基于无人机的仁新高速养护智能巡检系统设计

兰建雄，苏义坤，谭 勇，潘 勇,欧镇团

(1.广东省南粤交通仁博高速公路管理中心仁新管理处，广东 韶关 512600；2.东北林业大学 土木工程学院，黑龙江 哈尔滨 150040；3.广州誉宸信息科技有限公司，广州 广东 510627)

0 引 言

随着我国山区高速公路的建设发展，建设遇到的地形、环境也越来越复杂多样化，不可避免的会遇到大量的高边坡、桥梁等工程。而随着外界环境的不断变化影响，高速公路中的桥梁、高边坡等关键位置参量发生改变，对这些变化进行巡查监测，制定相应维护和养护措施方案，对高速公路运营安全具有重大意义。目前，我国高速公路巡检主要采用人工巡检的方式。传统的人工巡检主要采用目测方式，巡检结果的记录一般采用手工记录。但传统的人工巡检存在着危险系数高、巡检不全面存在盲区、巡检结果存在较大主观因素，缺乏客观科学性、巡检结果数据库储存和系统管理不完善等弊端。传统的巡检方法和思维已不能适应新的项目形式、环境等情况的要求，因此迫切需要新的管理模式来适应这一要求。

近年来，随着科技经济的进步发展，对高速公路项目建设提出了更高的要求，交通运输部提出“四个交通”建设，并把“智慧交通”作为四个交通发展的关键。探索设计智能化高速公路养护巡检系统，是落实交通运输部智能化高速公路建设科学高效的重要举措。无人机作为智能化、信息化的重要载体，具有灵活轻便、快捷高效等优势，被广泛应用于各个领域。但目前在高速公路养护巡检管理领域，仍处于初步探索阶段，存在管理体制及技术手段不完善；智能化信息化程度不高；高速公路设施信息描述不规范；高速公路巡检评估结果可信度较低等问题。现有学者利用GIS、激光点云、AR等技术对高速公路巡查系统进行设计与实现，为高速公路的巡检养护管理提供了统一的平台，相较于传统人工巡检更加的快捷高效，科学可靠。但很少有研究利用无人机技术对高速公路养护巡检系统设计应用。本研究以仁新高速为研究对象，基于无人机摄影技术具有视角灵活、不收地形限制等优势，以无人机摄影为主要技术手段，设计出一套完整的养护智能巡检系统，及时发现异常/病害，提升高速公路管养智能化水平。

1 概况与需求

1.1 项目概况

广东省仁化(湘粤界)至博罗公路仁化至新丰段是国家高速公路网“武汉至深圳高速公路”的重要组成部分，路线整体呈南北走向，路线全长163.933 km，共有特大桥、大桥31 503 m/85座，隧道27 705 m/14座，互通式立体交叉11处，分离式立体交叉3处，主线收费站1处，服务区3处，停车区3处，治超站1处。项目地处粤北山区，地形和地质条件极其复杂，桥隧比较高，土石方量大，高边坡点多，运营安全风险大，养护巡查任务量大。

1.2 系统功能需求

本系统的设计是为了更高效、更安全、更便捷地对高速公路桥梁边坡进行养护巡检，实现对仁新高速公路巡检工作的常态化智能管理。系统功能需求主要体现在以下几个方面。

(1)系统用户管理

对系统使用人员的用户账号与密码、权限进行统一管理。

(2)无人机航拍管理

本高速公路巡检系统借助无人机航拍进行路况图像采集，利用无人机视角灵活、可悬停拍摄等特点可实现自主飞行、巡检作业等功能。本系统需具备无人机机型选择、无人机飞行航线规划、无人机参数数据传输的功能。

(3)无人机图像处理分析

系统可对无人机巡检过程中拍摄到的图像进行处理、分析。确保每张图像都具备有效的属性信息。

(4)巡检任务管理

巡检任务管理主要包括任务创建、任务保存、任务上传、任务下载、任务执行五个方面。

(5)巡检数据管理

利用无人机获取采集到的数据是零碎、多样、体积巨大的。系统应具备对大量数据可以处理分析、任务文件分类和存储的功能。并可以运用曲线图、柱状图等表示不同管理技术人员对问题异常的处理数据统计分析。

(6)系统基础设置

系统基础设置包括用户管理、系统维护两个方面。用户管理是对用户账号、密码进行管理，包括新增、删除、修改等操作，对用户权限进行设定。系统维护是对系统进行日常维护，并进行记录。以满足用户的多样化需求。

2 巡检系统设计

2.1 系统总体架构

智能巡检系统由Web端后台管理平台和巡检APP两个模块组成。系统设计以网络化可靠安全、稳定灵活、经济创新为原则，系统总体框架分为四层：系统数据层、业务应用层、表现层、用户层。智能巡检系统总体架构如图1所示。

图1 巡检系统总体架构图

2.2 系统功能设计

在明确本巡检系统需求的基础上，设计出高速公路巡检系统功能主要分为用户登录管理、无人机航拍管理、无人机航拍图像分析处理、巡检任务管理、数据智能管理、系统基础设置六个功能模块。系统功能框图如图2所示。

图2 系统功能框图

2.3 基于Faster R-CNN的图像智能分析算法

Faster R-CNN进一步在Fast中加入了RPN网络，为模型赋予了自动提取候选区域的能力。同时Faster R-CNN将RPN获取得到的候选区域直接链接到ROI pooling层得到一个可端到端训练的目标检测框架。Faster R-CNN已经将特征抽取feature extraction，提取proposal，bounding box regression，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显。

图3 Faster R-CNN算法结构

3 结 语

本文提出了基于无人机摄影技术获取多源图像数据，对仁新高速养护巡检的系统构建设计，对智能巡检系统需求进行分析，论述了系统的总体结构、系统模块和系统主要功能。该系统重点解决日常巡查中人员难以到达、有效检测等问题，提升运营管养的能力，有效代替传统的人工外业巡检评估信息数据质量工作方式，加快了巡检速度、确保了巡检质量，使养护巡检工作更加高效，获取的检测数据不受检查人员责任心和经验影响，更加客观。促进了高速公路巡检养护管理作业智能化、管理的科学化。系统应用效果良好，为高速公路巡检养护决策提供了科学、有效的依据。