无人机智能巡检技术在大型水电工程施工监管中的应用研究

冯 康，郭 翔，赵保国

(黄河勘测规划设计研究院有限公司，河南 郑州 450003)

大型水电工程施工现场环境复杂、作业面广，特种机械设备多、交叉作业多，危险源多，且一线劳务人员素质参差不齐，安全意识薄弱，对施工安全管理工作造成了很大压力，有效的施工监管可减少施工现场事故的发生率。传统的监管方法主要依靠人力巡检，随着科技的发展，通过安装监控的方式实时监管越来越成为主流，但这两种方式发挥的作用均很有限：一是施工作业面广，工序多，传统人工巡检效率低，且监管人员频繁的穿梭于施工现场，安全难以得以保障；此外，人工巡检成效和监管人员的责任心、知识程度、管理能力有很大关系，人员责任不强、能力不足将大大影响监管效果。二是实时监控方法对现场安装环境要求较高，使用范围有限，监控盲区还需采取传统人工巡检方式；且查看监控人员责任心不强也会大大影响监管效果。

无人机具有小巧灵活、安全可靠的优点，且可实现高分辨率影像的采集，在工程建设、生态环保等工作中越来越受到关注。石先闯[1]、孙娜[2]等将无人机技术应用在水土流失治理中，付化胜[3]将无人机航摄及三维建模技术应用在河道采砂监管中，刘少宇等[4]将无人机航摄技术应用于露天矿山监管中，谢洪斌等[5]将无人机倾斜摄影技术应用于矿山精细化监管中，张家犇等[6]将无人机航摄技术应用到港口工程施工安全监管中，张李均将无人机遥感技术应用到水土保持监测信息数据管理中，胡云华等[7]将无人机倾斜摄影技术应用到生产建设项目水土保持监管中，刘文壮等[8]将无人机遥感技术应用到河湖岸线监管中。但经过调研发现，大多数无人机监管多停留在利用传统影像或通过三维建模来判断目标动态，多属事后发觉，达不到实时动态监管的要求。针对这一现状，提出了利用无人机与图像识别技术深度融合来构建无人机智能巡检系统，从而实现实时动态监管，提高监管成效，保障施工安全。

1 项目概况

某大型抽水蓄能电站枢纽工程主要建筑物由上水库、下水库、输水系统、地下厂房和开关站等组成，装机容量1800MW，为一等大型工程。

该电站二期施工区施工面积约3.2km2，上下库最大高差超600m，南北最长跨度约5km，具有范围大、高差大、跨度长的特点，这些客观因素导致人工监管安全困难重重，人员到场慢，监管效率低。

本次项目服务区域包括电站施工现场进厂交通道路、通风洞、上下库连接公路、上下库、业主营地等室外施工区域，服务内容主要通过无人机巡检+目标识别方式，巡检识别基建现场不少于15种的典型违章，及时推送至手机端发出短信警报信息，并远程通过喊话器及时制止违章行为，进而解决现场安全监督力量薄弱的问题，提升抽水蓄能电站在安全方面的智能化管控水平。

2 方案设计

2.1 机型选择

结合施工现场实际，选取某型号旋翼无人机，该无人机具有以下特点。

(1)续航能力强。该无人机拥有55分钟的续航能力，还支持热插拔，可以在无需关机的情况下，先更换一块电池再更换另一块，更换电池后也不再需要花时间重启系统和软件。

(2)精准复拍。借助在线任务录制和精准复拍功能，飞手在完成一次巡检任务后，可从录制的样片中框选出兴趣目标区域，无人机可精准记录位置角度和构图信息。在后期自动化巡检中，通过AI算法自主比对实时画面并调整拍摄角度，无人机每次作业都能拍到同一目标区域。

(3)智能避障。该无人机通过将双目视觉和红外传感器同时引入到机身的6个面上，实现了全向感知和避障。

(4)智能跟踪。针对移动中的目标，可实现自主识别、定位并持续跟踪。

(5)多重冗余。飞行过程中如某个系统突发故障，冗余系统会迅速开启，保证安全降落。

2.2 典型违章行为识别

根据项目要求，结合天气及施工现场条件，对基建施工现场执行每周不少于5次，每次不少于2小时的安全巡检，经梳理，监测的典型违章行为见表1。

表1 违章监测内容

2.3 智能识别模型构建

利用基于神经网络的图像识别技术，构建了适用于违章巡检的智能识别模型，使用图像标签样本对模型进行了训练，而后进行智能识别。根据要求收集整理前期数据训练集，共收集训练用影像3000余张，并组织人员对影像集进行人工样本标注，然后将制作好的数据样本集送入模型进行多次迭代训练和调参，而后得到识别用的权重参数文件，将权重文件和待检测目标同时输入到网络模型中，即可输出预测目标识别结果。

智能识别模块主要包括数据集收集与标注、网络模型调优调参、识别目标特征信息提取、输出权重及实际目标检测识别，整体流程如图1所示。

图1 整体流程图

2.4 手机APP开发

针对识别结果的报警功能，进行了相关报警APP的设计与开发工作，主要设计流程如图2所示。

图2 手机APP设计流程图

2.5 空中喊话器

对现场进行了基于无人机的报警喊话装置配备，在无人机飞行巡检过程中配合完成相关问题的现场喊话通知。喊话喇叭可在机腹无损安装，不影响无人机六向避障，不占用云台安装位。

3 应用分析

无人机智能巡检4个月以来，总计飞行时长约10080分钟，拍摄照片10340张，共发现违章258起。按照出现频次的大小排序，具体见表2。结合人工判别，识别精度统计见表3。

表2 违章情况统计表

表3 识别精度统计表

3.1 数据分析

从违章行为出现频次来看，施工区域人员未带安全帽、高处作业人员未戴安全绳、运渣车倒渣无人指挥等违章行为多次出现，焊工距离气瓶不足10m、电线未架空、装载机违规载人等违章行为偶尔出现，10kV户外箱式变压器未设安全围栏、汽车起重机作业无人指挥、挖掘机违规载人等从未出现。

3.2 从识别精度分析

机动或农用三轮车进入施工现场，人员未戴安全帽，洞、坑旁未设置警示标志和防护设施、电线未架空等目标特征明显的违章行为识别率较高，运渣车倒渣无人指挥、三级电箱未按标准化设置等目标特征不明显或存在多目标特征的违章行为识别率较低，后经核对前期训练样本，发现识别率高的项目，前期样本也较多，识别率较低的项目，前期样本较少，识别精度对训练样本的数量与质量依赖性较大。

随着样本数量的增多，项目团队不断地对模型进行新的数据样本集填充，以此来提升智能模型识别精度。后期在无人机智能巡检系统的辅助下，现场违章的行为及类别均有明显下降。其中，施工区域人员未带安全帽、高处作业人员未戴安全绳、渣场区域运渣车倒渣无人指挥、三级配电箱基础未按照标准化设置等违章行为大量减少，其他违章行为出现频次也有不同幅度的降低。

4 结语

安全生产重于一切，大型水电工程建设环境复杂，依靠传统巡检模式，不仅费时费力，且监管人员来回穿梭于施工现场，安全难以得到保障。本文设计的无人机智能巡检系统，具备全时、全域、自动化程度高等优势，实现了施工现场实时动态立体化的监管，减少了人力物力投入，提高了监管效率，为持续探索大型工程建设项目安全监管新模式提供了借鉴。看到优势的同时，该系统也存在一些不足，一是无人机在续航能力、抗恶劣天气上仍有短板，二是系统在违章自动化识别率上仍有提升空间，在无人机选型、识别模型的选择及优化上还有待进一步研究。