摘要：针对水泥厂斜拉链输送带的智能化巡检需求，本文设计了一套基于MINI 巡检机器人和智能算法的智能巡检系统。该系统通过可见光相机、红外热成像和声纹识别技术，结合5G/WIFI6 通信技术，实现了对斜拉链输送带及其关键部件的实时监控、故障预警和智能巡检。研究结果表明，该系统有效提高了巡检效率和安全性，降低了人工成本和事故率，为水泥行业的智能化运维提供了新的解决方案。关键词：智能巡检；斜拉链输送带；MINI 巡检机器人；人工智能；5G/WIFI6 通信

一、项目概述

1.1 项目背景

某水泥公司对斜拉链输送带进行智能化巡检改造，试点设置在一条 130 米长的斜拉链输料带上。斜拉链传送带的有效保障对生产尤为重要。斜拉链传送带左右两侧均安装了防护钢网且孔隙较小，以往通过人工巡检，需要透过或打开防护网才可有效进行观察及巡检，操作十分不便且存在较大安全风险，对于外挂式的巡检机器人通过外侧视角，同样不易透过钢网有效的获取巡检对象情况。

为了直观有效的获取生产过程中的斜拉链各项巡检指标，拟使用1 台MINI 巡检机器人结合智能算法摄像头，代替人工巡检，安装在斜拉链上下层中间区域，直观的对拉链、小车及滚轮、齿轮、插销等目标对象进行巡检。

基于人工智能巡检系统，利用机器人搭载的可见光相机、红外热成像、通讯模组等，以实现各类复杂环境下输送皮带的智能化巡检，通过通信技术将采集到的图像视频信息实时上，传至主控大楼的一体化综合调控平台，供工作人员对站内设备进行分析、决策，安全高效地完成输送皮带的巡视任务[1]。在信息传输方面，采用5G 或WIFI6 通信承担水泥行业智能巡视设备所收集的各类高清图像视频数据传输。

工业智能巡检机器人克服了传统的监控设备不能直观的、实时的获取设备运行状态的问题。用工业智能巡检机器人可以真正的实现可靠的且无人值守的不间断设备自动化巡检。这种人工智能巡检系统，可大幅度降低人工成本，使设备运行信息和报警信息能够方便、快捷、直接的发送并上传到各级管理人员的手中，统一指挥管理，大大降低了事故的发生率；同时，对智能传感数据的分析和预判，还能在一定程度上实现对设备故障事先预警，以方便提前进行干预，能够降低故障发生的概率[2]。

二、需求概述

2.1 基础数据

本系统基于人工智能技术和实时通讯技术，充分利用 5G/WIFI6 通讯高带宽，低延时的特性实时传输来自机器人、固定摄像头的视频流和各类传感器信号，通过先进的人工智能和传感器技术识别斜拉链输送带齿轮、小车、轮子、拉链等设备的各类性能状况。达到在恶劣环境下代替人工巡检，并将故障信息实时进行报警供运维人员分析。

2.2 巡检环境

正常工作环境，环境温度： 0^∘C～+75^∘C ，环境相对湿度：10%～90%（无冷凝水）粉尘情况：50～1000mg/m3，海拔： 10～300 米。

2.3 需求概述

（1）针对斜拉链传送带实际情况，要有效的透过两侧的防护网实时巡检到内部斜拉链及各零部件的情况，选用MINI 巡检机器人，安装于上下层拉链中间，直观的对斜拉链进行有效的巡检，降低人工巡检强度，提升巡检效率和设备异常识别率及巡检的安全性。

（2）对设备的局部温度、拉链的运行情况、拉链破损、跑偏、晃动、及固定插销的脱落、齿轮啮合情况、小车及轮系变形、异常摩擦声响、现场火情等安全隐患能及时识别并预警，提前采取措施，避免设备损坏或更大事故发生。

（3）能将事故第一时间通知监管部门和相关人员。

（4）远程查看现场实时图像，增强监管力度。

三、系统方案设计

3.1 方案设计

本方案的实现主要依托 MINI 巡检机器人（斜拉链运行状态）和智能算法摄像头的视觉检测系统（监视并识别机头、机尾齿轮啮合情况、小车形变等）、红外热成像系统（监视并识别部件设备的超温报警）、声纹识别系统（监视并识别各种设备的运行声音，判断其故障）、共同协同进行，以完成智能巡检任务。智能巡检系统主要组成包括：

3.1.1 整体监控平台：自带智能算法，实现实时监控、数据存储、视频采集存储、智能识别、报警报表、用户权限管理等功能；

3.1.2 系统网络：以 5G/WIFI6 为主干网络，通过智能网关将现场机器人、摄像头和传感器等设备的信号转化成以太网信号接入主干网络，实现监控平台与现场各类设备的互联互通

3.2 采集设备

3.2.1 MINI 巡检机器人

针对斜拉链设置了两侧的防护网，斜拉链上下层中间部的整体巡检可采用扁平趴轨机器人，系统主要组成包括：a.对整体进行调度管理的软件系统；b.基于智能算法的控制系统；c.基于深度学习的视觉平台；d.可沿轨道自由运行的机械系统。本方案的实现主要依托超薄尺寸的 （90mm 厚）的巡检机器人本体，配合前端可调角度的高清/红外热成像一体式卡片机，实现对皮带重要设备的全覆盖检测，判断斜拉链是否有磨损、拉断、超温、跑偏等情况[3]。

3.2.2 智能算法摄像机

智能算法摄像机（采用高速相机）作为机器人的补充，安装在斜拉链输送带机头、机尾，或者安装在智能巡检机器人的巡检盲区，作为整个系统不可或缺的一部分。智能算法摄像机的视频信号同样通过WIFI/4G 基站传输到监控平台，并通过智能算法统一对设备进行巡检。

固定摄像头可对机头、机尾段的齿轮啮合、小车形变、轮系形变、拉链啮合跑偏、脱出、破损等参数做出智能识别分析。

3.3 机器人通用功能

3.3.1 通信功能

机器人可与厂内监控后台进行全双工的信息交互，本地监控后台能够与上一级后台数据进行双向信息交互，信息内容包括检测数据和机器人本体状态数据[2]。系统应该具备通信告警功能，在通信中断、接收的信息内容中如有异常，能够弹出告警信息。

3.3.2 机器人自检

巡检工作机器人具有自动检测功能，该功能包括驱动器、通信模块和检测设备等的工作状态，发生异常时能就地指示，并立即上传故障信息[4]。

3.3.3 巡检功能

系统具备遥控和全自主巡检模式。全自主巡检模式包括例巡和特巡两种。例巡方式下，系统按照预先设定的巡检位置、时间、周期等设置的参数信息，自主启动并完成巡视作业；特巡方式由现场工作人员选定指定的巡检区域，机器人可自主在该指定区域进行巡检任务。遥控巡检由操作人员手动遥控机器人，完成指定的巡视工作[5]。

3.3.4 巡检报告

通过本地后台将巡检数据应能自动形成巡检报告，检索和调取任一巡检数据进行查看。

3.3.5 控制功能

巡检机器人能准确的接收本地、远程控制后台的控制指令，并能正确下发各类传感器操作指令，如云台转向等功能，并将操作结果反馈给后台。

3.3.6 报警功能

设备故障报警和系统报警功能。报警发生时，设备停止运行、本体有明显信息提示，后台能立即显示报警信息，并能人工退出/恢复。

3.3.7 一键返航功能

不论巡检机器人处于何种巡检状态，只要操作人员通过本地监控后台或遥控手柄上的特定功能键按钮）启动一键返航功能，智能巡检机器人应中止当前任务，按预先设定的路线返回。

3.4 本地后台功能要求

本地后台可进行巡检机器人遥控操作，实现巡检机器人运行、一键返航、任务切换等基本操作。并能正确接收巡检机器人反馈的本体信息。展示给后台监控人员。后台系统可预留采集、存储巡检机器人传输的实时可见光和红外视频接口，通过功能扩展实现视频的播放、停止、抓图、录像、全屏显示等功能。后台系统通过功能扩展模块实现事件显示，事件根据报警级别、事件来源等分类显示，同时系统应提供历史事项查询功能。后台系统提供数据库接口，通过功能扩展实现能将采集到的可见光图像、红外图像、设备位置状态等信息存储在后台的数据库中，并能够按照巡检机器人巡检时间、任务、设备类型、设备名称等可选择的过滤条件查询巡检数据。系统软件人机界面友好、操作方便，信息显示清晰直观[6]。本地监控后台系统能与管控系统进行数据交换，向系统上传巡视及缺陷记录等。

3.5 巡检机器人识别算法设计

3.5.1 斜拉链检测

对整条斜拉链而言，拉链数量较多且存在磨损或温度过高的潜在风险，巡检机器人可以通过双光融合的方式实现对托辊的目标检测，并在目标检测的基础上对拉链区域实现磨损检测和温度检测。

目标检测和磨损检测使用的传感器是上述云台的可见光部分，主要深度学习算法可针对不同场景进行有效识别的目标检测算法。一次算法模型的检测流程可概述如下：

一次目标检测算法流程

其中虚框部分即为本公司提供的算法模型，目标检测算法预测图片上采用的是端对端的检测，将整个图片的分为S*S 个网格，而如果一个物体的中心落在某个网格内，则对应的网格会对它进行检测。

特征提取可参考下图，将图片resize 成宽、高、通道为416*416*3 大小的图片数组。经过3*3 卷积和1*1 卷积将图片降维到一直降维到 52、26、13 的维度，三个维度分别预测小、中、大的目标，在52、26、13 的维度分别有三个全卷积特征提取器， 即下图右边的Convolutional Set，1*1 的卷积核用于降维，3*3 的卷积核用于提取特征，多个卷积核交错达到目的。每个全卷积特征层是有连接的，在图中为Concatenate 标志，意味着当前特征层的输入有来自于上一层的输出的一部分。每个特征层都有一个输出 Predict，即预测的各类开关和指示灯器件结果。

特征提取示意图模型的形成分为以下两个阶段

主要可包括以下几个步骤，工程人员现场采集图片视频数据形成数据源文件；算法人员根据甲方需求标注数据图片形成数据集；使用数据集对深度学习神经网络进行训练；使用测试集对算法模型进行评估；根据评估结果迭代调优算法；形成稳定可靠的识别算法。迭代调整优化模型主要指两个步骤，我们的数据集是分批次采集的，初次训练出一个模型之后，其在某一类器件的效果并不一定好，所以每次训练完之后我们会分析识别效果较差的原因，然后由机器人再去采集图片，补充数据集进行训练，通过扩充数据集增强模型的泛化能力；

在深度学习中损失函数用来衡量神经网络的预测值和真实值之间的差距，通过最小化损失函数，使模型达到收敛状态，减少模型预测值的误差，在训练模型时选择一个合适的损失函数可以极大地改进模型的性能。

一次检测效果如下所示：

斜拉链目标检测效果

在目标检测的基础上，对该区域进行磨损程度分析得出结果，从而实现自动化的巡检判定。磨损程度分析采用轻量化的 Densenet 深度学习神经网络构建，训练过程如下：

机器人搭载摄像机云台在输送带环境中拍摄图片，将设备图片分类标注，以8：2 的比例划分训练集和测试集，设置网络中读取数据集的路径，分别进行训练和测试。

温度分析则由算法写入区域判定逻辑，结合云台SKD 实现托辊区域温度检测，当温度值超过阈值时则发生警报。

红外热成像示意图

3.5.2 烟火险检测

机器人巡检系统可实现特巡和例巡两种巡检方式[7]，例巡即日常巡检，特巡是根据甲方需求由乙方设置固定航线和航点进行巡检。在巡检任务中，机器人可从捕捉到的画面实时根据内嵌算法对视频进行分析，如果有检测到烟、火以或固定环境区域的温度不符合预设值，就会发起警报。其检测流程可概述如下，

由于火花闪烁的不稳定性，一般来说，在真正包含火花区域中对应颜色的变化程度相对其他类火花的区域更大，我们研发使用空间小波变换来捕获颜色变化的程度。它会随着烟雾在空气中的散开，而逐渐呈现半透明性和薄纱状。在视频中烟雾对背景有掩膜效应，从而导致背景边缘信息和细节信息减少，然而图像中的边缘和细节信息一般对应的是图像中的高频信息。因此在视频图像中烟雾的产生使得图像中的高频信息减少。为了更好的对图像中高频信息进行描述，我们采用了二维离散小波变换对候选区域和其对应的背景区域的高频能量进行表示，并根据这两者之间高频能量的关系来对候选域进行烟雾判别[7]。

3.5.3 声音识别系统的设计

在系统的异常声音识别中，采集到的声音包括设备正常运行的声音，也包括在监测时发生的一些异常事件而产生的其他声音，这种声音被称为异常声音，同时还有一些是环境干扰音，这些环境干扰音与设备正常运行的声波一同混合被采集到系统中进行监测，系统就会依据标准声音对比判定此时出现异常。本方案设计的设备异常监测系统就是针对这种情况，将混有多种环境音的设备运行声音使用算法进行训练，形成一个标准集，从而监测异常事件的发生，进而通过系统内部分析向用户输出故障类别、原因等信息，发出警报[8]。检测流程可描述如下，

通过声音识别系统检测整体功能结构图分析可得，设备的异常声音监测系统分为数据通信模块、声音匹配模块、综合分析模块与系统管理共四个功能模块。声音数据采集负责通过声音的硬件采集设备对设备运行时的声音进行采集并发布给系统，声音数据采集模块负责从系统中读取出相应的声音数据。声音匹配模块负责将本地声音数据进行处理并与系统上的声音模型进行匹配，同时上传更新模型数据来进行模型的训练更新。声音综合分析模块对声音匹配结果进行处理，形成监测日志，并对异常声音发出警报，这时需要采用人工现场检测方式处理并上传检测报告。系统的管理模块负责管理和维护系统信息及人员权限等。

四、应用效果

结合巡检机器人应用环境和项目需求，完成了总体方案设计，目前这套智能巡检机器人已在企业得到应用，尤其应用在环境较复杂恶劣的生产运行环节。本文设计的智能巡检系统提高了企业资源和资金的利用效率，降低人工成本和费用达到了用户要求。

参考文献：

[1]张鹏.带式输送机智能巡检系统的应用研究[J].机械管理开发，2021，36（12）：274-275.

[2]王钒宇.泵房巡检移动机器人平台的研制.《北京邮电大学硕士论文》，2020-06-20

[3]李翔.长距离带式输送机巡检系统研究[J].江西煤炭科技，2022（2）：180-182+185

[4]袁晓东，数据中心高压配电机房巡检机器人应用及能源互联网解决方案.《通信电源技术》，201

9-09-15

[5]章梦娜.基于多源感知的智能巡检机器人系统的设计与实现.《浙江工业大学硕士论文》，2019-

06-01

[6]王新宇.带式输送机智能巡检机器人的研究设计.《现代信息科技》，2020-08-25

作者简介：王勇，1977.1，本科学历。副教授，电工高级技师。研究方向：电气自动化、数控技

术。16 年制造企业工作经验，2022 年河北省“师德标兵”，2021 年唐山市“技术能手”。宗成龙，1987.6 硕士，讲师，研究方向：机械制造技术。