通过内部网络实时回传各类巡检数据，用于后续的数据分析和故障诊断等操作。通过提前设计巡检任务，可实现自动巡检，通过手动操作，可实现人机协调巡检。

（2）智能图像分析服务器。智能图像分析服务器是整个智能巡检系统的核心，它主要采用多种图像识别方法，完成对隧道内各类故障、缺陷的实时检测，并将异常信息发送至智能监控平台。其程序运行流程包括：1）运行通信服务程序，获取机器人数据接口，读取巡检图像并传至图像识别服务程序;2）运行图像识别服务程序，对接收到的图像依次进行明火、积水、电力箱锈蚀和消防指示牌故障四种异常情况检测，若存在异常情况，立刻将异常信息发送给智能监控平台。

（3）智能监控平台。智能监控平台是整个系统的可视化界面，以网页界面的形式实现人机交互，具有巡检实时监控、隧道环境参數显示、故障（缺陷）监测、报表生成和下载等功能。平台可通过机器人实时获取其巡检视频数据及其搭载的各类传感器数据，并实时显示在监控平台上;也可以根据智能图像分析服务器反馈的检测结果，实时显示隧道内主要设备故障或环境缺陷情况。这样便于工作人员实时掌握现场情况并制定下一步工作计划，或者根据事先设置好的阈值主动报警。当出现报警信息时，自动生成报表，内容包括故障或异常名称、所处隧道位置、发生时间等具体信息。具体程序运行如图3所示。

上述平台基于Flask框架开发，Flask是一个基于Python语言的轻量级可定制框架，较其他同类型框架具有灵活、轻便、安全等优点，被广泛应用于Web服务。其主要包括Werkzeug和Jinja2两个核心函数库，分别负责业务处理和安全方面的功能，在保持核心功能简单的同时，支持定制化功能的丰富与扩展。

2  系统功能模块设计

系统功能设计包括智能图像分析服务器功能设计、智能监控平台功能设计。智能图像分析服务器主要功能包括数据获取模块和图像识别模块，智能监控平台主要功能包括主动报警模块和报表下载模块。

2.1  数据获取模块

数据获取模块细分为巡检视频获取模块和隧道环境参数获取模块。其中，巡检视频获取模块通过RTSP视频流，获取机器人巡检视频;隧道环境参数获取模块通过HTTP传输协议，获取隧道有害气体浓度、温湿度等隧道环境参数。

2.2  图像识别模块

根据珠海横琴隧道实际巡检需求，图像识别模块主要基于卷积神经网络，实现明火检测、积水检测、消防指示牌故障检测、电力箱锈蚀检测等功能。

消防指示牌故障检测：首先采用检测算法定位消防指示牌的大致位置，裁剪出对应区域图片。接着，输入到训练好的神经网络模型进行故障判断，存在异常则发送报警信息，如图4所示。

明火检测：对巡检图像进行基本的图像预处理操作以满足模型输入要求，之后直接输入到训练好的改进的Faster RCNN[4]模型进行明火检测，若存在异常则发送报警信息以及明火所处位置信息，具体如图5所示。

电力箱锈蚀检测：首先需要对巡检图像进行基本的图像预处理操作以减小图像拍摄过程产生的各种噪声干扰，之后直接输入到训练好的SSD[5]网络模型进行电力箱锈蚀检测，若存在异常则发送报警信息以及锈蚀位置信息，如图6所示。

积水检测：将巡检图像直接输入到训练好的Faster RCNN模型，进行SVM分类对是否存在积水进行检测，若存在积水则发送报警信息。另外，当存在积水时，通过边界框回归确定积水存在的区域范围，随同报警信息一起发送至智能监控平台，如图7所示。

2.3  主动报警模块

本模块实时接收智能图像分析服务器的分析结果，根据接收到的结果判断是否存在异常，若存在异常，则在网页端的右上角弹框告警。告警内容包括：发生时间、所处隧道位置、故障类型等主要信息，便于工作人员快速排查故障。

2.4  报表下载模块

当异常情况发生时，智能图像分析服务器自动记录故障的相关信息，并按天生成报表。本平台提供报表下载接口，便于工作人员获取当天的报表信息，并根据报表安排巡检、维修等工作。

3  系统现场应用

本系统完成设计后在珠海横琴隧道完成现场调试和试运行。系统是通过智能图像分析服务器和智能监测平台进行人机交互来实现的。首先启动智能图像分析服务器后端服务程序，包括测试服务程序、监测服务程序;然后通过智能监控平台的系统主界面、主动报警界面和报表下载界面实现人机交互，实时显示数据并能提示故障报警。系统主界面如图8和图9所示。通过任意一台同局域网下的终端，即可访问智能监控平台。界面正中实时显示监控画面，底部实时显示隧道各类环境参数的变化曲线，如氧气浓度、CO浓度、H2S浓度、CH4浓度以及温湿度数据等。

当后台服务器检测到故障或传感器数值异常时，自动在主界面右上角弹出相应的警告框，框内包含发生时间、故障位置、类型等信息，如图10所示。

现场调试过程中，对几类设备缺陷和环境监测的图像识别结果如图11～图13所示。

此外，系统提供报表生成、下载功能，支持按天保存报表文件。同时，报表内详细记录发生故障或异常的时间、所处隧道位置、类型等具体信息，并以图片形式保存图像识别的结果，如图14和图15所示。

4  结  论

本文介绍了电缆隧道智能巡检系统的整体构架和各功能模块，完成了系统的开发设计并在珠海横琴电缆隧道进行了应用。通过本系统的实施和应用，极大提高了电缆隧道巡检的效率，减缓了巡检人员的压力，降低了安全事故发生的概率，从而节省了大量的人力成本。

参考文献：

[1] 陈析，孙磊，孙丙宇.电缆隧道巡检机器人定位建图系统研究与实现 [J].自动化与仪表，2020，35（4）：25-29.

[2] 邢颖，郎燕生，李强，等.多级智能电网调控系统集中运维模式的探讨 [J].电力系统保护与控制，2018，46（15）：142-148.

[3] 黄山，吴振升，任志刚，等.电力智能巡检机器人研究综述 [J].电测与仪表，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：阮绵晖（1967—），男，汉族，广东佛山人，高级工程师，硕士，研究方向：电力系统及其自动化;黄顺涛（1974—），男，汉族，广东澄海人，高级工程师，本科，研究方向：输电线路智能运维、抗风加固等;裴星宇（1982—）男，汉族，贵州惠水人，高级工程师，硕士，研究方向：电力系统及其自动化。