[发明专利]服务于电力机器人的人工智能系统及方法

说明书

本发明公开了一种服务于电力机器人的人工智能系统及方法，包括：嵌入式CPU模块，被配置为向数据处理模块发送数据调度指令；数据处理模块，被配置为基于接收到的数据调度指令，对接收到的数据进行智能化处理；所述数据处理模块包括：环境感知单元，被配置为基于多传感器融合信息，实现目标区域三维语义地图的智能构建和障碍物识别；路径规划单元，被配置为基于构建的三维语义地图，实现电力机器人路径规划；数据分析单元，被配置为基于获取的电力设备图像信息，实现目标设备的缺陷识别和位置检测。本发明基于轻量化的深度网络模型，实现了电力机器人感知、规划、作业、决策的智能化，有效提升了电力机器人的智能化作业水平。

技术领域

本发明涉及电力机器人技术领域，尤其涉及一种服务于电力机器人的人工智能系统及方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

自上世纪七十年代起，国内外先后开展了电力机器人的研究，在发电、输电、变电、配电、用电领域，均有相关成果，尤其是在变电领域，变电站巡检机器人、室内轨道巡检机器人等已经大规模推广应用，有力保障了电网设备安全稳定运行。随着电力机器人持续深化应用，暴露了机器人在应用过程中智能化程度弱、环境适应性差、作业能力低等问题，亟需突破机器人精准作业关键机器人，研制作业目标精确定位、机械臂作业精确控制的作业机器人系统，构建安全高效的电力设备智能运检体系。

现有技术中，电力机器人普遍存在如下技术问题：

(1)现有不同类型电力机器人的智能系统需定制开发，开发维护工作量大，电力设备巡检业务种类繁多，巡检数据采集方式多样，巡检数据分析方式迥异，从而导致各种电力机器人系统间人工智能功能存在分散、重复、无序开发的现象，造成了资源的浪费，客观上也限制了电力机器人系统智能化的提升。

(2)在巡检数据分析方面，现有的电力机器人，机器人前端视频图像处理能力较弱，图像视频数据目前大都采用网络回传后台服务器分析处理方式，受传输网络带宽的影响，数据分析存在延时，无法满足机器人导航、视觉伺服、缺陷及时检测等实时性要求较高的应用场景需求。

(3)机器人携带机械臂进行作业，大多基于双目视觉的作业伺服系统指导机械臂进行工作，这种机械臂作业系统由于受到双目图像设备定位精度、机械误差的影响，导致机械臂末端停靠位置与实际作业位置产生误差，影响机械臂作业的质量；传统的双目视觉伺服系统未获得图像中设备的语义信息，通常依靠设备类型及结构等先验信息确认待作业设备的类型及位置。对于图像中占比较小的目标，采用单一的左右目图像立体匹配进行目标三维重建，影响小目标最终的空间定位精度。

(4)变电站设备的识别主要是以电力缺陷场景的识别为主，比如：表计读数异常、表计表盘模糊、表计表盘破损、外壳破损、绝缘子破裂、箱门闭合异常、地面油污、呼吸器硅胶变色、呼吸器油封破损、油封油位状态异常、油封破损、压板状态、盖板破损等设备缺陷的识别。变电站现场布置不同位置摄像头，将采集的图片上传至后台，进行图像识别处理。在实际图像采集中，由于不同缺陷类别的图片采集的难易程度不同，造成不同类别的训练样本的数量不均衡。一般来说，不平衡样本会导致训练模型侧重样本数目较多的类别，而“轻视”样本数目较少类别；这样模型在测试数据上的泛化能力就会受到影响。

(5)为了对电网区域工作人员的行为进行识别，需要使用人体行为识别算法建立行为识别模型，将工作人员的行为分析问题转换成人体行为识别问题。虽然对人体行为识别的研究历来已久，也已经取得阶段性的成果，但是目前人体行为识别法在公开数库上识别准确率高，可以达到90％以上，但是发明人发现，对于相对复杂的电力场景下进行人体行为识别准确率就低很多，即使在条件苛刻的实验室中，也只能达到70％。

(6)目前在电力领域，常用的图像语义分析技术为图像检测，由于应用场景的特殊性，发明人发现，传统语义分析方法易受图像噪声影响导致特征点分布不均，导致分类出错；卷积神经网络方法受限于目标尺度较小和拍摄角度，导致误检率较高，影响实用化。

发明内容