无人值守无人机在大坝边坡智能巡视检查中的应用

汪大全

（华电电力科学研究院有限公司 浙江省杭州市 310030）

1 引言

大坝边坡多数位于陡峭、植被覆盖多的无人地界，且电厂相关运行人员无法抵达现场进行巡视检查，对于复杂的地形地貌而言，传统的巡视检查及监测方式因其操作难度大，精度低，测量成果单一、成本大、风险高等特点已不再适用或无法满足电站运行需求。无人值守无人机（以下简称“无人机”）智能巡视检查系统在边坡巡视检查的应用，可大大提高巡视检查效率、巡视检查质量、巡视检查精度及巡视检查实时性，且无人机机动性强、视野广阔、智能化程度高，应用不受地理条件限制，可根据水电站大坝边坡的复杂程度、陡峭、范围广、多植被覆盖、监测难度大等特点定制特定巡视检查路线。借此，笔者对传统的人工巡视检查和无人机在大坝高边坡巡视检查相对比，并展开相关的研究。

2 传统的人工巡视检查存在的问题[1]

水电站边坡一般规模大、范围广，传统的人工巡视检查周期长，人员多，巡视检查难度极大，巡视检查效果有限，且存在较大的安全隐患及风险。

2.1 传统的人工巡视检查存在安全隐患及风险

水利工程的修建将条件复杂的原始地质的结构破坏，坝体变形及渗流都会对两岸边坡产生影响。在山区或峡谷开挖量较大的边坡地带易出现张开、错动、崩塌、滑坡、渗水等等，在不利条件的影响下，传统的人工巡视检查需徒步进入待巡视检查的工作区域，工作及其艰难，甚至冒着生命危险来完成巡视检查任务，其危险性不言而喻。

2.2 边坡巡视检查存在盲区

复杂的特殊区域如高边坡、树木茂密地方等巡视检查人员无法到达，常规巡视检查已无法满足现阶段工作要求。

2.3 边坡巡视检查缺乏相关资料文档，不便判断大坝的运行性态和日常管理

常规巡视检查方法得到的相关资料文档，只能通过相关有效的处理的才可生成边坡模型图像。边坡安全性分析仅从数据上来进行判断，缺乏与影像数据媲美的直观性，无法真正掌握边坡的实际运行性态。

2.4 坡巡视检查结果缺乏专门的数据库储存和系统管理

现阶段各电厂巡视检查的结果一般按照相关标准的要求采用人工记录，形成书面报告或电子文档的形式进行储存和管理，常规的存储管理模式比较落后，无法满足电厂精细化、无人管理的要求，而且增加相关专业人员的工作量，缺乏专门的数据库储存和系统管理，现各电厂都在建设大坝安全管理系统，有效的解决此问题。

3 无人机在大坝高边坡应用的优势

3.1 提升巡视检查的效率和及时性

相比传统的人工巡视检查，无人值守无人机巡视检查灵活性性强、范围广、智能化程度高，且应用不受地形地貌条件限制，可以按照指定路线（需要巡视检查的薄弱部位和存在安全隐患部位边坡）及指定部位（已发现的存在缺陷隐患部位边坡）开展巡视检查，可实现高空定点监测功能，自主作业、自主收藏、自主充电等智能化功能，且无人机监测数据均可以通过机载设备通过4G/5G、Wi-Fi 等传送至服务器或公有云，大幅提高巡视检查的效率和及时性。

3.2 降低巡视检查的成本[2]-[3]

无人机巡视检查具有速度快、覆盖面广，且不受地形地貌影响等特点，可按照指定的路线到达巡视检查人员无法到达的高边坡，从而提高巡视检查效率，节省大量时间和人工成本，大大降低大坝边坡巡视检查的成本。此外，无人机机动性能好，环境适应能力强，可以快速抵达存在风险隐患的大坝边坡，以图像或视频的方式自动把存在风险隐患的边坡具体情况及时反馈给用户，同时通过图像识别和人工智能技术，实现边坡实时报警预警。

3.3 搭载丰富，具备多样化巡视检查模式[4]

无人机智能巡视检查系统可搭载可见光摄像机、红外热像仪等多种任务载荷，对存在风险隐患或地质灾害缺陷的边坡进行实时监测，可完成常规巡视检查、定点监测两种监测飞行，并支持单舱飞行和多舱接力飞行两种操控模式，应用于枢纽区边坡巡视检查和日常监测。

3.4 经图像识别快速定位缺陷的位置

使用无人机开展大坝高边坡巡视检查工作时，可将高清摄像头等设备搭载到无人机上，通过智能巡视检查、存在缺陷或隐患图像智能学习、图像识别，快速识别定位高边坡存在的缺陷和位置，从而为高边坡的维护提供可靠的依据。

4 无人机在高边坡的应用

4.1 无人机组成

无人机智能巡视检查系统由各类软件系统、无人机自动机场、无人机等部分组成。按照功能分层主要有六大层次架构，主要架构功能如图1 所示。

图1：系统功能构架图

硬件层：主机载无人机；大坝及两岸边坡周边气象环境量监测设施；承载各类系统运行的PC 服务器和辅助无人机机场UPS 后备电源硬件等。

网络层：网络环境支持要求，无人机需要通过4G/5G、无线Wi-Fi 等网络获取网络RTK 服务，无人机场的Wi-Fi、内部局域网络连接等。

软件层：支持无人机智能巡视检查的软件平台，实现三维模型处理和对采集的巡视检查图像视频数据实现缺陷识别的软件等，目前华电集团统一使用的大坝安全管理系统，将无人值守无人机在大坝边坡智能巡视检查嵌入大坝安全管理系统，实现统一管理和使用。

数据层：无人机自动巡视检查过程采集的数据，主要包含可见光拍照图片、边坡现场拍摄的视频和气象设备采集风向、风速等脉冲信号数据。

应用场景：适用于无人机智能巡视检查、对边坡的三维数据建模、对采集的数据实现缺陷的智能化识别等。

系统功能构架图见图1 所示。

4.2 巡视检查路线、部位

巡视检查内容可根据大坝巡视检查的要求，结合大坝实际情况制定，每次巡视检查的路线、内容及周期可根据实际情况进行配置和选择，根据需要进行定期和不定期的影像资料的自动采集，也可根据实际情况进行自动的选择和实施。巡视检查部位主要包括：大坝坝顶、廊道、坝体上游立面、坝体下游立面、近坝岸坡、近坝库区库面、近坝库区库岸和坝后尾水河道。

4.3 巡视检查内容[6]

边坡巡视检查包括以下几方面：

4.3.1 枢纽区边坡巡视检查内容

（1）土质边坡表面裂缝、沉陷、渗水、兽洞、蚁穴以及相关部；

（2）土石边披交界处错动、错距等；

（3）岩质边坡危岩、风化破碎岩体、稳定性较差强卸荷岩体等；

（4）主、被动防护网破损、锚固结构松动变形等；

（5）披脚重力式支挡结构开裂、沉陷、错动、断裂等；

（6）喷射混凝土层或贴坡混凝土裂缝、隆起、锚杆松动、混凝土剥蚀、挂网钢筋裸露等；

（7）预应力混凝土外锚头及混凝土格构裂缝、变形、断裂、松动等；

（8）枢纽区冲沟混凝土或浆砌石引排、拦挡结构裂缝、沉陷、错动、断裂、破损等；

（9）边披洞室（排水、灌浆等）混凝土衬砌剥落、裂缝、错动、露筋等；

（10）边披洞室围岩崩塌、掉块等；

（11）边披洞室徘水沟淤积、排水孔堵塞等；

（12）枢纽区冲沟引排、拦挡结构淤堵等；

（13）其他异常情况。

4.3.2 近坝库岸

（1）库岸再造、滑坡、泥石流、植被情况；

（2）库岸滑披体、变形体、崩塌堆积体的部位、规模，地表开裂、错动、滑移、崩塌、隆起、塌陷、异常渗水情况；

（3）地面房屋、道路等建筑物开裂、破坏情况，树木推移、倒塌等情况；

（4）库岸滑坡体、变形体、崩塌堆积体的支挡结构的变形情况；

（5）排水洞、排水孔出水情况；截水构、排水沟的破坏和淤堵情况；

（6）其他异常情况。

边坡巡视检查内容表见表1 所示。

表1：边坡巡视检查内容表

4.4 无人机智能巡视检查的关键技术[7]-[8]

无人机智能巡视检查的关键技术主要包括无人机按照指定路线（需要巡视检查的边坡）及指定部位（已发现的缺陷隐患点）开展巡视检查，并将巡视检查的结果定性分析、定量分析和智能诊断分析。

4.4.1 关键技术路线

技术主要包括：像控点布置、航线规划、飞行作业、数据准备、图像智能识别和处理、边坡巡视检查结果的评估与巡视检查管理系统的开发，关键技术为图像智能识别和处理。

技术路线图见图2 所示。

图2：技术路线图

4.4.2 无人机检结果的定性分析和定量分析

无人机检结果的定性分析和定量分析主要指：

定性分析，主要是通过图像识别技术能够及时发现边坡新出现的塌方、滑坡、裂缝、落石等缺陷和隐患，并对缺陷和隐患点进行标记。

定量分析，主要对重要部位和已发现的缺陷隐患点开展精细化的巡视检查分析，评判重要部位安全状态、已发现缺陷发展变化情况，如裂缝宽度、位移变化量、塌陷滑坡面积、植被倒伏面积、渗水情况等。

4.4.3 图像识别及诊断分析

对已发现大坝边坡缺陷的图像视频等数据进行大量训练，或无人机自动学习更深层次的特征，然后进行检测分类，在数据量充足且特征合适的情况下，提取和识别的准确率才能达到预期效果，对于缺陷样本数据的采样是一个积累的过程，需要大量的数据样本完成整个智能识别的能力，从而建立缺陷状态识别模型，实现大坝边坡异常状态智能识别与准确定位。开展大坝边坡巡视检查数据中图像智能识别研究工作，不断积累缺陷隐患图库，选取智能图像识别算法对大坝边坡缺陷隐患进行初步识别验证。数据是模型训练的基础，高质量大规模训练数据库的建立是深度学习模型不断进行优化的关键。

4.5 边坡缺陷隐患预警模告警研究

研究针对多植被高边坡的塌方、滑坡、掉石等不同缺陷预警参数及阈值进行研究，实时对缺陷发展变化情况进行历史比对和趋势预测，根据比对和预测分析情况开展预警报警研究。

4.6 无人机应用

无人机智能巡视检查系统通过控制平台实现无人机全自动、智能化超视距巡视检查的作业能力，从而达到对大坝边坡的不间断自动巡视检查。按照指定路线（需要巡视检查的边坡）及指定部位（已发现的缺陷隐患点）开展巡视检查，图像和视频实时回传到客户端。PC 服务器在后端对拍摄照片和视频进行处理，并结合图像识别技术和AI 人工智能技术自动识别边坡的隐患缺陷等问题。

无人机智能巡视检查系统流程图见图3 所示。

图3：无人机智能巡视检查系统流程图

5 结语

水电站大坝边坡安全状态直接关系到大坝的安全，边坡的失稳或滑坡将造成严重的后果，笔者通过本文的剖析，探索和研究无人机在大坝边坡智能巡视检查中的应用中的关键技术，为大坝安全运行提供预防性，为发电企业设备和人员的安全提供有力的保障。大坝边坡的智能巡视检查及预警报警技术的研究将给金属矿山、公路铁路的高边坡巡视检查和预警报警带来很好的参考价值。本研究未对无人值守无人机在大坝边坡智能巡视检查的图像识别，智能人工AI 学习等方面进行研究，期望在后期的研究中加强对此方面的研究。