馬建民，李曉東，高天羽，李志航，解子祺，閆雨晴，李佳萍，馬少華

(中國石油大學(xué)(華東)石油工業(yè)訓(xùn)練中心，山東 青島 266580)

0 引言

管道作為運(yùn)輸液體、氣體或松散固體的重要載體，受水深、地形等條件限制較少，具有輸送效率高、耗能少等優(yōu)點(diǎn)。海底管道運(yùn)輸是海底油氣輸送的重要途徑，其正常運(yùn)行對國民經(jīng)濟(jì)發(fā)展具有重要意義[1-2]。由于水中污垢、海水腐蝕、運(yùn)行磨損等因素影響，海底管道會產(chǎn)生缺陷和損傷，甚至發(fā)生油氣泄漏，因此需要對海底管道進(jìn)行定期檢測，避免安全事故發(fā)生[3-4]。由于海底管道處于水下，檢查和維修比較困難。水下機(jī)器人具有作業(yè)深度大、范圍廣、持續(xù)時(shí)間久、安全高效等優(yōu)點(diǎn)，成為海底管道檢測的首選設(shè)備[5-8]。由于海底管道位于水平面以下幾十至數(shù)百米，長度十幾甚至幾十千米，軌跡多為復(fù)雜曲線，因此有纜式水下機(jī)器人無法滿足作業(yè)要求，管道巡檢機(jī)器人應(yīng)具備自主循跡功能；面對水下環(huán)境中波浪擾動，管道巡檢機(jī)器人應(yīng)具備姿態(tài)自動調(diào)整功能，確保水下攝像頭工作角度的有效性；針對海底管道上存在的腐蝕區(qū)、泄露點(diǎn)等異常情況，管道巡檢機(jī)器人應(yīng)搭載檢測設(shè)備，對海底管道缺陷進(jìn)行高效地初步檢測。

國內(nèi)外學(xué)者從路徑規(guī)劃、姿態(tài)自適應(yīng)、海底管道檢測等方面研究水下機(jī)器人。綜合考慮海底管道的復(fù)雜性，對比分析國內(nèi)外路徑規(guī)劃算法，機(jī)器學(xué)習(xí)法、深度學(xué)習(xí)法、群智能法等人工智能算法可較好適用于水下機(jī)器人的自主路徑規(guī)劃[9-10]；根據(jù)水下機(jī)器人的運(yùn)動特點(diǎn)，調(diào)整自適應(yīng)神經(jīng)網(wǎng)絡(luò)算法參數(shù)并據(jù)此設(shè)計(jì)水下運(yùn)動控制器，通過水下實(shí)驗(yàn)探究克服水中擾動和水下三維軌跡跟蹤等問題的解決措施[11]；結(jié)合前人大量的水下實(shí)驗(yàn)，探索適于水下機(jī)器人姿態(tài)控制的濾波算法，通過實(shí)時(shí)監(jiān)測水下機(jī)器人的相對位置和姿態(tài)角度以實(shí)現(xiàn)運(yùn)動姿態(tài)的自適應(yīng)控制，進(jìn)一步解決水流波動對水下機(jī)器人的運(yùn)動干擾[12-14]；在管道缺陷檢測領(lǐng)域，電渦流探測法、超聲法、漏磁MFL法等得以廣泛應(yīng)用[15-19]。上述研究成果極大提高了水下機(jī)器人的性能水平，但是研究工作相互獨(dú)立，并且研究目標(biāo)很少是海底管道的檢測與維護(hù)。

水下機(jī)器人領(lǐng)域的路徑規(guī)劃、姿態(tài)控制、管道缺陷檢測等研究成果，對海底管道檢測機(jī)器人研究具有較好借鑒意義，但是海底管道巡檢作業(yè)不僅要求水下機(jī)器人具備上述功能，還應(yīng)滿足海底管道行業(yè)的工程綜合要求。因此，有必要探究海底管道巡檢機(jī)器人的工作原理，以指導(dǎo)海底管道巡檢機(jī)器人的工業(yè)化生產(chǎn)，保障海底油氣的安全輸送。針對海底管道檢查維修的行業(yè)需求，我們設(shè)計(jì)了一款能夠沿海底管道自主運(yùn)行、檢測管道吸附物并發(fā)出警報(bào)的海底管道自主巡檢系統(tǒng)。

1 整體方案設(shè)計(jì)

1.1 設(shè)計(jì)要求

1.1.1 模擬海底管道

綜合考慮海底管道實(shí)際鋪設(shè)與巡檢工況，模擬海底管道水平架設(shè)、轉(zhuǎn)向、傾斜等各種情況。場地為長方體藍(lán)色水池，其尺寸(長×寬×高)為3 000×2 000×600(mm)，水面高度為530 mm。模擬管道鋪設(shè)在水池底部，采用直徑φ75 mm的白色PVC管，設(shè)置淺水區(qū)、過渡區(qū)、深水區(qū)。其中淺水區(qū)水平距離長2 500 mm，距水池底部210 mm；過渡區(qū)水平距離1 000 mm，深水區(qū)水平距離2 500 mm，與水池底部接觸；設(shè)置兩個(gè)管道支撐架，分別放置于出發(fā)區(qū)靠近水池壁處和距離出發(fā)區(qū)支撐管2 000 mm處。

1.1.2 姿態(tài)矯正及自主循跡功能

根據(jù)海底管道巡檢需求，自主巡檢系統(tǒng)需全程自主循跡，并實(shí)現(xiàn)前進(jìn)、轉(zhuǎn)彎、浮沉等功能。

1.1.3 吸附物檢測功能

為了在實(shí)驗(yàn)室環(huán)境下模擬海底管道的腐蝕、泄漏等缺陷，在實(shí)驗(yàn)室模擬管道外壁添加圓柱體、立方體等黑色吸附物。自主巡檢系統(tǒng)在管道循跡過程中，需自主識別吸附物的形狀、沿模擬管道軸線的位置等信息，并觸發(fā)相應(yīng)類型報(bào)警。

1.2 設(shè)計(jì)原理

根據(jù)設(shè)計(jì)要求，自主巡檢系統(tǒng)應(yīng)主要由機(jī)械主體、主控模塊、姿態(tài)模塊、循跡模塊和視覺模塊等組成，如圖1所示。機(jī)械主體可為其它模塊提供安裝支撐和無水工作空間，為巡檢機(jī)器人正常工作提供基礎(chǔ)保障；主控模塊可實(shí)時(shí)監(jiān)測自主巡檢系統(tǒng)的工作狀態(tài)及周圍水環(huán)境，并根據(jù)任務(wù)及環(huán)境調(diào)控自主巡檢系統(tǒng)工作狀態(tài)；姿態(tài)模塊可及時(shí)調(diào)控自主巡檢系統(tǒng)的運(yùn)動姿態(tài)，保證尋跡和視覺識別的正常進(jìn)行；循跡模塊可實(shí)時(shí)監(jiān)測水下管道相對于自主巡檢系統(tǒng)的位置信息，控制自主巡檢系統(tǒng)沿水下管道正確循跡；視覺模塊可實(shí)時(shí)反饋管道及吸附物圖像，為主控模塊正確判斷管道吸附物提供圖像信息；此外，自主巡檢系統(tǒng)在水下作業(yè)，需保證自主巡檢系統(tǒng)各部件防水。

圖1 自主巡檢系統(tǒng)設(shè)計(jì)思路

1.3 設(shè)計(jì)方案

根據(jù)設(shè)計(jì)要求，綜合考慮系統(tǒng)性與拓展性，完成基于光視覺技術(shù)的海底管道自主巡檢系統(tǒng)整體設(shè)計(jì)，如圖2所示。機(jī)械部分主要由支架、配重、防水艙、圖像艙、3組推進(jìn)器(其中，2組水平推進(jìn)器，1組垂直推進(jìn)器)等組成，為各類傳感器、推進(jìn)器等元件的安裝提供牢固的機(jī)械基礎(chǔ)，為控制模塊、圖像模塊等提供無水的工作空間。主控模塊主要由STM32F104ZGT6主控芯片、主控電路板、驅(qū)動電路板、穩(wěn)壓電路板、鋰電池等組成，可實(shí)時(shí)監(jiān)測各傳感器的反饋數(shù)據(jù)，控制推進(jìn)器的運(yùn)動狀態(tài)，并對各模塊提供穩(wěn)定、正確地電源，以實(shí)現(xiàn)自主巡檢系統(tǒng)的姿態(tài)智能調(diào)整、管道軌跡的自主巡檢。姿態(tài)模塊主要由十軸加速度傳感器WTGAHRS1、深度傳感器MS5837-30BA等組成，實(shí)時(shí)監(jiān)測自主巡檢系統(tǒng)的俯仰角、橫滾角、偏航角等水下姿態(tài)信息及下潛深度，采用PID運(yùn)動控制算法及時(shí)調(diào)整垂直推進(jìn)器工作狀態(tài)，保證自主巡檢系統(tǒng)的水下姿態(tài)正確、下潛深度正確且穩(wěn)定。循跡模塊采用openMV進(jìn)行管道位置的識別，反饋管道相對于自主巡檢系統(tǒng)的角度和位置信息，輔助水平推進(jìn)器工作，實(shí)現(xiàn)管道的自主循跡。視覺模塊通過140°廣角攝像頭實(shí)時(shí)獲取管道吸附物的圖像信息，利用NANO主板強(qiáng)大的圖像處理能力，采用YoloV4-tiny目標(biāo)檢測算法，高效、快速識別管道吸附物。

圖2 自主巡檢系統(tǒng)方案

2 水下巡檢控制系統(tǒng)設(shè)計(jì)

水下巡檢控制系統(tǒng)主要由主控模塊、姿態(tài)模塊和尋跡模塊組成，可根據(jù)海底管道的相對位置信息實(shí)時(shí)調(diào)整推進(jìn)器的工作狀態(tài)，實(shí)現(xiàn)自主巡檢系統(tǒng)沿海底管道前進(jìn)、轉(zhuǎn)彎、沉浮等運(yùn)動。

2.1 水下巡檢控制系統(tǒng)原理

以自主巡檢系統(tǒng)對稱中心為原點(diǎn)O，與前進(jìn)方向平行的對稱線為X軸，建立笛卡爾坐標(biāo)系XOY，如圖3所示。在自主巡檢系統(tǒng)的四角對稱安裝4個(gè)同規(guī)格推進(jìn)器P(此時(shí)，P=1，2，3，4)，推進(jìn)器正面朝向X軸正方向、軸線與X軸夾角為45°，相鄰?fù)七M(jìn)器的軸線不平行，推進(jìn)器1和2、3和4分別為一對正反推進(jìn)器。當(dāng)自主巡檢系統(tǒng)前進(jìn)時(shí)，4個(gè)推進(jìn)器正轉(zhuǎn)，產(chǎn)生推進(jìn)力FP，F(xiàn)P沿Y軸分力F1Y和F2Y、F3Y和F4Y分別相互抵消(大小相等、方向相反)，沿X軸分力F1X、F2X、F3X、F4X方向相同，則產(chǎn)生沿X軸正向的合力，推動自主巡檢系統(tǒng)向前運(yùn)動；當(dāng)自主巡檢系統(tǒng)向右轉(zhuǎn)彎時(shí)，推進(jìn)器1#、2#前進(jìn)速度不變，推進(jìn)器3#正轉(zhuǎn)、4#反轉(zhuǎn)，產(chǎn)生推進(jìn)力F3和F4，沿X軸分力F3X、F4X相互抵消(大小相等、方向相反)，沿Y軸分力F3Y、F4Y方向相同，產(chǎn)生沿Y軸負(fù)向的合力，自主巡檢系統(tǒng)前部Y向位置不變、后部繞攝像頭位置向左前運(yùn)動，自主巡檢系統(tǒng)整體運(yùn)動表現(xiàn)為以攝像頭為圓心的向右轉(zhuǎn)彎；自主巡檢系統(tǒng)向左轉(zhuǎn)彎同理。在自主巡檢系統(tǒng)兩側(cè)對稱安裝2個(gè)同規(guī)格推進(jìn)器P(此時(shí)，P=5，6)，推進(jìn)器正面垂直向上、軸線亦垂直向上。推進(jìn)器5#、6#正轉(zhuǎn)，產(chǎn)生垂直向上的推力F5、F6實(shí)現(xiàn)自主巡檢系統(tǒng)上??；反之，推進(jìn)器5#、6#反轉(zhuǎn)，自主巡檢系統(tǒng)下潛。沿X軸，在自主巡檢系統(tǒng)的前方放置openMV攝像頭，實(shí)時(shí)獲取自主巡檢系統(tǒng)與管道的相對位置與夾角；在自主巡檢系統(tǒng)上表面放置深度傳感器，實(shí)時(shí)檢測自主巡檢系統(tǒng)的下潛深度；自主巡檢系統(tǒng)內(nèi)部布置慣導(dǎo)模塊，實(shí)時(shí)檢測自主巡檢系統(tǒng)的俯仰角、橫滾角、偏航角等姿態(tài)信息。

圖3 推進(jìn)器布置

2.2 運(yùn)動控制設(shè)計(jì)

自主巡檢系統(tǒng)運(yùn)動控制包括循跡和姿態(tài)控制兩部分，如圖4所示。循跡控制將openMV反饋的角度偏差θ和位置偏差δ分別與循跡指令[ab]比較并進(jìn)行PID運(yùn)算，其結(jié)果[AB]乘以相應(yīng)水平推進(jìn)器的權(quán)重系數(shù)ai(其中，i=1，2，3，4)以產(chǎn)生推進(jìn)器的速度指令[AiBi]；姿態(tài)控制將慣導(dǎo)傳感器與深度傳感器傳回的橫滾角ψ和深度h分別與姿態(tài)指令[cd]比較并進(jìn)行PID運(yùn)算，其結(jié)果[CD]乘以相應(yīng)垂直推進(jìn)器的權(quán)重系數(shù)bj(其中，j=1，2)以獲得推進(jìn)器的速度指令[CjDj]。

圖4 運(yùn)動控制器原理

2.2.1 角度控制

自主巡檢系統(tǒng)沿海底管道尋跡運(yùn)動過程中，當(dāng)出現(xiàn)偏差角θ后，立即調(diào)用PID模塊以修正水平推進(jìn)器的推進(jìn)速度，如圖5所示。為了保證攝像頭對管道的實(shí)時(shí)檢測，角度修正過程的旋轉(zhuǎn)中心應(yīng)位于攝像頭處。綜合考慮推進(jìn)方向、自主巡檢系統(tǒng)重心、前進(jìn)慣性等因素，為水平推進(jìn)器設(shè)定不同的速度修訂權(quán)重系數(shù)ai(其中，i=1，2，3，4)。

圖5 角度修正

2.2.2 位置控制

在尋跡過程中，當(dāng)自主巡檢系統(tǒng)出現(xiàn)位置偏差δ時(shí)，調(diào)用PID模塊進(jìn)行位置修正。為了保證攝像頭視野的有效性，位置修正過程如下：

1)如圖6(a)所示，只對前方推進(jìn)器1#、2#進(jìn)行速度修正，后方推進(jìn)器3#、4#的速度不變；

圖6 位置修正

2)如圖6(b)所示，在后方推進(jìn)器的影響下，自主巡檢系統(tǒng)由位置偏差轉(zhuǎn)化成角度偏轉(zhuǎn)，此時(shí)調(diào)用角度控制器以修正偏角；

3)重復(fù)1)、2)過程，實(shí)現(xiàn)自主巡檢系統(tǒng)最終位置修正，如圖6(c)所示。

2.2.3 姿態(tài)

自主巡檢系統(tǒng)的姿態(tài)受俯仰角、橫滾角等影響。通過調(diào)整機(jī)身配重的大小與位置，使自主巡檢系統(tǒng)重力與浮力基本相等，且重心降低，保證自主巡檢系統(tǒng)不側(cè)翻且俯仰角穩(wěn)定。當(dāng)橫滾角出現(xiàn)偏差ψ或需要調(diào)整深度h時(shí)，立即調(diào)用PID模塊修正豎直推進(jìn)器5#、6#的運(yùn)動速度，實(shí)現(xiàn)自主巡檢系統(tǒng)的姿態(tài)調(diào)整。

3 基于YOLOv4模型的異常綜合評估算法

3.1 算法模型

考慮到水下環(huán)境中光亮強(qiáng)度、圖像畸變等因素影響，兼顧自主巡檢系統(tǒng)運(yùn)動控制與高效識別的矛盾性，本系統(tǒng)選用精度高、速度快的輕量級算法模型YOLOv4-tiny[20-24]進(jìn)行水下圖像識別。其中，顯卡使用NVIDAGeForceRTX 2060，選用darknet深度學(xué)習(xí)框架進(jìn)行數(shù)據(jù)集標(biāo)注訓(xùn)練，深度神經(jīng)網(wǎng)絡(luò)加速庫為CUDA10.1和CUDNN7.5，為防止顯存溢出，Training中的batch參數(shù)設(shè)置為64，subvisions設(shè)置為16；嵌入式平臺選用NvidiaJetson Nano，通過GPU進(jìn)行推理加速，安裝CUDA庫以及OpenCV庫，檢測幀率達(dá)到16 fps。

YOLOv4-tiny方法具有較快的目標(biāo)檢測速度，可在嵌入式系統(tǒng)或移動設(shè)備上進(jìn)行動圖識別。在1080Ti GPU平臺上，YOLOv4-tiny的目標(biāo)檢測速度可達(dá)每秒37幀，而且精度滿足實(shí)際要求。YOLOv4-tiny方法使用CSPDarknet53-tiny網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)，其使用了跨級部分網(wǎng)絡(luò)中的CSPBlock模塊，該模塊可以提高卷積網(wǎng)絡(luò)的學(xué)習(xí)能力。CSPBlock模塊將特征映射分為兩部分，并通過跨級殘差邊緣將兩部分合并。因此，梯度流可以在兩個(gè)不同的網(wǎng)絡(luò)路徑上傳播，增加了梯度信息的相關(guān)性差異。YOLOv4-tiny方法的激活函數(shù)LeakyReLU函數(shù)，即：

(1)

其中:ai∈(1，+∞)且為常數(shù)。

在特征融合部分，YOLOv4-tiny方法使用特征金字塔網(wǎng)絡(luò)提取不同尺度的特征地圖，以提高目標(biāo)檢測速度。同時(shí)，YOLOv4-tiny使用兩種不同比例的特征圖1313和2626來預(yù)測檢測結(jié)果。預(yù)測過程中，首先調(diào)整輸入圖像的大小，使所有輸入圖像大小相同。其次，將輸入圖像劃分為大小為SS的網(wǎng)格，每個(gè)網(wǎng)格負(fù)責(zé)對中心落入該網(wǎng)格的物體進(jìn)行預(yù)測。每個(gè)網(wǎng)格需要預(yù)測出B個(gè)目標(biāo)框及每個(gè)目標(biāo)框的置信度得分C，如果目標(biāo)框的置信度得分高于置信度閾值，則保持目標(biāo)框；否則目標(biāo)框?qū)⒈粍h除。置信度得分的公式為：

(2)

(3)

由上式可得每個(gè)目標(biāo)框的類別置信度得分，根據(jù)設(shè)置的閾值可對準(zhǔn)確度低的目標(biāo)框進(jìn)行去除，并對閾值篩選后的目標(biāo)框進(jìn)行非極大值抑制即可得到檢測網(wǎng)絡(luò)最終的輸出的結(jié)果。

3.2 異常綜合評估算法

通常目標(biāo)檢測對象是圖片或靜止物體，在進(jìn)行目標(biāo)檢測時(shí)基本不會出現(xiàn)因目標(biāo)運(yùn)動模糊造成模型誤識別問題。但自主巡檢系統(tǒng)在水下巡檢時(shí)一直處于運(yùn)動狀態(tài)，采集的圖像幀數(shù)有限且不固定，需要在盡量短的時(shí)間內(nèi)根據(jù)不同角度的圖像完成目標(biāo)準(zhǔn)確識別。此外水下環(huán)境復(fù)雜，模型精度有限，單幀正確率難以保證。為了評估異常結(jié)果，一般采取以下兩種評估方案：1)實(shí)時(shí)評估，即僅依賴單次采集的圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)評估。該方案具有良好的同步性，但對模型要求較高，很容易出現(xiàn)誤報(bào)，且同一異常點(diǎn)會被連續(xù)采集，多次報(bào)警;2)完整評估，即預(yù)設(shè)評估數(shù)量，采集數(shù)據(jù)達(dá)到一定值后再進(jìn)行評估?？蓽p少模型錯(cuò)誤產(chǎn)生的誤報(bào)，但預(yù)設(shè)數(shù)量往往是定值，可能自主巡檢系統(tǒng)運(yùn)動速度快慢影響數(shù)據(jù)利用等情況。

綜合以上考慮，本文提出一種新的動態(tài)評估算法，即根據(jù)實(shí)際的圖像采集情況確定評估時(shí)間，時(shí)間結(jié)束后立刻根據(jù)采集到的所有數(shù)據(jù)進(jìn)行綜合性評估。

3.2.1 確定評估時(shí)間

首先設(shè)置視覺定時(shí)器，該定時(shí)器以固定頻率進(jìn)行計(jì)數(shù)，當(dāng)計(jì)數(shù)達(dá)到最大值時(shí)，采集結(jié)束。則需要確定計(jì)時(shí)器何時(shí)開始計(jì)時(shí)以及計(jì)數(shù)最大值，如圖7所示。具體過程如下：攝像頭以固定頻率進(jìn)行圖像采集，當(dāng)目標(biāo)出現(xiàn)在自主巡檢系統(tǒng)視野內(nèi)(模型判斷該幀圖像目標(biāo)存在概率超出閾值，避免誤判)，開啟視覺定時(shí)器；定時(shí)器開始計(jì)時(shí)后，若模型判斷當(dāng)前幀存在異常，該計(jì)時(shí)器清零，重新計(jì)數(shù)；同時(shí)，根據(jù)圖像識別結(jié)果不斷調(diào)整計(jì)數(shù)器最大值；當(dāng)計(jì)數(shù)器完成計(jì)數(shù)后，采集時(shí)間結(jié)束，將采集到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并根據(jù)評估方法得出異常結(jié)果。其中，為了采集盡量多的數(shù)據(jù)并在采集完成后立刻進(jìn)行評估，構(gòu)造計(jì)數(shù)器最大值與采集時(shí)間的函數(shù)，且具備以下特征：單調(diào)遞減、平滑、初始段斜率較小、超過一定閾值后以較快速度下降、保證準(zhǔn)確率后直接進(jìn)行判斷。為得到計(jì)數(shù)器最大值與采集時(shí)間的關(guān)系，設(shè)模型在某一時(shí)刻產(chǎn)生誤判或者漏識別的概率Pe(t)，正確檢測的概率記作Pa(t)，以目標(biāo)剛進(jìn)入視野內(nèi)開始計(jì)時(shí)，在視野內(nèi)的滯留的采集時(shí)間記作t，計(jì)數(shù)器最大值是用于模型在產(chǎn)生誤識別或漏檢后，如果在計(jì)數(shù)器規(guī)定時(shí)間內(nèi)沒有檢測到目標(biāo)，則對已有數(shù)據(jù)進(jìn)行評估，此目標(biāo)檢測結(jié)束，等待下一次檢測開始，該計(jì)數(shù)器最大值記作k，計(jì)數(shù)器最大值與采集時(shí)間的關(guān)系記作k=f(t)。一般情況下，我們可以認(rèn)為任意時(shí)刻Pe(t)均為常數(shù)，但實(shí)驗(yàn)發(fā)現(xiàn)，由于目標(biāo)圖像不完整以及模型本身存在一定缺陷，在目標(biāo)剛進(jìn)入識別視野內(nèi)和離開視野時(shí)Pe(t)較大，這里取50次目標(biāo)檢測的數(shù)據(jù)進(jìn)行分析，為方便后續(xù)數(shù)據(jù)處理，我們將時(shí)間t和k進(jìn)行離散化，這里取時(shí)間單位100 ms，通過50次實(shí)驗(yàn)數(shù)據(jù)可以對Pe(t)進(jìn)行估計(jì)，公式為：

圖7 評估算法

為得到合適的f(t)我們?nèi)?yōu)化目標(biāo)函數(shù)：

式中，a為懲罰系數(shù)，設(shè)置范圍在(1，1.5)范圍內(nèi)，優(yōu)化目標(biāo)是使g(t)取最小值。為滿足f(t)的特征，我們選擇3次函數(shù)來進(jìn)行優(yōu)化。通過Matlab仿真擬合以及實(shí)際實(shí)驗(yàn)測試的效果，最終得到函數(shù)：

f(t)=0.0003t3-0.0115t2+0.0742*t+0.918

(4)

上述公式含義為在0.1*ts時(shí)刻，計(jì)數(shù)器最大值為s。通過配置程序中檢測定時(shí)器的值，實(shí)現(xiàn)計(jì)數(shù)器值動態(tài)變化。

當(dāng)數(shù)據(jù)量較小時(shí)，計(jì)數(shù)器最大值較大，允許在較長時(shí)間內(nèi)繼續(xù)獲取數(shù)據(jù)；當(dāng)數(shù)據(jù)量基本滿足要求時(shí)，計(jì)數(shù)器最大值則快速下降；當(dāng)計(jì)數(shù)器最大值變小后，計(jì)數(shù)時(shí)間縮短，若未在規(guī)定時(shí)間內(nèi)獲取到數(shù)據(jù)或數(shù)據(jù)量達(dá)到一定值時(shí)結(jié)束，盡可能快地進(jìn)行數(shù)據(jù)評估，得出結(jié)果。

3.2.2 計(jì)算評估結(jié)果

在采集完每幀圖像后，模型會對圖像信息進(jìn)行處理，從而判斷出該幀圖像中可能存在的異常，并給出異常標(biāo)簽i(異常類型)與該異常的置信度pi(存在概率)。設(shè)采集到某異常標(biāo)簽j的數(shù)量為xj、其最大置信度為pjmax。水下數(shù)據(jù)采集完成后，對采集到的數(shù)據(jù)進(jìn)行計(jì)算：Qj=xj×pjmax，取最大值Qj，則其對應(yīng)的標(biāo)簽j便為評估結(jié)果。本算法直接將標(biāo)簽對應(yīng)的數(shù)量與其最大置信度相乘，既利用了所有數(shù)據(jù)，又能最大程度地簡化運(yùn)算，保證了算法的快速性與準(zhǔn)確性。

4 水下巡檢實(shí)驗(yàn)

4.1 實(shí)驗(yàn)環(huán)境

為了驗(yàn)證基于光視覺技術(shù)的自主巡檢系統(tǒng)的有效性，制作機(jī)器人樣機(jī)并搭建水下管道巡檢實(shí)驗(yàn)平臺，滿足1.1.1尺寸要求，如圖8所示。其中，管道附著物采用截面形狀為方形、圓形的黑色物體進(jìn)行模擬，且安置于管道軸線上方，沿軸線方向設(shè)置8個(gè)吸附物，相鄰吸附物距離不小于500 mm(機(jī)器人樣機(jī)長度)。吸附物的直徑或邊長為30～50 mm，材質(zhì)為PLA(聚乳酸)，采用3D打印機(jī)制作。

圖8 水下管道巡檢實(shí)驗(yàn)平臺

4.2 實(shí)驗(yàn)過程

在室內(nèi)光照充足環(huán)境下，分別間隔2個(gè)小時(shí)，連續(xù)開展10次實(shí)驗(yàn)，步驟如下：

1)將自主巡檢系統(tǒng)放于水池出發(fā)區(qū)管道正上方，并啟動；

2)自主巡檢系統(tǒng)沿管道自主前行，依次通過出發(fā)區(qū)、深水區(qū)、過渡區(qū)、淺水區(qū)和返回區(qū)；

3)巡檢過程中檢測到方形吸附物點(diǎn)亮綠燈，檢測到圓形吸附物則點(diǎn)亮紅燈。

4.3 實(shí)驗(yàn)結(jié)果

多次實(shí)驗(yàn)表明，自主巡檢系統(tǒng)可完成水下管道尋跡運(yùn)動、附著物檢測運(yùn)動，具有良好的自適應(yīng)能力。

4.3.1 管道循跡實(shí)驗(yàn)結(jié)果

采用深度傳感器、慣導(dǎo)傳感器獲取巡檢自主巡檢系統(tǒng)深度和橫滾角、俯仰角、偏航角等狀態(tài)數(shù)據(jù)，并進(jìn)行均值化處理，在Origin75數(shù)據(jù)處理平臺上進(jìn)行曲線擬合，結(jié)果如圖9所示。

圖9 自主循跡實(shí)驗(yàn)結(jié)果

由圖9中下潛深度曲線和管道深度曲線可知，兩條曲線變化趨勢一致：0～20 s時(shí)間段，兩條曲線數(shù)據(jù)均較大、變化波動較小，二者平行，說明此段是深水區(qū)，機(jī)器人運(yùn)動高度與管道高度一致；20～30 s時(shí)間段，兩條曲線下降，但是仍舊保持較好平行，說明此段是過渡區(qū)，機(jī)器人循跡高度與管道高度比較吻合；30～48 s時(shí)間段，兩條曲線數(shù)據(jù)均較小、變化波動較小，二者平行，說明此段是淺水區(qū)，機(jī)器人運(yùn)動高度與管道高度一致。實(shí)驗(yàn)表明，自主巡檢系統(tǒng)在淺水區(qū)、過渡區(qū)、深水區(qū)分別與管道在深度上保持了較好的一致性，滿足了在不接觸管道的基礎(chǔ)上完成管道循跡和附著物識別。

由俯仰角曲線和橫滾角曲線可知，橫滾角和俯仰角都趨于零，表示自主巡檢系統(tǒng)在水下的姿態(tài)穩(wěn)定，沒有發(fā)生明顯的側(cè)翻趨勢；由偏航角曲線可知，偏航角由深水區(qū)的0°左右增大到過渡區(qū)90°左右，再變化到淺水區(qū)的180°左右，表明自主巡檢系統(tǒng)發(fā)生兩次垂直轉(zhuǎn)彎，與管道實(shí)際布置情況一致，自主巡檢系統(tǒng)可沿管道正確循跡。

綜上可知，自主巡檢系統(tǒng)在水平方向、豎直方向都能準(zhǔn)確地沿水下管道進(jìn)行循跡運(yùn)動，準(zhǔn)確率達(dá)100%，自主巡檢系統(tǒng)具有較高的準(zhǔn)確性和穩(wěn)定性。

4.3.2 附著物檢測實(shí)驗(yàn)結(jié)果

如圖10所示，自主巡檢系統(tǒng)能夠在循跡過程中，圓柱型附著物的最低識別率為60%，僅出現(xiàn)1次；方塊型附著物的最低識別率為75%，出現(xiàn)了2次。

圖10 附著物識別結(jié)果

連續(xù)10次實(shí)驗(yàn)表明，自主巡檢系統(tǒng)能夠準(zhǔn)確識別出吸附物的位置和形狀并報(bào)警，多次實(shí)驗(yàn)的識別準(zhǔn)確度可以達(dá)到96%。異常綜合評估算法可以綜合同一目標(biāo)的多次檢測數(shù)據(jù)進(jìn)行綜合評估，提高了目標(biāo)檢測的準(zhǔn)確度，一定程度上可以減少漏檢和誤檢帶來的影響，解決了在采集圖像幀數(shù)有限且不固定、需要在盡量短的時(shí)間內(nèi)情況下及時(shí)做出準(zhǔn)確評估的問題。

5 結(jié)束語

針對水下管道的巡檢問題，本文探究了水下管道自主巡檢方法與水下管道巡檢機(jī)器人原理，設(shè)計(jì)了一種基于光視覺技術(shù)的自主巡檢系統(tǒng)，并制作機(jī)器人樣機(jī)進(jìn)行了實(shí)驗(yàn)室環(huán)境下的水下實(shí)驗(yàn)。實(shí)驗(yàn)表明，該自主巡檢系統(tǒng)能夠通過視覺與運(yùn)動控制器的配合實(shí)現(xiàn)水下姿態(tài)穩(wěn)定與正常循跡，并在此基礎(chǔ)上通過YOLOv4-tiny模型與評估算法實(shí)現(xiàn)管道吸附物的準(zhǔn)確、快速檢測，解決了目前水下目標(biāo)檢測精度低、速度慢等問題。但本系統(tǒng)還缺少實(shí)際環(huán)境下的深水實(shí)驗(yàn)，實(shí)際效果還有待進(jìn)一步提高完善。