基于IPA和机器视觉的网络巡线全流程管控系统探究

摘要：基于现行高度智慧的自动化技术背景，网络巡线流程管理在整合现有资源方面应以可视化、自动化等原则为基础，并积极融入更加现代的现场管理技术，以降低人工成本支出的同时提升现场网络巡线质量。为实现这一目标，建议以移动网络巡线全流程管理系统为出发点，重点利用IPA和机器视觉技术来提高巡线流程的效率和质量。基于此，本文以“IPA和机器视觉概念——IPA和机器视觉在网络巡线全流程管控应用意义——网络巡线全流程管控应用措施”为探究脉络，进行了相关探讨，以供参考。

关键词：IPA；机器视觉；移动网络巡线；全流程管控；系统

移动网络巡线主要是指对一线相关设备、线路等进行动态、系统化的检查，旨在及时发现问题并解决问题[1]。然而，传统的巡线方式主要以人工为主，存在工作效率低、准确性不高、安全保障差等问题。基于IPA和机器视觉技术的移动网络巡线全流程管控系统，能够进一步提升现场移动网络巡线管理的有效性，包括降低人工干预、提高巡线工作效率等方面。由此，有必要对这一技术进行探索和研究。

一、基于IPA和机器视觉的移动网络巡线全流程管控系统概述

（一）概念界定

1.智能流程自动化（IPA）

IPA（Intelligent Process Automation）是一种基于“RPA”（Robotic Process Automation）的衍生产品，它是一种更加先进的自动化机械人运行模式，更加智能和智慧[2]。IPA涉及的人工智能技术更加可靠，它能够借助基础流程自动化、机器学习、人语识别等技术，在更加复杂的情景中提升现场管理效益。在移动网络巡线过程中，IPA能够基于机器视觉和机器学习技术，对巡检流程进行全面优化，从而在降低人工成本的同时，提升巡检效益。

2.机器视觉

机器视觉主要是指结合相关视频技术，抓取现场某时段图片，并利用机器视觉的逻辑规则，对图片进行深度的整合、分析和处理，从而实现管理人员对现场的远程感知和控制。通过机器视觉动态对照现场线路设备是否存在故障，并根据识别结果自动触发预警。

（二）应用意义

结合TPA和机器视觉概念、基本运行规则，其在移动网络巡线全流程管理中拥有以下几点意义：

第一，可有效提升巡线的效率与准确率。借助机器视觉技术，后台管理人员可对整个巡线线路进行动态的监控管理，并借助设备自动识别的实时数据实现对现场的零距离管理[3]。与传统人工巡检模式相比，基于IPA和机器视觉的巡检技术能够有效避免人工失误，提升巡检效率，同时降低不必要的人工成本支出。

第二，可实现故障的智能排查和预警。借助这一智能技术，系统可以全面收集和处理现场数据，通过内部逻辑程序对图片、视频等数据信息进行对照处理，快速识别设备或线路是否存在故障[4]。在故障发生后，系统可以根据故障类型、机器学习技术或历史维护记录自动生成处理方案，从而实现故障的自动化预警，提升移动线路维护的可靠性，减少故障处理时间。

第三，基于IPA和机器视觉的移动网络巡线管理模式可以设计可视化的现场管理模式。后台管理系统可以直观地展示现场管理情况，监控现场人员是否按照标准签到，管理历史数据，并提出线路后期维护计划，如成本控制、人员管理和维护计划等。

第四，通过视觉采集技术可有效提升巡线检查的安全性与可靠性。复杂和恶劣环境下的移动巡线线路可以通过远程高清视频控制，避免巡线人员进行危险作业，从而提高巡线的安全性。

二、基于IPA和机器视觉的移动网络巡线全流程管控全流程分析

（一）拟解决问题

目前，在整个移动传输线路的维护和巡检过程中，存在巡检人员现场巡检质量不高的问题，如未到达现场巡检或在现场巡检过程中未及时发现潜在问题，这可能影响巡查质量，甚至导致维护问题。具体问题如下：

1.解决巡线人员现场巡查签到问题：一线巡线工作繁琐、枯燥、艰辛，部分巡检人员可能让其他人代替进行巡检签到，或者虚报巡检结果[5]。为避免这种情况，需设计现场人脸识别、巡检人员定位等现场管理机制。

2.解决隐患识别水平低的问题：巡检主要目的在于发现、排除和解决问题。然而，由于一些巡检人员的素质和能力等因素影响，他们可能缺乏责任心或疏忽大意，难以及时发现隐患。为解决这个问题，可以利用现代技术设备对现场进行机器识别，并引导巡检人员有针对性地检查和处理，以提高现场巡检效果。

（二）整体系统框架设计

基于上述拟解决问题，结合IPA和机器视觉的功能和特点，以现场自动、实时和智能化控制为核心，设计整体系统框架如下：

1.IPA控制模块

IPA控制作为整个框架的核心构成，其主要任务在于对巡线全流程中的相关设备、数据进行自动化处理，如驱动现场设备传输图片、视频等，然后基于实现设定的精准控制程序，确保现场巡线人员能够顺利参与活动作业。

2.机器视觉模块

其任务主要在于借助现场监控摄像头对所涉及的区域进行动态图像抓取，并借助相关分析和图像梳理基础，对照识别逻辑程序中可能存在的异常情况，以进一步提升巡线质量[6]。

3.数据处理与分析模块

设计本模块的意义在于即时汇总、分析、整合、输出机器视觉系统所采集的数据，从而实现对巡线现场进行实时监控、管理。如通过即时输出模块，让管理层能够更好地指导或调整巡线线路。

4.通信模块

为进一步提升现场巡检人员与后台管理或指挥人员的交互效果，确保各个模块之间能够进行信息的互通，需要设计相关通信模块，即无线通信、远程语音交互等，以进一步提升系统的可靠性、便捷性。

5.用户管理界面模块

为进一步提升操作便捷性，需设计一个直观、友好的操作界面，以便更好地对系统进行监控、管理。如图1所示。

（三）技术实施流程

为进一步提升IPA和机器视觉的移动网络巡线全流程管理效果，以巡线看护打点和隐患上报照片都上传在代维管理系统，对这些照片进行进一步处理为例，对技术实施流程进行系统分析。

1.下载所需图片

管理人员应根据平台数据收录目录，以待检查的线路为基础，精准定位需要下载的所有图片。按照设定的IPA程序和相关步骤，在浏览器上进行下载操作[7]。具体操作如下：（1）设置好需要导出照片的隐患类型、时间段和区域，并在浏览器中创建相应的文件夹（如图2所示）。（2）按照人工核查的步骤，设定IPA流程，遍历页面上的工单。逐个工单点击查看照片，判断照片数量，并进行下载。（3）下载时，以流水号来命名照片，以便后续查找问题位置时能够进行对比和核查。（4）下载当前页面的照片后，检查是否可以翻页。若下载到最后一页，则切换至下一区域进行继续下载[8]。

2.实际处理现场图片

导出图片后，IPA程序运行结束后可以看到照片已经按照区域导出，方便进行下一步的 操作。在IPA流程中嵌入了部分Python代码，辅助在网页上进行相关操作，包括在照片下载完毕后运行人像和经纬度匹配功能。具体步骤有：（1）部署opencv环境，实现图像处理和计算机视觉算法功能。利用dlib提取人脸特征关键点，如图3所示，通过多维度特征标记人脸特征，并利用resnet深度残差网络对巡线人员库的照片进行训练，建立模型，以完成人员身份核对。（2）使用pytesseract库实现经纬度识别功能。对之前下载的照片文件夹运行程序，提取人员库模型信息与照片信息进行比对。将图片转化为灰度信息，通过阈值化突出白色字体，提高识别精准度。（3）输出结果，包括比对出的照片中人员的姓名、照片中的打点经纬度，以及最近的关键点经纬度与打点经纬度的相对距离。根据要求，确保打点位置与引上、光交箱点位的距离不大于50米，与过路、过河点位的距离不大于150米，最后按照标准判定巡线人员是否在关键点巡查范围内。

（四）成果分析

结合上述技术应用案例结果，通过利用IPA自动下载各区域的巡线打点照片，并结合AI机器视觉技术识别人脸和照片中的坐标，可以实现以下目的：

1.判断巡线看护人员是否为本人参与，排除冒名顶替的情况。通过对巡检照片进行对比，发现巡查范围之外未出现本人照片的情况，如在上述对比中发现LXM有三次未在巡查范围内，应对其进行引导和培训。

2.比对照片坐标和管线系统关键点坐标，判定巡线人员是否对关键点全量进行真实性拍照核查。发现巡查范围内关键点未被拍摄的情况，如在上述比对中发现CPH有一次未在巡检范围内，可进行进一步处理。

3.对照片中存在的隐患进行再次识别，并进行一键派单处理。将隐患发现和整改的过程流程化，实现隐患管控和追溯，提高管理效率和监督能力。

三、结束语

综上所述，在数字技术、信息技术和通信技术快速发展的背景下，相关企业要想有所发展与进步，需基于自身实际需求，以一线现场管理目标和任务等要素为基础，主动引入更智慧、智能的管理技术。在引入新技术的过程中，应以成本、便捷性和可靠性等因素为基础进行选择。本文通过IPA和机器视觉在网络巡线中的应用进行系统分析，探讨了系统模块构成和实践案例，具有一定的参考价值。这种结合先进技术与实际应用的做法有助于提高管理效率、降低人为错误，并促进企业在数字化转型中取得更大的成就。随着科技的不断进步，企业应不断更新管理理念和技术手段，以适应市场变化并提升竞争力。

参考文献

[1]李文，李炎.基于虚拟仪器的机器视觉的起重机械钢丝绳缺陷检测技术研究[J].山西能源学院学报，2022，35（01）： 99-102.

[2]薛晴心，余正杰，李鑫龙等.机器视觉在自动化生产线中的应用实例[J].物探装备，2022，32（01）： 21-24.

[3]张战胜，马亮.基于机器视觉的通信网络数据可靠度计算方法[J].电子设计工程，2022，30（04）： 88-91+96.

[4]徐尉豪.基于机器视觉的动态环境运动目标智能识别研究[J].激光杂志，2022，43（01）： 29-32.

[5]梁诚意.基于机器视觉的配电网隐蔽工程智能化系统设计[J].信息与电脑：理论版，2021，33（23）：138-140.

[6]孙雪丽，张亚周，金堃.OpenMV视觉模块的滚球目标识别与追踪系统研究[J].单片机与嵌入式系统应用，2021，21（02）：8-10.

[7]张兆云，黄世鸿，张志.机器视觉在无人机巡线中的应用综述[J].科学技术与工程，2020，20（34）：13949-13958.

[8]成建宏.机器视觉在输电线路巡检机器人中的应用综述[J].自动化技术与应用，2019，38（04）：83-87.