管道巡检机器人目标识别与定位检测技术*

宋雷震，孙晓东

(淮南联合大学智能制造学院，安徽 淮南 232038)

管道输送具有成本低、输送方便、输送量大等优点，在石油、化工、城市供水和排水等领域发挥着重要作用.而化学腐蚀、环境变化、自然灾害和管道自身缺陷等都有可能导致物质泄漏、环境污染等事故的发生，因此管道必须进行清洁维护工作[1]，传统管道清洁维护工作主要依赖于人工完成，低效、危险.管道巡检机器人具备自动化、无人化、智能化等优点，能够减少管道作业中恶性事件的发生，改善工作人员的劳动环境，提高安全性[2-3]，通过对管道机器人赋予精准的控制算法，会使其具备更加灵活的思考、判断能力.

笔者拟针对目前管道巡检机器人对目标物的识别精度较低、定位检测结果误差较大的问题，设计一套新的视觉系统，构建一个改进的You Only Look Once(YOLO)模型以改善识别精度，构建一个测距定位模型对目标物进行测距定位.

1 新的管道巡检机器人视觉系统的设计

1.1 基于改进YOLO模型的目标淤积物识别

图1 卷积神经网络拓扑结构Fig. 1 Topology of Convolutional Neural Network

卷积神经网络(Convolutional Neural Networks，CNN)是基于人工神经网络(Artificial Neural Network，ANN)的网络拓扑结构[4].卷积神经网络能够提取输入到网络中数据信息的特征，在解决图像方面问题拥有较高的效率，因此系统采用卷积神经网络对管道内目标淤积物进行深度学习训练，并对图像进行分割.卷积神经网络的拓扑结构如图1所示.

卷积神经网络能够有效分割管道内的目标淤积物图像，同时具备较高的正确率，但……