本發(fā)明屬于數(shù)據(jù)分析領域，具體是一種基于ai技術的機器狗平臺交通隧道巡檢系統(tǒng)。

背景技術：

1、隨著城市化進程的加快和交通網(wǎng)絡的日益復雜，交通通道的安全與維護變得越來越重要，例如隧道、橋梁、道路等通道的巡檢。傳統(tǒng)的巡檢方式多依賴人工進行，存在效率低、易出錯、數(shù)據(jù)處理滯后等問題。此外，許多交通通道由于環(huán)境復雜、空間狹小，人工巡檢面臨著諸多挑戰(zhàn)，如無法及時發(fā)現(xiàn)潛在的安全隱患和維護需求。尤其難以對區(qū)域結(jié)構(gòu)復雜的跨海通道，例如，深中通道，進行高效巡檢。

2、一般的機器狗平臺通道巡檢系統(tǒng)，通過對數(shù)據(jù)在統(tǒng)一服務器進行分析計算，難以適應距離較長的跨海通道，難以保證對數(shù)據(jù)的及時分析處理，同時，缺少對通道的各個區(qū)域進行針對性分析，難以對可能存在的潛在故障或劣化進行預測。

技術實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一；為此，本發(fā)明提出了一種基于ai技術的機器狗平臺交通隧道巡檢系統(tǒng)，用于解決難以適應距離較長的跨海通道，難以保證對數(shù)據(jù)的及時分析處理，同時，難以對可能存在的潛在故障或劣化進行預測的技術問題。

2、為解決上述問題，本發(fā)明的第一方面提供了一種基于ai技術的機器狗平臺交通隧道巡檢系統(tǒng)，包括：邊緣端和云端管理中心；

3、所述邊緣端，包括：

4、區(qū)域分配模塊：獲取跨海通道區(qū)域的通道數(shù)據(jù)，將目標區(qū)域劃分為風塔通道區(qū)域、管廊通道區(qū)域和外部通道區(qū)域，并在不同區(qū)域設置符合不同區(qū)域通道管理規(guī)則的機器狗，在不同的區(qū)域進行不同檢測類型的網(wǎng)格區(qū)劃分；

5、數(shù)據(jù)采集模塊：為不同網(wǎng)格設置不同的數(shù)據(jù)采集策略，在各個網(wǎng)格區(qū)的機器狗，根據(jù)不同網(wǎng)格區(qū)的數(shù)據(jù)采集策略，進行數(shù)據(jù)采集，并發(fā)送至邊緣數(shù)據(jù)管理節(jié)點；

6、邊緣數(shù)據(jù)管理節(jié)點：跨海通道區(qū)域每間隔安全通信距離設置邊緣數(shù)據(jù)管理節(jié)點；所述邊緣數(shù)據(jù)管理節(jié)點通過與安全通信距離內(nèi)的機器狗通信連接進行調(diào)度控制，并根據(jù)網(wǎng)格區(qū)的機器狗采集的數(shù)據(jù)，對不同類型網(wǎng)格進行安全性分析，對安全性分析低于閾值的網(wǎng)格進行安全警報；

7、所述云端管理中心，包括：

8、模型構(gòu)建模塊：根據(jù)不同區(qū)域的網(wǎng)格的安全性分析結(jié)果，建立不同網(wǎng)格區(qū)的安全程度分析模型，對各個網(wǎng)格區(qū)進行安全程度分析；

9、機器狗調(diào)度模塊：根據(jù)網(wǎng)格區(qū)進行故障程度分析結(jié)果和網(wǎng)格區(qū)網(wǎng)格的檢測進度，通過邊緣數(shù)據(jù)管理節(jié)點對不同網(wǎng)格區(qū)的機器狗進行支援調(diào)度。

10、可選地，在上述方面的一個示例中，區(qū)域分配模塊，包括：

11、區(qū)域劃分單元：獲取跨海通道區(qū)域的通道數(shù)據(jù)，包括：通道檢測區(qū)域數(shù)據(jù)、通道事故記錄、通道類型和通道地圖數(shù)據(jù)，根據(jù)通道檢測區(qū)域數(shù)據(jù)和通道地圖數(shù)據(jù)，將與風塔相連的通道劃分為風塔通道區(qū)域，將容納各種管線的通道劃分為管廊通道區(qū)域，將容納人車通行區(qū)域通道劃分為外部通道區(qū)域；

12、機器狗分配單元：根據(jù)風塔通道區(qū)域、管廊通道區(qū)域和外部通道區(qū)域的通道檢測區(qū)域數(shù)據(jù)中檢測區(qū)域面積，在不同區(qū)域設置符合不同區(qū)域通道管理規(guī)則的機器狗；

13、網(wǎng)格劃分單元：根據(jù)每個區(qū)域的通道數(shù)據(jù)，在風塔通道區(qū)域劃分設備網(wǎng)格區(qū)、通道網(wǎng)格區(qū)和風塔監(jiān)控網(wǎng)格區(qū)，在管廊通道區(qū)域劃分通道網(wǎng)格區(qū)、設備網(wǎng)格區(qū)和管網(wǎng)檢測網(wǎng)格區(qū)，在外部通道區(qū)域劃分通道網(wǎng)格區(qū)和設備網(wǎng)格區(qū)。

14、可選地，在上述方面的一個示例中，所述數(shù)據(jù)采集模塊為不同網(wǎng)格設置不同的數(shù)據(jù)采集策略，包括：

15、對于風塔通道區(qū)域、管廊通道區(qū)域和外部通道區(qū)域的所有網(wǎng)格區(qū)，檢測基本運行數(shù)據(jù)，包括：風速、溫度、濕度、通道的高清圖像數(shù)據(jù)和紅外圖像數(shù)據(jù)；

16、對于風塔通道區(qū)域、管廊通道區(qū)域和外部通道區(qū)域的設備網(wǎng)格區(qū)，數(shù)據(jù)采集策略為：

17、額外采集設備網(wǎng)格區(qū)中設備的高清圖像和紅外圖像，以及設備接線處的紅外圖像和電性參數(shù)；

18、對于風塔通道區(qū)域和管廊通道區(qū)域的通道網(wǎng)格區(qū)，數(shù)據(jù)采集策略為：

19、額外采集通道網(wǎng)格區(qū)中通道的煙霧狀況；

20、對于管廊通道區(qū)域的管網(wǎng)檢測網(wǎng)格區(qū)，數(shù)據(jù)采集策略為：

21、額外采集管網(wǎng)檢測網(wǎng)格區(qū)中線纜和管道處的高清圖像和偏振圖像；

22、對于外部通道區(qū)域的通道網(wǎng)格區(qū)，數(shù)據(jù)采集策略為：

23、額外采集通道網(wǎng)格區(qū)中通道的鹽霧濃度。

24、可選地，在上述方面的一個示例中，所述邊緣數(shù)據(jù)管理節(jié)點通過與安全通信距離內(nèi)的機器狗通信連接進行調(diào)度控制，包括以下步驟：

25、邊緣數(shù)據(jù)管理節(jié)點與安全通信距離內(nèi)的機器狗建立通信連接；

26、接收到機器狗調(diào)度模塊發(fā)送的同一區(qū)域的不同網(wǎng)格區(qū)之間機器狗調(diào)度控制指令后，根據(jù)調(diào)度控制指令將對應區(qū)塊的數(shù)據(jù)采集策略發(fā)送至對應機器狗，并發(fā)送前往對應區(qū)塊進行數(shù)據(jù)采集的指令。

27、可選地，在上述方面的一個示例中，所述邊緣數(shù)據(jù)管理節(jié)點根據(jù)網(wǎng)格區(qū)的機器狗采集的數(shù)據(jù)，對不同類型網(wǎng)格進行安全性分析，對安全性分析低于閾值的網(wǎng)格進行安全警報，包括以下步驟：

28、獲取跨海通道歷史檢測數(shù)據(jù)中，出現(xiàn)表面異常的高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像，以及未出現(xiàn)表面異常的，高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像，并對表面異常位置進行標注；

29、通過歷史檢測數(shù)據(jù)的圖像數(shù)據(jù)訓練深度學習模型，對高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像的異常位置進行識別標注，并計算異常區(qū)域的面積；

30、獲取歷史數(shù)據(jù)中，各個區(qū)域正常運行時的，高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像，通過訓練后的深度學習模型，檢測異常區(qū)域的面積，并取平均值，作為高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像的最大異常故障面積閾值；

31、對于風塔通道區(qū)域、管廊通道區(qū)域和外部通道區(qū)域的所有網(wǎng)格區(qū)，在預設檢測時間區(qū)間，檢測基本運行數(shù)據(jù)，通過以下公式，進行網(wǎng)格基本安全性分析：

32、

33、其中，s為網(wǎng)格基本安全性分析值，sv為網(wǎng)格風速安全性分析值，sth為網(wǎng)格溫濕度安全性分析值，sp為網(wǎng)格的圖像異常安全性分析值，w1、w2和w3分別為網(wǎng)格風速安全性分析值、網(wǎng)格溫濕度安全性分析值和網(wǎng)格的圖像異常安全性分析值的對應權(quán)重；v為對應網(wǎng)格在預設檢測時間區(qū)間內(nèi)的風速均值，v0為對應網(wǎng)格區(qū)的異常風速閾值，t0為對應網(wǎng)格在預設檢測時間區(qū)間內(nèi)的溫度均值，h0為對應網(wǎng)格在預設檢測時間區(qū)間內(nèi)的濕度均值，σt為對應網(wǎng)格在預設檢測時間區(qū)間內(nèi)，溫度的標準差，σh為對應網(wǎng)格在預設檢測時間區(qū)間內(nèi)，濕度的標準差，fai、fbi和fci為在預設檢測時間區(qū)間內(nèi)，網(wǎng)格中高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像檢測的異常面積，若為檢查到異?；?qū)W(wǎng)格不存在對應檢測數(shù)據(jù)，則對應異常面積設置為零，famax、fbmax和fcmax為高清圖像數(shù)據(jù)、紅外圖像數(shù)據(jù)和偏振圖像檢測的最大異常故障面積閾值；

34、根據(jù)網(wǎng)格基本安全性分析結(jié)果，針對不同區(qū)域，進行不同區(qū)域的額外安全性分析；

35、將網(wǎng)格基本安全性分析結(jié)果和額外安全性分析進行加權(quán)平均，得到網(wǎng)格的最終的安全性分析結(jié)果，對安全性分析低于閾值的網(wǎng)格進行安全警報。

36、可選地，在上述方面的一個示例中，針對不同區(qū)域，進行不同區(qū)域的額外安全性分析，包括以下步驟：

37、對于各個區(qū)域的設備網(wǎng)格區(qū)，獲取額外采集設備網(wǎng)格區(qū)中設備的高清圖像和紅外圖像，以及設備接線處的紅外圖像和電性參數(shù)，通過以下公式，進行設備的額外安全性分析：

38、

39、其中，sep為設備的額外安全性分析值，fej為各個區(qū)域的設備網(wǎng)格區(qū)，額外采集的第j個圖像數(shù)據(jù)中異常區(qū)域面積，femaxj為額外采集的第j個圖像數(shù)據(jù)對應圖像種類的最大異常故障面積閾值，σek為各個區(qū)域的設備網(wǎng)格區(qū)，額外采集的第k個電性參數(shù)，在預設檢測時間區(qū)間的標準差，tek為各個區(qū)域的設備網(wǎng)格區(qū)，額外采集的第k個電性參數(shù)，在預設檢測時間區(qū)間的均值；

40、對于風塔通道區(qū)域和管廊通道區(qū)域的通道網(wǎng)格區(qū)，獲取額外采集通道網(wǎng)格區(qū)中通道的煙霧狀況，若檢測到煙霧，立即發(fā)送對應網(wǎng)格進行安全警報信號，否則，不發(fā)送安全警報信號；

41、對于管廊通道區(qū)域的管網(wǎng)檢測網(wǎng)格區(qū)，獲取額外采集管網(wǎng)檢測網(wǎng)格區(qū)中線纜和管道處的高清圖像和偏振圖像，按照與基本運行數(shù)據(jù)網(wǎng)格的圖像異常安全性分析值的計算方法相同的方法，進行線纜和管道的額外安全性分析值的計算；

42、對于外部通道區(qū)域的通道網(wǎng)格區(qū)，獲取額外采集通道網(wǎng)格區(qū)中通道的鹽霧濃度，計算預設檢測時間區(qū)間內(nèi)檢測鹽霧濃度的均值與異常鹽霧濃度閾值的比值，作為鹽霧的額外安全性分析值；

43、將各個網(wǎng)格中計算得到的所有額外安全性分析值相加，若相加結(jié)果為零，則對應網(wǎng)格的額外安全性分析結(jié)果為零，網(wǎng)格的額外安全性分析值不參與最終的安全性分析結(jié)果的后續(xù)計算；

44、若相加結(jié)果大于零，則以相加的結(jié)果加1后，取倒數(shù)，作為對應網(wǎng)格的額外安全性分析結(jié)果，參與最終的安全性分析結(jié)果的后續(xù)計算。

45、可選地，在上述方面的一個示例中，所述模型構(gòu)建模塊根據(jù)不同區(qū)域的網(wǎng)格的安全性分析結(jié)果，建立不同網(wǎng)格區(qū)的安全程度分析模型，對各個網(wǎng)格區(qū)進行安全程度分析，包括以下步驟：

46、獲取不同區(qū)域的不同網(wǎng)格區(qū)的出現(xiàn)故障前的不同網(wǎng)格區(qū)的歷史檢測數(shù)據(jù)，以及長期正常運行的不同網(wǎng)格區(qū)的歷史檢測數(shù)據(jù)，并對歷史檢測數(shù)據(jù)進行故障前數(shù)據(jù)和正常數(shù)據(jù)的標注；

47、通過邊緣數(shù)據(jù)管理節(jié)點訓練的深度學習模型，檢測圖像數(shù)據(jù)的異常區(qū)域的面積，加入到對應歷史數(shù)據(jù)中替換原有的圖像數(shù)據(jù)，并計算歷史數(shù)據(jù)的網(wǎng)格的安全性分析結(jié)果；

48、根據(jù)不同網(wǎng)格區(qū)的歷史數(shù)據(jù)，分別訓練lstm-全連接混合模型，對網(wǎng)格的安全性分析結(jié)果為故障前數(shù)據(jù)或正常數(shù)據(jù)進行預測。

49、可選地，在上述方面的一個示例中，根據(jù)不同網(wǎng)格區(qū)的歷史數(shù)據(jù)，分別訓練lstm-全連接混合模型，對網(wǎng)格的安全性分析結(jié)果為故障前數(shù)據(jù)或正常數(shù)據(jù)進行預測，包括以下步驟：

50、通過不同網(wǎng)格區(qū)的歷史數(shù)據(jù)中，任意時間段的數(shù)據(jù)作為輸入，對應后一時間段的數(shù)作為輸出，分別訓練lstm多模態(tài)時間序列模型，根據(jù)歷史數(shù)據(jù)對未來的檢測數(shù)據(jù)和網(wǎng)格的安全性分析結(jié)果進行預測；

51、lstm多模態(tài)時間序列模型的輸出端設置特征處理層和連接層，通過特征處理層調(diào)用邊緣數(shù)據(jù)管理節(jié)點根據(jù)未來檢測數(shù)據(jù)的預測結(jié)果，計算未來的網(wǎng)格的安全性分析結(jié)果，作為特征值，并在預估值上保留故障前數(shù)據(jù)和正常數(shù)據(jù)的標注；

52、通過連接層將未來的網(wǎng)格的安全性分析結(jié)果特征值和lstm多模態(tài)時間序列模型輸出的安全性分析結(jié)果預測值輸入到全連接分類器，對網(wǎng)格的安全性分析結(jié)果為不同網(wǎng)格區(qū)的故障前數(shù)據(jù)或正常數(shù)據(jù)進行預測。

53、可選地，在上述方面的一個示例中，所述機器狗調(diào)度模塊根據(jù)網(wǎng)格區(qū)進行故障程度分析結(jié)果和網(wǎng)格區(qū)網(wǎng)格的檢測進度，通過邊緣數(shù)據(jù)管理節(jié)點對不同網(wǎng)格區(qū)的機器狗進行支援調(diào)度，包括以下步驟：

54、獲取網(wǎng)格區(qū)進行故障程度分析結(jié)果和網(wǎng)格區(qū)網(wǎng)格的檢測進度；

55、若網(wǎng)格區(qū)進行故障程度分析結(jié)果為正常數(shù)據(jù)，則不對不同網(wǎng)格區(qū)的機器狗進行調(diào)度；

56、若網(wǎng)格區(qū)進行故障程度分析結(jié)果為故障前數(shù)據(jù)，則檢測網(wǎng)格區(qū)網(wǎng)格的檢測進度是否大于50％，若是，則不進行調(diào)度；

57、若否，則對相同區(qū)域中的網(wǎng)格區(qū)的檢測進度進行檢測，選擇分析結(jié)果為正常數(shù)據(jù)，且檢測進度大于50％的網(wǎng)格區(qū)作為備選網(wǎng)格區(qū)，若無備選網(wǎng)格區(qū)，則不進行調(diào)度；

58、若存在備選網(wǎng)格區(qū)，選擇距離故障前網(wǎng)格區(qū)最近的網(wǎng)格區(qū)的機器狗，發(fā)送支援調(diào)度命令和機器狗編號到邊緣數(shù)據(jù)管理節(jié)點。

59、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

60、本發(fā)明通過邊緣數(shù)據(jù)管理節(jié)點能夠?qū)崟r接收并處理來自機器狗的數(shù)據(jù)，減少數(shù)據(jù)傳輸?shù)难舆t，提高響應速度，通過在邊緣進行數(shù)據(jù)處理和分析，減輕了云端的數(shù)據(jù)處理壓力，使得整個系統(tǒng)更加高效；邊緣數(shù)據(jù)管理節(jié)點能夠根據(jù)機器狗采集的數(shù)據(jù)進行安全性分析，及時發(fā)現(xiàn)并預警潛在的安全風險；由于數(shù)據(jù)在邊緣側(cè)進行處理，減少了數(shù)據(jù)在傳輸過程中的泄漏風險，提高了數(shù)據(jù)的安全性。

61、本發(fā)明通過安全程度分析模型，能夠直觀了解各網(wǎng)格區(qū)的安全狀況，有助于管理者快速識別潛在風險區(qū)域，從而合理分配資源和精力。通過邊緣數(shù)據(jù)管理節(jié)點根據(jù)故障程度和檢測進度對機器狗進行支援調(diào)度，確保關鍵區(qū)域得到及時、有效的監(jiān)測。通過模型分析和數(shù)據(jù)節(jié)點的調(diào)度，能夠迅速定位問題所在，并調(diào)動附近的機器狗進行支援，根據(jù)網(wǎng)格區(qū)的安全程度和故障程度分析結(jié)果，動態(tài)調(diào)整機器狗的部署和調(diào)度策略，避免資源閑置或過度集中。