阴暗潮湿环境巡检机器人自动开启隧道防火门方法及系统技术方案

本发明专利技术提供了一种巡检机器人自动开启隧道防火门方法，获取阴暗潮湿环境中机器人运动轨迹上的图像数据或视频数据；根据获取的数据，利用预设神经网络提取网络浅层特征和深层特征，对多层的卷积特征进行反卷积，将反卷积结果进行融合，生成目标图像的显著性图；对得到的显著性图进行目标识别，得到的目标分类概率，进而得到防火门识别结果；当识别到防火门时，生成门扇状态查询指令并发送给门扇控制终端，门扇控制终端根据门扇状态查询指令，获取门扇的当前状态，根据门扇的当前状态，控制门扇的开启或关闭；本发明专利技术提高了防火门识别精度，解决了巡检机器人因防火门开闭不及时带来的巡检效率低下问题，保证了巡检机器人安全通过防火门。过防火门。过防火门。

【技术实现步骤摘要】
阴暗潮湿环境巡检机器人自动开启隧道防火门方法及系统


[0001]本专利技术涉及隧道巡检
，特别涉及一种阴暗潮湿环境巡检机器人自动开启隧道防火门方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]在城市综合管廊和电力电缆隧道等狭长建筑中，分布着大量的管线与设备，其中光照条件差、空气湿度相对较大，有害气体含量高，采用人工巡视，劳动强度大、巡视效果差、作业风险高，引入巡检机器人可以显著提高工作效率，保证作业安全性。机器人巡检已经被越来越多的运维单位接受。但为了满足消防分区的要求，管廊或隧道通常每200米会设置一道常闭式防火门，如何既能保障防火门的正常功能，又能使机器人自主穿越防火门，显得尤为重要。
[0004]目前常用的机器人穿越防火门方法有以下几种：(1)位置信号法，在现有防火门上方另外设置一套适合机器人通过的专用防火门，机器人沿挂轨行走到达指定位置，触发开门控制系统；(2)RFID标签识别法，机器人通过识别设置在防火门附近的地面上的RFID标签，触发控制终端启动电动机控制防火门的系统；(3)机械臂开门法，即搭载机械臂的机器人模仿人类开门动作。
[0005]专利技术人发现，位置信号法中的机器人轨道会影响电缆隧道内防火防爆效果，隧道中的RFID识别易受到隧道积水和金属电磁环境的影响，识别率不够稳定，机械臂重量大、造价高对机器人本身提出了非常高的要求；现有的防火门识别算法大多无法实现光照条件差或者潮湿模糊环境下的防火门准确识别，从而极大的影响了巡检机器人的通行效率。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了一种阴暗潮湿环境巡检机器人自动开启隧道防火门方法及系统，采用改进的防火门识别算法，提高了光照条件差、潮湿模糊环境下防火门识别精度，解决了巡检机器人因防火门开闭不及时带来的巡检效率低下问题，保证了巡检机器人安全通过防火门。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术第一方面提供了一种阴暗潮湿环境巡检机器人自动开启隧道防火门方法。
[0009]一种阴暗潮湿环境巡检机器人自动开启隧道防火门方法，包括以下过程：
[0010]基于机器人巡检时获取的图像数据或视频数据，利用预设神经网络提取隧道防火门的网络浅层特征和深层特征，对多层的卷积特征进行反卷积，将反卷积结果进行融合，生成目标图像的显著性图，其中，预设神经网络通过对标定后的阴暗潮湿环境下的防火门样本进行深度学习训练得到；
[0011]对得到的显著性图进行目标识别，得到的目标分类概率，进而得到防火门识别结果；
[0012]当识别到防火门时，生成门扇状态查询指令并发送给门扇控制终端，门扇控制终端根据门扇状态查询指令，获取门扇的当前状态，根据门扇的当前状态，控制门扇的开启或关闭。
[0013]进一步的，对获取的视频数据进行预处理，包括：进行视频数据的抽帧、上下文信息融合、图像锐化处理，获得强化后的关键图像。
[0014]或者，
[0015]对获取的图像数据进行预处理，包括：进行图像数据的上下文信息融合、图像锐化处理，获得强化后的关键图像。
[0016]进一步的，在获取特征图后，利用随机场的方法，对图像像素进行关系计算，对图像中不同物体的像素进行分割，得到目标分类结果。
[0017]进一步的，预设神经网络为YOLOv4神经网络，在YOLOv4神经网络中增加注意力机制，YOLOv4在Darknet53主干网络的每个大残差块上加上CSP；
[0018]将YOLOv4神经网络的基础层的特征映射划分为两部分，再通过跨阶段层次结构合并。
[0019]本专利技术第二方面提供了一种阴暗潮湿环境巡检机器人自动开启隧道防火门系统。
[0020]一种阴暗潮湿环境巡检机器人自动开启隧道防火门系统，包括：巡检机器人和防火门控制模块，防火门控制模块包括光电传感器、门磁开关和电动闭门器，光电传感器、门磁开关和电动闭门器分别与门扇控制终端通信连接；
[0021]门扇控制终端，被配置为：接收巡检机器人的门扇查询指令，通过光电传感器检测门扇打开状态，通过门磁开关检测门扇关闭状态，根据门扇状态查询指令和门扇的当前状态，控制门扇的开启或关闭。
[0022]进一步的，门扇开启后，控制终端向机器人发送可以通过指令。
[0023]进一步的，巡检机器人，被配置为：
[0024]获取阴暗潮湿环境中机器人运动轨迹上的图像数据或视频数据；
[0025]根据获取的数据，利用预设神经网络提取网络浅层特征和深层特征，对多层的卷积特征进行反卷积，将反卷积结果进行融合，生成目标图像的显著性图；
[0026]对得到的显著性图进行目标识别，得到的目标分类概率，进而得到防火门识别结果；
[0027]当识别到防火门时，生成门扇状态查询指令并发送给门扇控制终端。
[0028]与现有技术相比，本专利技术的有益效果是：
[0029]1、本专利技术创新性的提出了一种阴暗潮湿环境下防火门的识别方法，采用改进的防火门识别算法，提高了防火门识别精度，解决了巡检机器人因防火门开闭不及时带来的巡检效率低下问题，保证了巡检机器人安全通过防火门；利用随机场方法，计算显著性图中像素关系，提高了对目标定位的准确性。
[0030]2、本专利技术创新性的提出了一种阴暗潮湿环境下防火门图像特征提取方法，针对弱光使用环境的现状，通过抽帧、上下文信息融合、图像锐化处理方法，获得强化后的关键图像信息，提高了阴暗潮湿环境下目标识别的准确度；在特征提取网络中增加注意力机制，优化特征筛选的权重，提高了网络性能，利用全局最大池化操作降低特征信息损失，生成特征描述，提高了目标识别的准确度。
[0031]3、本专利技术创新性的提出了阴暗潮湿环境巡检机器人自动开启隧道防火门，通过巡检机器人与防火门控制模块之间的快速数据交互，保证了防火门的快速开闭，实现了巡检机器人的不间断巡检，提高了巡检效率。
[0032]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0033]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0034]图1为本专利技术实施例1提供的防火门识别方法的流程示意图。
[0035]图2为本专利技术实施例1提供的显著性特征图提取的结构示意图。
[0036]图3为本专利技术实施例1提供的YOLOv4神经网络模型的结构示意图。
[0037]图4为本专利技术实施例2提供的防火门关闭状态示意图。
[0038]图5为本专利技术实施例2提供的防火门打开状态示意图。
[0039]图6为本专利技术实施例2提供的巡检机器人自动开启隧道防火门系统工作流程图。
[0040]图7为本专利技术实施例2提供的巡检机器人自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种阴暗潮湿环境巡检机器人自动开启隧道防火门方法，其特征在于：包括以下过程：基于机器人巡检时获取的图像数据或视频数据，利用预设神经网络提取隧道防火门的网络浅层特征和深层特征，对多层的卷积特征进行反卷积，将反卷积结果进行融合，生成目标图像的显著性图，其中，预设神经网络通过对标定后的阴暗潮湿环境下的防火门样本进行深度学习训练得到；对得到的显著性图进行目标识别，得到的目标分类概率，进而得到防火门识别结果；当识别到防火门时，生成门扇状态查询指令并发送给门扇控制终端，门扇控制终端根据门扇状态查询指令，获取门扇的当前状态，根据门扇的当前状态，控制门扇的开启或关闭。2.如权利要求1所述的自动开启隧道防火门方法，其特征在于：对获取的视频数据进行预处理，包括：进行视频数据的抽帧、上下文信息融合、图像锐化处理，获得强化后的关键图像。或者，对获取的图像数据进行预处理，包括：进行图像数据的上下文信息融合、图像锐化处理，获得强化后的关键图像。3.如权利要求1所述的自动开启隧道防火门方法，其特征在于：在获取特征图后，利用随机场的方法，对图像像素进行关系计算，对图像中不同物体的像素进行分割，得到目标分类结果。4.如权利要求1所述的自动开启隧道防火门方法，其特征在于：预设神经网络为YOLOv4神经网络，在YOLOv4神经网络中增加注意力机制，YOLOv4在Darknet53主干网络的每个大残差块上加上CSP；将YOLOv4神经网络的基础层的特征映射划分为两部分，再通过跨阶段层次结构合并。5.一种阴暗潮湿环境巡检机器人自动开启隧道防火门系统，其特征在于：包括：巡检机器人和防火门控制模块，防火门控制模块包括光电传感器、门磁开关和电动闭门器，光电传感器、门磁开关和电动闭门...

【专利技术属性】
技术研发人员：李冲，孙宗伟，陈斌，李雪亮，李勇，孟海磊，孙晓斌，郭锐，张斌，张海龙，王琦，郝永鑫，刘丕玉，杨月琛，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：