通过结合多个机器人管道胶囊和空间优化技术,对大规模城市污水管网进行协作式检测

《AUTOMATION IN CONSTRUCTION》:Collaborative inspection for large-scale urban sewer pipe networks by coupling multiple robotic pipe capsules and spatial optimization

【字体: 大 中 小 】 时间:2026年01月14日 来源:AUTOMATION IN CONSTRUCTION 11.5

编辑推荐:

  针对城市地下污水管道的多样化故障检测需求,提出一种融合管道胶囊(RPC)与轻量级深度学习模型的协作检查方法。通过构建双层网络协调地面工作人员与地下RPCs的运动,设计实时管道故障识别网络(RPFR-Net)实现7.64帧/秒的实时检测,并采用混合元启发式算法优化路径规划。实验表明该方法在深圳市的测试中准确率达83.43%,优于传统方法。

  
魏图|余谷|陈瑞泽|张星|朱嘉松|王赤城|李庆泉
中国深圳大学自然资源部大湾地区地质环境监测重点实验室,深圳518060

摘要

城市污水管道容易出现多种故障,如裂缝、侵蚀和根系侵入。对于大规模的城市污水管道网络来说,有效且高效的检测方法至关重要。本文提出了一种协同检测方法,该方法将机器人管道胶囊(RPC)与轻量级深度学习和空间优化技术相结合。构建了一个双层网络来表示工人和RPC的不同运动及其协作过程。设计了一种专门的轻量级深度神经网络,用于实时识别RPC捕获的图像中的故障。通过混合元启发式算法对工人和RPC的路径进行空间优化。在中国深圳进行的实验表明,该方法实现了83.43%的准确率,每秒处理7.64帧图像,优于基线方法。所提出的方法为大规模城市污水管道网络提供了一种替代方案。

引言

城市是各种基础设施聚集的地方,例如管道、高速公路、建筑物、桥梁、隧道等。污水管道网络对城市至关重要,因为它们负责收集、输送和循环废水和雨水。通常,大多数城市污水管道埋设在地下,被土壤覆盖,并受到地表交通和内部水流的应力影响。因此,它们容易发生多种故障,如裂缝、侵蚀和根系侵入[1],这可能导致管道泄漏和堵塞[2],进而可能引发严重的城市事故[3],[4],例如道路坍塌、建筑物不均匀沉降等。因此,对污水管道网络进行连续和定期的检测对于维护城市基础设施和降低相关风险至关重要[5]。
检测城市污水管道网络面临重大挑战。传统的管道检测方法依赖工人来识别管道内部的故障,虽然可靠但劳动强度大且成本高,在某些情况下甚至无法实施[6]。通过集成传感技术(如光学相机[7]、红外相机[8]或激光[9]),可以借助车辆从管道内部检测故障。例如,闭路电视(CCTV)系统利用安装在轮式车辆上的光学相机来检测管道,并通过图像处理识别故障。这种自动图像采集方法在故障识别方面具有较高的可靠性,并大大节省了人力。然而,在拓扑结构复杂的污水管道网络中,基于CCTV的检测系统操作起来非常困难。例如,CCTV系统仅能检测长度不超过1公里的单向管道,最多只能覆盖城市污水管道网络的30%[10],从而导致获取连续图像的难度增加,管道覆盖范围有限[11]。此外,移动平台可能需要更多进入城市地下复杂管道环境的能力。另一种方法是通过雷达[12]、[13]在地面上检测管道。这种方法通过向地下管道表面发送和接收雷达脉冲来检测故障。这种外部检测方法避免了复杂的管道内部操作,但地面雷达在捕捉故障细节(如纹理和颜色)方面存在局限性,难以准确识别特定类型的故障并支持管理人员的决策。需要注意的是,这些检测方法包括两个步骤:数据采集和故障识别后的处理。离线处理通常需要几周时间才能在实际检测后报告故障结果。因此,传统方法对于大规模城市污水管道网络的及时维护来说既不高效也不经济。有效且高效地检测大规模城市污水管道仍然是一个挑战。
最近,机器人管道胶囊(RPC)被引入用于污水管道检测[14]、[15]。如图1(a)所示,RPC配备了1980×1080分辨率的高清摄像头、照明设备、计算芯片、WIFI芯片和电池。RPC可以随水流漂动,并同时拍摄管道视频。与现有的检测设备相比,RPC在操作便捷性和成本方面具有优势,适用于大规模城市污水管道网络。然而,由于其在无信号地下管道环境中的灵活移动性,RPC难以控制,而传统的大型设备则依赖手动操作或电缆驱动。此外,尽管RPC体积小且成本低,但在漂动过程中只能检测有限的管道段,而城市污水管道网络规模庞大且分布密集。因此,需要多个RPC协同工作以扩大检测范围。如何利用多个RPC同时在地面上和地下执行任务仍需进一步研究。
受到新兴的多机器人检测应用的启发,例如无人机(UAV)在电网系统检测中的协同操作[16]和三维城市建模[17],利用多个RPC协同工作以促进高效的城市管道网络检测是一个有前景的方向。
目前,RPC检测方法在进一步协同操作方面仍存在一些不足。首先,地面工人和地下RPC是分别处理的。工人沿着道路网络移动以投放和回收RPC,而RPC则随水流漂动以识别潜在故障。因此,工人和RPC在不同的环境中沿各自的路径移动,这给协作带来了困难。现有的协同检测研究很少同时考虑地面和地下空间。在常规的协同检测中,机器人通常在开放环境中操作,即多架无人机在空中飞行,人们通过无线通信在地面上控制它们。相比之下,RPC的检测涉及工人的地面操作和RPC的地下自由移动。这种异构且分离的操作模式可能导致工人错过回收机会。这些特点表明需要一种综合的协同方法,将地面工人的活动与地下移动同步。本文提出了一种创新的双层空间优化方法来解决多RPC协同问题。
另一个挑战是如何实时识别管道故障。由于地下管道环境光线不足且背景纹理复杂,故障识别较为困难。同时,RPC的计算芯片和电池容量有限,因此需要仔细考虑如何尽快处理和报告故障。主流的故障检测方法是事后处理,即首先通过摄像头采集原始管道图像,然后由专家通过人工观察或自动图像处理算法[14]、[18]进行故障识别。其中,深度神经网络(DNN)在管道故障检测中表现突出。然而,DNN处理耗时且需要大量计算资源,因此故障结果通常在操作几天后才能得到。在现实应用中,管道故障对市民的日常生活至关重要,事后处理的延迟是不可接受的。此外,所有原始图像都必须存储和处理,其中大部分信息可能是无用的,给RPC带来了不必要的负担。本文提出了一种定制的轻量级DNN——实时管道故障识别网络(RPFR-Net),用于在RPC内部实现实时故障检测,能够准确及时地识别故障。通过实时污水管道网络检测,管道管理人员可以及时获得故障结果并采取行动消除潜在风险。
当前的管道网络检测方法在处理拓扑结构复杂的大规模城市污水管道网络时效率低下且覆盖范围有限。为填补这些空白,本文提出了一种通过结合多个RPC和空间优化来实现的大规模城市污水管道网络协同检测方法。图1(b)展示了所提出原理的工作流程。RPFR-Net被开发、训练并部署在RPC中。对于给定的检测区域,构建了一个双层网络来表示工人和RPC之间的协同运动。协同检测被详细建模为双层路由问题的扩展,其中多个RPC能够高效地检测管道并成功回收。通过混合元启发式算法对工人和RPC的路径进行空间优化,以覆盖大规模城市污水管道网络。本文的贡献包括以下几点:
  • •
    提出了一种结合RPC和空间优化的协同检测方法
  • •
    提出了一种表示工人和RPC协同运动的双层网络
  • •
    开发了一种RPFR-Net,用于在退化管道环境中利用低成本RPC实现实时故障识别
  • •
    提出了一种混合元启发式算法,用于空间优化工人和RPC的协同方案,以高效检测大规模城市污水管道网络
  • 本文的其余部分安排如下:第2节回顾相关工作,第3节详细描述所提出的方法,第4节报告实验结果。最后,我们对本文进行总结并展望未来的研究方向。

    相关工作

    相关工作

    本节回顾了城市污水管道检测的相关工作,包括用于管道故障识别的视觉智能方法和多机器人协同检测技术。

    方法论

    本节描述了所提出的多RPC协同检测方法的框架,包括三个主要部分:双层网络、用于RPC的实时故障检测DNN以及多RPC协同优化方法。

    实验与结果分析

    在实际的管道协同检测中,首先对RPFR-Net进行训练,然后将其部署到RPC中。对于给定的检测区域,构建了一个双层网络。利用元启发式算法对协同检测问题进行建模和解决。根据最优方案,工人操作RPC来检测管道故障。在中国深圳进行了实际实验,以验证所提出的协同检测框架的可行性和有效性。

    结论

    城市污水管道容易出现多种故障。有效且高效的污水管道网络检测对于支持高密度城市(如深圳和香港)中大规模污水管道网络的智能维护至关重要。本文提出了一种城市污水管道网络协同检测框架,结合了RPC、RPFR-Net和空间优化技术。构建了一个双层网络来表示工人和RPC的不同运动。开发了一种专门的轻量级深度神经网络

    作者贡献声明

    魏图:撰写 – 审稿与编辑、撰写 – 原稿创作、监督、项目管理、方法论设计、研究调查、资金获取、数据管理、概念构思。余谷:撰写 – 审稿与编辑、撰写 – 原稿创作、验证、方法论设计、研究调查、数据管理。陈瑞泽:可视化处理、方法论设计、数据管理。张星:撰写 – 审稿与编辑、验证、方法论设计、研究调查。朱嘉松:资源协调、数据管理。王赤城:撰写 –

    利益冲突声明

    作者声明与本研究、作者身份及/或本文的发表不存在任何潜在的利益冲突。

    致谢

    作者感谢编辑吴文德教授和匿名审稿人在论文审查中提供的宝贵建议和意见,同时也感谢朱松博士在数据管理方面的宝贵贡献。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号