CN110324569B - 移动式自动监视系统及其方法 - Google Patents

Abstract

本说明书能够提供一种移动式自动监视系统的工作方法。其中，移动式自动监视系统的工作方法，能够包括：由管道机器人获取与第1对象相关的第1输入信息的步骤；将第1输入信息传送到CMS的步骤；由CMS以第1输入信息为基础生成第1模型的步骤；由管道机器人获取与第1对象相关的第2输入信息并将第2输入信息传送到CMS的步骤；由CMS通过对第1模型与第2输入信息进行比较而对第1对象的异常与否进行判断的步骤；以及，提供包括所判断的异常与否相关信息的输出信息的步骤。其中，与第1对象相关的第1输入信息以及第2输入信息能够包括真实图像信息以及热成像图像信息，第1模型能够是通过以机器学习方式对以第1输入信息为基础的学习数据集进行学习而生成的模型。

Description

移动式自动监视系统及其方法

技术领域

本说明书能够提供一种移动式自动监视系统及其方法。尤其是，能够提供一种在考虑机器学习的前提下提供监视信息的移动式自动监视系统。

背景技术

产业的发展推动了各种新型设备的出现，而与各种设备的维护以及管理相关的要求事项也变得越来越烦杂。例如，在产业发展过程中被埋设到地下的管道等已经处于长时间埋设在地下的状态，因此所埋设的管道等中已经出现了各类问题且因此而导致的事故发生率也呈现出了逐年增加的趋势。但是，如上所述的地下管道很难允许检修人员直接接近并对所有的区域进行监视以及维护。此外，伴随着产业化的不断发展，如设计复杂的建筑物内部等检修人员难以接近的区域也在逐渐增多。但是，目前并没有用于对如上所述的区域进行管理以及维护保养的有效的方法，这也导致了与其相关的各类问题的发生。

为了对如上所述的区域进行管理以及维护保养，可以使用热成像相机，但是热成像相机属于高价装置，因此很难在较宽广的区域安装多个此类装置。而且，热成像相机只能提供基于热成像方式的图像，因此可能难以准确地对目标物体进行识别。此外，因为CCTV只能被安装在固定的位置并对固定的区域进行拍摄，因此难以对较宽广的区域进行管理以及维护保养。

最近，伴随着人工智能相关技术的不断发展，出现了很多适用上述技术的案例。作为人工智能的一种，机器学习是一种能够自主地采集和学习相关数据并以上述数据为基础进一步推导出更多结果的系统。

本发明能够通过提供一种移动式监视系统及其方法而解决如上所述的现有问题。

发明内容

本说明书的目的在于提供一种移动式自动监视系统及其方法。

本说明书的目的在于提供一种用于对位于检修人员难以接近的区域的对象进行监视的方法。

在本说明书的一实施例中，能够提供一种移动式自动监视系统的工作方法。其中，移动式自动监视系统的工作方法，能够包括：由管道机器人获取与第1对象相关的第1输入信息的步骤；将第1输入信息传送到CMS(中央监控系统，Central Monitoring System)的步骤；由CMS以第1输入信息为基础生成第1模型的步骤；由管道机器人获取与第1对象相关的第2输入信息并将第2输入信息传送到CMS的步骤；由CMS通过对第1模型与第2输入信息进行比较而对第1对象的异常与否进行判断的步骤；以及，提供包括所判断的异常与否相关信息的输出信息的步骤。其中，与第1对象相关的第1输入信息以及第2输入信息能够包括真实图像信息以及热成像图像信息，第1模型能够是通过以机器学习方式对以第1输入信息为基础的学习数据集进行学习而生成的模型。

此外，在本说明书的一实施例中，能够提供一种移动式自动监视系统。移动式自动监视系统，能够包括：管道机器人；以及，CMS。其中，能够由管道机器人获取与第1对象相关的第1输入信息，接下来将第1输入信息传送到CMS(中央监控系统，Central MonitoringSystem)，然后由CMS以第1输入信息为基础生成第1模型，再由管道机器人获取与第1对象相关的第2输入信息并将第2输入信息传送到CMS，接下来由CMS通过对第1模型与第2输入信息进行比较而对第1对象的异常与否进行判断，最后提供包括所判断的异常与否相关信息的输出信息。其中，与第1对象相关的第1输入信息以及第2输入信息能够包括真实图像信息以及热成像图像信息，第1模型能够是通过以机器学习方式对以第1输入信息为基础的学习数据集进行学习而生成的模型。

本说明书能够提供一种移动式自动监视系统及其方法。

本说明书能够提供一种用于对位于检修人员难以接近的区域的对象进行监视的方法。

本发明能够实现的效果并不局限于上面所提及的效果，具有本发明所属技术领域之一般知识的人员将能够通过下述记载进一步明确理解未被提及的其他效果。

附图说明

图1是对适用本说明书之一实施例的移动式自动监视系统的结构进行概念性图示的示意图。

图2是对适用本说明书之一实施例的执行移动式自动监视的方法进行图示的示意图。

图3是对适用本说明书之一实施例的执行移动式自动监视的方法进行图示的顺序图。

图4是对适用本说明书之一实施例的移动式自动监视系统进行简要图示的示意图。

图5是对适用本说明书之一实施例的移动式自动监视系统相关的具体实施例进行图示的示意图。

图6是对适用本说明书之一实施例的移动式自动监视系统的工作顺序进行图示的示意图。

图7是对适用本说明书之一实施例的管道机器人以及CMS的互动工作方法进行图示的顺序图。

图8是适用本发明之实施例的管道轨道走行监视装置的斜视图。

图9是适用本发明之实施例的管道轨道走行监视装置的正面图。

图10是适用本发明之实施例的管道轨道走行监视装置的侧面图。

图11是适用本发明之实施例的管道轨道走行监视装置的平面图。

图12是适用本发明之实施例的驱动中的管道轨道走行监视装置的模式图。

图13是适用本发明之实施例的电线接触滚轴的模式图。

图14是适用本发明之另一实施例的管道轨道走行监视装置的斜视图。

图15是适用本发明之实施例的管道轨道走行监视装置上下移动的情况下的状态图。

图16是适用本发明之实施例的管道轨道走行监视装置左右移动的情况下的状态图。

图17是适用本发明之实施例的管道轨道走行监视装置沿着螺纹型管道轨道进行移动的情况下的状态图。

【符号说明】

100：管道机器人

110：管道机器人的收发信部

120：管道机器人的处理器

130：管道机器人的输入部

131：管道机器人的HD照相机

132：管道机器人的热成像照相机

200：中央监控系统

210：收发信部

220：处理器

230：机器学习部

具体实施方式

接下来，将结合附图对适用本发明的较佳的实施形态进行详细的说明。接下来结合附图进行公开的详细说明内容只是用于对本发明的示例性实施形态进行说明，并不是为了将本发明限定于可实施的唯一实施形态。为了便于更加完整地理解本发明，下述详细说明内容中包含相关的具体细节信息。但是，相关行业的从业人员也能够在不使用这些具体细节信息的情况下实施本发明。

下述实施例，是按照特定的形态对本发明的构成要素以及特征进行结合的结果。除非另有明确的说明，否则各个构成要素或特征可以认为是选择性的。各个构成要素或特征，能够以不与其他构成要素或特征结合的形态实施。此外，还能够通过对一部分构成要素和/或特征进行结合而构成适用本发明的实施例。关于在适用本发明的实施例中进行说明的动作，能够对其顺序进行变更。某个实施例中的一部分构成或特征也能够被包含在其他实施例中，或用于替代其他实施例中的对应的构成或特征。

在下述说明内容中所使用的特定术语只是为了帮助理解本发明而提供，在不脱离本发明之技术思想的范围内，这些特定术语的使用还能够变更为其他形态。

在部分情况下，为了防止本发明的概念变得模糊，可能会对公知的结构以及装置进行省略，或通过以各个结构以及装置的核心功能为中心的块图形式进行图示。此外，在整个说明书中，对于相同的构成要素将使用相同的附图编号进行说明。

此外，在本说明书中对各种构成要素进行说明时可能会使用如第1和/或第2等术语，但是上述构成要素并不限定于上述术语。上述术语只是用于将一个构成要素与其他构成要素进行区分，例如，在不脱离基于本说明书之概念的权利要求范围的情况下，第1构成要素也能够被命名为第2构成要素，同理，第2构成要素也能够被命名为第1构成要素。

此外，在整个说明书中，当记载为某个部分“包括”某个构成要素时，除非另有明确的相反记载，否则并不代表排除其他构成要素，而是代表还能够包括其他构成要素。此外，说明书中所记载的如等术语代表用于处理某个功能或动作的单位，这可以通过硬件和/或软件的结合而实现。

图1是对适用本说明书之一实施例的移动式监视系统的结构进行概念性图示的示意图。

其中，作为一实例，移动式监视系统能够包括：管道机器人(PipeBot)100；以及，CMS(中央监控系统，Central Monitoring System)200。此外，还能够包括执行基于移动式监视系统的移动式监视方法所需要的其他装置，并不限定于如上所述的实施例。

作为一实例，移动式监视系统还能够包括如服务器或数据库等。此外，还能够包括如用于对信息进行传递的通信装置等。

此外，作为一实例，管道机器人100能够由收发信部110、处理器120以及输入部130构成。此外，还能够包括内存或执行数据采集所需要的装置，并不限定于如上所述的实施例。此外，管道机器人100只是一种命名，并不限定于上述名称。具体来讲，管道机器人100能够是一种可移动的装置。其中，管道机器人100能够以执行监视的区域为基础而采用不同的大小。作为一实例，在适用于狭窄的区域时，能够使用安装有超小型照相机的管道机器人100。或者，在适用于宽广的区域时，也能够使用安装有高性能照相机的管道机器人100。此外，作为一实例，管道机器人100能够是按照预先设定的移动路径进行移动的装置。作为另一实例，管道机器人100能够是通过照相机对物体进行认知并自动设定其移动路径的装置。即，管道机器人100能够是安装有照相机并以自动方式工作的装置，并不限定于上述名称。

作为又一实例，管道机器人100能够是包含输入部130的装置。其中，输入部能够包括如上所述的照相机，还能够接收声音或其他输入信息。

作为一实例，管道机器人100的输入部130能够包括HD(高清晰度，HighDefinition)照相机131以及热成像照相机132。此外，作为一实例，管道机器人100作为输入部130还能够包括位置传感器、麦克风、电压测定器、电流测定器中的至少一种以上。作为一实例，管道机器人100能够通过HD照相机131，作为对象的图像信息而获取对象的形态信息。此外，管道机器人100能够通过热成像照相机132，作为对象的图像信息而获取温度信息。此外，管道机器人100能够通过位置传感器获取管道机器人100的位置信息。此外，管道机器人100能够利用电压测定器以及电流测定器中的至少一个获取电力相关信息。此外，作为一实例，管道机器人100能够利用麦克风部获取音频信息。即，输入部130能够是为了获取信息而进行传感的部分，并不限定于如上所述的实施例。

其中，下述表1是如上所述的管道机器人100可获取的信息相关的实例。但是，下述表1为一个示例性内容，并不限定于如上所述的实施例。

【表1】

此外，管道机器人100的处理器120能够通过收发信部110将如上所述的信息传送到CMS 200。作为一实例，处理器120能够包括机器学习功能。处理器120能够通过机器学习功能自主地对输入信息进行分析并确认对象的异常与否，从而执行与对象相关的监视功能。但是，在进行机器学习时有必要确保良好的数据处理效率，因此如果考虑到处理速度以及电力消耗等因素，可能并不适合于由管道机器人100的处理器120直接对数据进行处理。因此，处理器120能够通过收发信部110将输入信息传送到CMS200，而CMS 200能够对输入信息相关的数据进行分析，与此相关的详细信息将后续的内容中进行说明。但是，在管道机器人100的大小较大且在处理能力以及电力消耗等方面的限制较少的情况下，也能够直接执行与CMS 200相关的功能，即，管道机器人100也能够用于执行后续说明的CMS200的工作，并不限定于如上所述的实施例。

此外，作为一实例，管道机器人100的处理器120能够对管道机器人的移动路径或巡查路径进行控制。具体来讲，管道机器人100能够是以一定的周期为基础对一定的区域进行监视的装置。借此，可能需要对管道机器人100的进行控制，而处理器120能够以预先设定的路径为基础使管道机器人100进行移动。

作为另一实例，管道机器人100的处理器120能够以输入部130的输入信息为基础自行设定移动路径。具体来讲，输入部130能够作为输入信息而获取实时输入信息。其中，管道机器人100能够在将输入部130的输入信息传送到CMS之后，再从CMS接收对象的异常与否相关的应答信息。其中，管道机器人100能够通过从CMS接收的异常与否相关信息而对移动路径进行设定。作为一实例，当检测到与对象相关的异常时，能够通过将对象的周边设定为移动路径而获取更详细的输入信息。与此相反，当没有检测到异常时，管道机器人100能够按照原有的移动路径进行移动并获取与其他对象相关的输入信息，并不限定于如上所述的实施例。

其中，作为一实例，CMS 200能够通过学习数据集(Training Data Set)判断对象的异常与否。其中，学习数据集能够是被保存到CMS 200的数据库中的历史输入信息以及通过机器学习生成的模型。即，CMS 200能够以机器学习的方式对历史输入信息进行学习并生成用于判断异常与否的模型，再以此为基础与从管道机器人100接收到的实时输入信息进行比较，从而对其异常与否进行判断。

借此，CMS 200能够判断对象的异常与否，并将异常与否相关信息再次提供给管道机器人100。管道机器人100能够以从CMS 200接收到的信息为基础，判断是否需要与对象相关的追加输入信息。当管道机器人100判定需要追加输入信息时，管道机器人100能够获取与对象相关的更具体的信息并将其传送到CMS 200。CMS 200能够以与对象相关的更具体的信息为基础最终判断对象的异常与否，并储存和提供与其相关的信息。此外，还能够通过以如上所述的异常与否相关模型为基础进一步学习追加信息而对模型进行更新。

接下来，CMS 200能够包括收发信部210、处理器220以及机器学习部230中的至少一种以上。其中，CMS 200的收发信部210能够从管道机器人100接收输入信息。其中，作为一实例，输入数据能够是如上所述的从HD照相机131获取到的图像信息、从热成像照相机132获取到的图像温度信息等，并不限定于如上所述的实施例。

CMS 200的处理器220能够对如上所述的收发信部210进行控制。此外，CMS 200的处理器220还能够对机器学习部230进行控制，并不限定于如上所述的实施例。其中，作为一实例，能够选择性地包括机器学习部230。作为一实例，也能够由处理器220直接执行机器学习部230的功能。即，作为机器学习部230，能够单独配备用于执行机器学习功能的构成或利用处理器220代替执行上述功能，并不限定于如上所述的实施例。其中，CMS 200的机器学习部230能够以所接收到的输入数据为基础，通过机器学习作业执行与对象相关的监控以及控制。其中，能够以机器学习作业为基础提取并提供视频摘要信息，并借此执行与对象相关的监视工作。

作为又一实例，CMS 200能够通过机器学习检测出对象的异常与否。即，CMS 200能够在通过机器学习对从管道机器人100接收到的输入信息进行处理之后，确认对象的异常与否。其中，如上所述的视频摘要信息能够是检测出异常的信息部分的摘要。此外，作为一实例，CMS 200能够将异常与否相关信息反馈给管道机器人100。管道机器人100能够以所反馈的异常与否相关信息为基础，决定是否需要追加获取输入信息。作为一实例，管道机器人100能够在检测出对象的异常与否之后变更移动路径，然后追加获取与对象相关的具体输入信息以及传送到CMS 200，并不限定于如上所述的实施例。

即，移动式自动监视系统能够是有管道机器人100以及CMS 200构成的系统，其具体的工作方式将在后续的内容中进行说明。

图2以及图3是对以从管道机器人接收到的信息为基础执行与对象相关的监控的方法进行示意的示意图。

具体来讲，CMS能够从管道机器人接收输入数据。其中，输入数据能够是通过HD照相机测定到的对象的邢台信息以及通过热成像照相机测定到的对象的热成像信息。

其中，能够包括与需要执行监控的对象相关的信息。作为一实例，需要执行监控的对象能够是被埋设到地下的管道。检修人员可能难以接近被埋设到底下的管道，因此能够通过使可自动移动的管道机器人在管道内部进行移动而对管道的异常与否进行判断。

作为又一实例，能够用于对SVC(静态无功补偿器，(Static VAR compensator)系统进行管理。其中，在如发电站或高炉等使用大规模电力的场所，系统整体的电压以及电流可能会发生大幅度的变化。为了应对如上所述的情况而能够配备SVC系统，而管道机器人能够通过与SVC系统的结合而对其异常与否进行确认。此外，还能够被适用到如火力/原子能发电站的涡轮机等检修人员难以接近的装置。

即，需要执行监控的对象可能有很多种不同的类型，并不限定于如上所述的实施例。因此，管道机器人可能会以需要执行监控的对象的属性或者特征为基础而获取不同的输入信息。此外，作为一实例，管道机器人还能够以需要执行监控的对象的属性或者特征为基础获取或确认额外的输入信息，并不限定于如上所述的实施例。

此外，CMD能够以需要执行监控的对象为基础，利用输入数据进行机器学习。其中，机器学习能够是利用数据使计算机自主学习的一种方法。作为一实例，机器学习算法能够分为监督式学习(Supervised Learning)、无监督学习(Unsupervised Learning)以及强化学习(Reinforcement Learning)。作为一实例，监督式学习能够是以明确确定信息之标准的数据为基础进行学习的方法。此外，无监督学习能够是在没有明确确定信息之标准的状态下通过数据进行学习的方法。此外，强化学习能够是在反馈补偿以及状态信息的同时进行学习的方法。

其中，作为一实例，CMS能够以机器学习的方式对从管道机器人接收到的输入数据进行学习并以此为基础生成与对象的异常与否相关的模型。即，CMS能够利用从管道机器人接收到的信息，生成可推导出异常与否的模型，还能够通过对从管道机器人接收到的实时信息进行再学习的方式，对如上所述的模型进行更新。此外，CMS还能够以上述模型为基础，推导出与对象的异常与否相关的输出值。其中，输出值能够以HD照相机以及热成像照相机为基础进行推导。作为一实例，能够通过HD照相机，对需要执行监控的主要对象以及与其相关的位置信息进行判断。此外，还能够通过从热成像照相机获取到的热成像序列，获取与主要对象相关的温度信息。其中，CMS能够通过对以机器学习的方式对从照相机获取到的影像进行学习而生成的模型与实时信息进行比较而判断其异常与否。接下来，CMS能够生成异常与否相关视频摘要信息。作为一实例，能够通过以机器学习为基础的异常与否模型，仅提取出对象中包括超出预设条件中的标准值的情况并生成视频摘要信息。即，能够不对所有影像进行处理，而是通过将实时输入数据与机器学习的模型进行比较而仅提取出检测到异常的部分的影像并作为输出值进行提供，从而节省监控时间并借此实现高效的管理。

其中，作为一实例，能够根据管道机器人执行监控的对象而适用不同的机器学习方法。作为一实例，在执行监控的对象的属性或特征明确且以此为基础的标准值已经被确定的情况下，能够以如上所述的监督式学习方法为基础进行机器学习。作为一实例，在对象为涡轮机而异常与否是以特定的温度值为基础进行确定的情况下，能够在机器学习时通过监督式学习方法生成异常与否相关模型，再通过与实时输入信息进行比较而对异常与否进行检测和提供。

作为又一实例，在因为执行监控的对象的属性或特征不明确而需要进行综合分析的情况下，也能够适用非监督学习方法。此时，CMS能够以机器学习为基础通过输入信息构建历史信息，再利用历史信息推导出与机器学习相关的模型。而且，CMS还能够在每次获取到实时输入信息时，通过再学习对所生成的模型信息进行更新。其中，CMS能够通过对当前所获取到的输入信息与模型信息之间的差异值进行比较而检测出异常与否。

即，在将从管道机器人接收到的实时输入信息适用于检测异常与否的同时，还能够将其适用于通过机器学习而生成的模型的再学习。

作为一实例，在对象为管道的情况下，能够通过综合判断的方式判定其异常与否。其中，管道机器人作为输入信息能够获取与真实图像以及热成像图像相关的信息。此外，管道机器人还能够将与对象区域周边的管道相关的信息作为输入信息进行使用。CMS能够通过对如上所述的信息进行综合而确认管道的异常与否，其中，能够通过以非监督学习方法为基础的机器学习方法生成模型。

图4是对移动式自动监视系统进行简要图示的示意图。

如上所述，移动式自动监视系统能够由管道机器人以及CMS构成。其中，管道机器人是主要的输入值，能够获取真实成像照相机图像(利用HD照相机拍摄的图像)以及热成像照相机图像。如上所述，管道机器人能够在移动的过程中获取与对象相关的图像影像。接下来，管道机器人向CMS传送实时输入值或输入数据，CMS则能够以如上所述的机器学习方法为基础对输入数据进行处理并生成异常与否相关模型。其中，CMS能够通过对所生成的模型与新输入的实时输入信息进行比较而判断对象的异常与否。其中，在CMS以实时输入信息以及异常与否相关模型为基础检测出异常与否之后，CMS能够获取输出数据。其中，输出数据能够是以输入数据以及机器学习为基础获取到的影像即视频摘要图像。即，能够仅提取出与检测到异常的区域相关的影像并作为输出值进行提供，这与上面说明的内容相同。

图5是对移动式自动监视系统的具体一实施例进行图示的示意图。

如上所述，移动式自动监视系统能够执行与对象相关的监视工作。其中，作为一实例，对象可能位于检修人员难以接近的区域。其中，难以接近的原因可能是如被埋设到地下或高温等，并不限定于如上所述的实施例。

此外，对象的异常与否能够根据预先设定的标准进行判断。作为一实例，当对象的温度达到阈值温度以上时，能够判定对象存在异常。作为另一实例，对象的异常与否能够通过设定多个标准而进行综合判断。综合判断能够以机器学习为基础执行，为此，CMS能够通过历史输入信息生成异常与否相关模型。接下来，CMS能够通过对异常与否相关模型以及实时输入信息进行比较而判断对象的异常与否。作为具体的一实例，CMS能够作为历史输入信息，对埋设到较宽广区域中的管道的管道所处地域特征、管道机器人执行传感的时间、历史信息、周边区域信息以及图像信息进行综合而生成异常与否相关模型。其中，在CMS从管道机器人接收到实时输入信息之后，能够通过对实时输入信息以及异常与否相关模型进行比较而对异常与否进行判断。

具体来讲，作为一实例，在上述管道的特定区域即第1区域中，仅利用真实图像以及热成像图像信息，即可充分地对异常与否进行判断。即，CMS能够作为历史输入信息，仅以真实图像以及热成像图像为基础生成异常与否相关模型，然后通过将其与实时输入信息进行比较而对异常与否进行判断。与此相反，在管道的特定区域即第2区域中，仅利用如上所述的真实图像以及热成像图像，可能不足以对异常与否进行判断。作为一实例，当管道周边有水流动(地域特征)、管道机器人在冬天执行传感(执行时间特征)时，如果是在内部发生了异常，则仅通过真实图像以及热成像图像，可能难以推导出异常与否。因此，CMS能够作为历史输入信息，通过对图像信息、周边区域信息以及相同地点下的历史信息进行综合分析而生成异常与否相关模型，然后通过将其与实时输入信息进行比较而对异常与否进行判定。即，能够以管道机器人进行监视的对象或区域为基础设定互不相同的模型信息，并借此提升异常与否相关判断效率。

此外，CMS能够将通过机器学习的模型而检测到的异常与否相关信息作为摘要信息进行输出。

作为另一实例，移动式自动监视系统能够根据所监控的对象而以不同的方式工作。如上所述，管道中需要进行监视的区域能够是相对较宽且连续的区域。与此相反，需要进行监视的区域或对象也能够是特定的区域，从而通过周期性的巡查而执行与对象相关的监控。即，能够在管道机器人移动的同时持续性地对输入进行传感，或在特定的地点以及时间对输入值进行接收。其中，作为一实例，在管道机器人移动的同时持续性地对输入进行传感并将输入值传送到CMS的情况下，在判断异常与否时能够将周边信息设定为较高的优先级。其中，作为视频摘要信息，能够以周边信息为基础仅提取出与发生异常的地点相关的信息。

与此相反，在需要监控的对象已被确定且管道机器人并不是持续性地对输入进行传感的情况下，与对象相关的历史信息将作为用于判断异常与否的主要信息，从而将其设定为较高的优先级。即，移动式自动监视系统能够根据需要进行监控的对象而以不同的方式工作，并不限定于如上所述的实施例。

图5作为一实例，能够是具体的示例。作为一实例，管道机器人能够以一定的速度(或一定的周期)对安装有管道管路的区域进行巡查。其中，因为管道被安装在区域整体，因此管道机器人有必要在移动的同时持续性地对输入值进行传感。即，管道机器人能够利用真实成像照相机以及热成像照相机持续性地获取影像并将其传送到CMS。此外，还能够将其他输入传送到CMS。其中，CMS能够以从管道机器人接收到的输入信息为基础执行机器学习并生成异常与否相关的模型，再通过对实时输入的信息以及异常与否相关模型进行比较而对异常与否进行判断。接下来，CMS能够在检测出异常与否之后获取输出值。作为一实例，当没有对管道进行明确规定的标准值时，能够通过以非监督学习为基础的机器学习方法对数据进行处理。其中，所处理的数据中的异常与否，能够以移动为基础，通过与周边管道数据的比较而进行判断。此外，上述视频摘要能够是与判断为有异常的特定区域相关的摘要影像，这与上面说明的内容相同。

此外，作为一实例，管道机器人能够按照如图5所示的方式以管道轨道为基础进行移动。即，管道机器人能够以管道轨道为基础进行移动，也能够沿着一定的轨道进行移动。其中，作为一实例，在管道轨道中能够设定位置标签。其中，管道机器人能够对与位置标签相关的位置信息进行传感。其中，作为一实例，管道机器人能够通过如上所述的输入部对位置信息进行传感。此外，管道机器人能够通过位置标签对所传感的位置信息进行处理以及保存。作为一实例，管道机器人能够通过对位置信息进行确认而掌握管道机器人的当前位置并以此为基础获取周边信息，这与上面说明的内容相同。

图6以及图7是对移动式自动监视系统的工作进行图示的顺序图。

如图6以及图7所示，在步骤S710中，移动式自动监视系统中的管道机器人能够获取与第1对象相关的第1输入信息。此时，如上述结合图1至图4进行说明的内容，与第1对象相关的第1输入信息能够是如上所述的真实图像以及热成像图像。其中，作为一实例，第1输入信息能够是如上所述的历史输入信息。此外，作为一实例，CMS能够利用第1输入信息生成学习数据集。即，CMS能够为了利用通过管道机器人获取到的历史输入信息以机器学习方式执行对模型的学习而生成学习数据集。此外，作为一实例，第1输入信息能够包括与第1对象相关的位置信息。此外，第1输入信息能够包括第1对象相关信息的获取时间的时间信息。此外，第1输入信息能够是通过麦克风获取到的音频信息。此外，第1输入信息能够是电压信息。此外，第1输入信息能够是电流信息。即，第1输入信息能够是与第1对象相关的测定或传感信息，并不限定于如上所述的实施例。

作为一实例，第1输入信息能够以第1对象的属性为基础进行确定。其中，第1对象的属性能够包括第1对象的位置信息以及大小信息中的至少一个。此外，第1对象的属性能够是第1对象相关输入信息的接收时间。此外，第1对象的属性还能够是第1对象的温度、电压、电流等特定的信息。此外，作为一实例，上述属性还能够是与第1对象相关的周边环境信息。

作为一实例，当第1对象为管道时，第1对象的属性能够是管道的大小、位置、周边管道相关信息、管道相关图像的测定时间信息等。

此外，作为一实例，当第1对象为涡轮机时，上述属性能够是第1对象相关温度信息、第1对象相关电压以及电流信息等。即，能够是与第1对象的特征相关的信息。

接下来，在步骤S720中，管道机器人能够将与第1对象相关的第1输入信息传送到CMS。接下来，在步骤S730中，CMS能够以第1输入信息为基础生成第1模型。此时，如上述结合图1至图4进行说明的内容，CMS能够以机器学习为基础对第1输入信息进行处理。其中，第1模型能够是用于对第1对象的异常与否进行判断的模型。即，第1输入信息能够作为历史输入信息而构成如上所述的学习数据集。CMS能够利用学习数据集以机器学习的方式对第1模型进行学习，并借此对第1对象的异常与否进行判断。作为另一实例，CMS能够以第1对象的属性为基础对机器学习适用方法进行确定。作为一实例，在如第1对象为涡轮机且在涡轮机达到一定的温度以上时检测出异常的情况，即在具有以对象的属性为基础的明确标准值的情况下，机器学习能够以监督式学习方法为基础进行适用。

与此相反，在如第1对象为管道且管道是通过周边环境或综合信息而对异常与否进行判断的情况，即在需要综合考虑对象属性的情况下，机器学习能够以非监督学习方法为基础执行。具体来讲，CMS能够以从管道机器人接收到的输入信息为基础构建学习数据集。其中，学习数据集能够是通过对如上所述的输入信息进行综合而获取到的信息。其中，CMS能够通过学习数据集9生成第1模型，并借此判断第1对象是否超出正常状态。

接下来，在步骤S740中，管道机器人能够获取与第1对象相关的第2输入信息并将其传送到CMS。其中，如上述结合图1至图6进行说明的内容，第2输入信息能够是实时输入信息。即，当第1输入信息是历史输入信息时，第2输入信息能够是当前输入的实时输入信息。接下来，在步骤S750中，能够通过对第1模式以及第2输入信息进行比较而对与第1对象相关的异常与否进行判断。其中，如上述结合图1至图6进行说明的内容，第1模式能够是为了对与第1对象相关的异常与否进行判断而通过机器学习生成的模式。其中，第1模式能够对作为第2输入信息的实时输入信息进行学习而再次进行更新。此外，还能够通过从以第1模式为基础的信息中提取出与第2输入信息对应的信息并进行比较而对第1对象的异常与否进行判断。即，作为实时信息的第2输入信息，既能够是用于判断对象异常与否的信息，也能够是用于更新对象相关模型的信息。

接下来，在步骤S760中，能够提供包括所判断的异常与否相关信息的输出信息。其中，如上述结合图1至图4进行说明的内容，输出信息能够是视频摘要。具体来讲，第1输入信息以及第2输入信息能够是以HD照相机以及热成像照相机为基础获取到的影像信息。但是，如果将所有影像信息作为输出信息进行提供，则为了执行异常与否相关判断而需要耗费非常多的时间，因此需要提供相关的提取信息。为此，能够仅将通过机器学习获取到的信息中检测出异常的信息作为输出对象信息进行获取，并将其作为视频摘要进行提供。

此外，作为一实例，管道机器人能够是如下所述的管道轨道走行监视装置。其中，作为一实例，在下述内容中结合图8至图17对管道机器人的具体构成进行说明，但并不限定于下述装置。

图8是适用本发明之实施例的管道轨道走行监视装置的斜视图，图9是管道轨道走行监视装置的正面图，图10是管道轨道走行监视装置的侧面图，图11是管道轨道走行监视装置的平面图。此外，图12是驱动中的管道轨道走行监视装置的模式图。

如图8至图12所示，适用本发明的管道轨道走行监视装置，能够沿着由圆形截面的管道连接而成的管道轨道10进行上下以及左右移动。此外，适用本发明的管道轨道走行监视装置，能够包括：主体部200；驱动模块100，由以可旋转的方式通过平移(panning)铰链结合到主体部200的驱动支撑台130、驱动体110以及无负载驱动体120构成；摄像部300，安装于主体部200，用于对观测物进行拍摄；控制部，安装于主体部200，用于对电机部111以及摄像部300进行控制；以及，电力装置，安装于主体部200，用于向电机部111以及摄像部300供应电力。此外，驱动模块100能够在主体部200中安装一个以上。管道轨道10，能够由圆形截面的管道连接而成并具有较短的走行曲率半径。借此，对于需要复杂路径的监视区域也能够实现精密检查。

管道轨道10能够根据管道轨道走行监视装置的荷重，对其厚度和直径进行调节。借此，能够通过利用不同厚度以及直径的管道形成管道轨道10而设计出符合适用本发明的管道轨道走行监视装置的荷重或大小的管道轨道10。借此，能够对安装在适用本发明的管道轨道走行监视装置中的装置进行变更，从而实现不同目的的监视工作。其中，驱动体110，能够包括：电机部111，与驱动支撑台130结合并提供驱动力；以及，一个以上的驱动轮112，通过与电机部111结合并与管道轨道10进行接触而借助于驱动力进行滚动运动。

此外，无负载驱动体120，能够包括：辅助部121，以与电机部111对应的方式与驱动支撑台130结合；以及，一个以上的辅助轮122，通过与辅助部121结合并与管道轨道10接触而进行滚动运动。

辅助轮122与驱动轮112的形状相同，不提供驱动力而只是通过移动进行滚动运动，能够用于使适用本发明的管道轨道走行监视装置稳定地位于管道轨道10中。

电机部111以及辅助部121，能够以可旋转的方式通过翻转(tilting)铰链140与驱动支撑台130结合。即，电机部111以及辅助部121能够通过翻转铰链140与驱动支撑台130结合，从而使适用本发明的管道轨道走行监视装置能够沿着管道轨道10进行上下方向的转换。

驱动支撑台130通过平移铰链与主体部200结合，从而使适用本发明的管道轨道走行监视装置能够沿着管道轨道10进行左右方向的转换(平移铰链未图示)。

借助于平移铰链与翻转铰链140的旋转角度的变化，适用本发明的管道轨道走行监视装置能够在上下以及左右方向上实现复杂的方向转换。借此，能够更加轻松地在曲率半径较小的管道轨道10上进行移动。辅助轮122在与辅助部121结合的同时与电机部111结合，能够与管道轨道10进行接触并进行滚动运动。

驱动轮112能够与电机部111结合至少一个，辅助轮122能够与电机部111结合一个以上并与辅助部121结合一个以上。如图1所示，作为一实施例，在驱动模块100中，一个驱动轮112以及一个辅助轮122能够被结合到电机部111，而两个辅助轮122能够被结合到辅助部121。在如上所述的情况下，驱动模块100能够借助于驱动轮112的滚动运动而获得推进力，而辅助轮122能够辅助适用本发明的监视装置维持一定的行进方向以及转换方向。

为了获得更大的推进力，能够在电机部111上安装多个驱动轮112并在辅助部121上安装多个辅助轮122。

此外，也能够在不安装辅助部121的情况下，在驱动模块100上安装多个电机部111并安装多个驱动轮112。相关的详细信息将在后续的内容中进行说明。

为了将驱动轮112或者辅助轮122与管道轨道10的接触面积最大化，能够在与管道轨道10接触的部位采用曲线形态。

在驱动轮112或者辅助轮122上，能够形成用于防止滑动的特定图案。

为了防止滑动，驱动轮112或者辅助轮122能够在与管道轨道10接触的面上配备突起形状、线形的凹槽或无固定形状的凹凸部。

在适用本发明的实施例中，以在驱动轮112或者辅助轮122上形成如上所述的特定图案的情况为例进行说明，但并不限定于如上所述的形状。

此外，为了将震动最小化，驱动轮112或者辅助轮122能够利用具有弹性力的合成树脂材质形成或以填充有空气的轮胎方式形成。其中，合成树脂材质能够是橡胶、聚氨酯或硅树脂。

图13是适用本发明之实施例的电线接触滚轴的模式图。如图13所示，驱动模块100，还能够包括：电线接触滚轴160，与安装在管道轨道10中的电线部20进行面接触并通过滚动运动而从电线部20接收电力供应。

电线部20能够利用压塑树脂粘贴到管道轨道10的下端。此时，压塑树脂能够是疏水性材料。借此，能够防止凝结在管道轨道10中的水分流入到适用本发明的管道轨道走行监视装置中并进一步防止电线部20发生短路。

电线接触滚轴160能够通过与电线部20的滚动接触以及面接触而接收电力的供应，其中，电线部20中能够有直流或交流电流流动。

通过使电线接触滚轴160与通信用电线部进行滚动接触以及面接触，能够执行通信以及照相机310的影像信号传送。

通过采用可使电线接触滚轴160与电线部20或通信用电线部进行面接触而非点接触的曲面设计方式，能够显著地降低断路的概率。

通过使电线接触滚轴160与电线部20相互贴紧并进行滚动运动，能够防止其发生晃动并对其详细路径进行设定。

通过使电线接触滚轴160与电线部20相互贴紧，能够防止适用本发明的管道轨道走行监视装置发生晃动。借此，通过在管道轨道10的表面按照所需要的路径安装电线部20，能够更加容易地实现适用本发明的管道轨道走行监视装置的曲线移动。

主体部200能够通过在其正面或背面安装刷子而对管道轨道10或电线部20表面的灰尘或湿气等异物进行去除。

电力装置能够从电线接触滚轴160接收电力的供应，并向电机部111以及摄像部300供应电力。

电力装置能够直接将供应过来的电力供应到电机部111以及摄像部300。或者，电力装置中还能够通过配备电池而首先对供应过来的电力进行保存，然后在必要时供应到电机部111以及摄像部300。

电力装置能够以无线方式接收电力并向电机部111以及摄像部300供应电力。

电力装置不仅能够借助于电线接触滚轴160从电线部20接收电力，还能够通过无线电力系统接收电力。其中，无线电力接收器能够被配置在电力装置中。在如上所述的情况下，无线电力系统能够在除管道轨道10之外的设施上以一定的间隔安装无线电力发送器，从而将电力传送到电力装置的无线电力接收器中。或者，能够在管道轨道10的内部以一定的间隔安装无线电力发送器，从而将电力传送到电力装置的无线电力接收器中。

在适用本发明的实施例中，以通过电线接触滚轴160或无线电力系统持续性地接收电力供应的情况为例进行说明，但并不以此为限。电力装置中能够配备电池，并在以一定的间隔安装的充电点中自动进行充电。其中，充电点的充电方式能够是有线充电或无线充电方式。

如图5所示，驱动模块100，还能够包括：传感器部150，通过对安装在管道轨道10中的位置标签30进行传感而对位置信息进行采集。

位置标签30能够以一定的间隔配置于管道轨道10的表面或内部。

传感器部150能够通过对位置标签30的标志的传感，获取如适用本发明的监视装置所移动的距离以及当前位置等相关信息。在传感器部150中，能够通过配备GPS(全球定位系统，Global Positioning System)而实时地对适用本发明的监视装置的位置进行确认。摄像部300，能够包括：照相机310，对观测物进行拍摄并发送所生成的影像信号；以及，照相机头320，安有装照相机310，能够借助于控制部以及电力装置实现上下以及左右旋转。

照相机头320能够被安装在主体部200的下端部。照相机310能够被安装在如上所述的照相机头320上，从而在进行上下以及左右旋转的同时对位于下部的观测物进行拍摄。

在适用本发明的实施例中，以照相机头320被安装在主体部200的下端部的情况为例进行说明，但并不以此为限。根据其用途，主体部200能够被安装在管道轨道10的上端且照相机头320能够被安装在主体部200的上端部，从而对上部的观测物进行拍摄。照相机310的影像信号，能够通过安装在管道轨道10上的电线部20进行传送。因此，在电线部20中除了用于供应电源的电力用电线之外，还能够配备用于传送影像信号的通信用电线。在上述情况下，作为通信用装置能够使用光缆。

此外，照相机310的影像信号也能够通过无线方式进行传送。

为了能够通过无线方式对照相机310的影像信号进行传送，能够在摄像部300中配备无线传送装置。

控制部能够从外部接收远程控制信号并根据相应的控制信号对电机部111或摄像部300进行控制，或通过内置的自动控制程序对电机部111或摄像部300执行特定的控制动作。

控制部不仅能够开始或停止驱动电机部111，还能够对电机部111的旋转速度或扭矩进行控制。

为了使摄像部300能够获取到与观测物相关的清晰的图像，控制部能够对摄像部300的焦点修改以及旋转进行控制。

接下来，将对适用本发明的管道轨道走行监视装置的另一实施例进行说明。

图14是适用本发明之另一实施例的管道轨道走行监视装置的斜视图。如图14所示，沿着由圆形截面的管道连接而成的管道轨道10进行上下以及左右移动的管道轨道走行监视装置，能够包括：主体部200；驱动模块100，由以可旋转的方式通过平移(panning)铰链结合到主体部200的驱动支撑台130、第1驱动体110a以及第2驱动体110b构成；摄像部300，安装于主体部200，用于对观测物进行拍摄；控制部，安装于主体部200，用于对第1电机部111a和第2电机部111b以及摄像部300进行控制；以及，电力装置，安装于主体部200，用于向第1电机部111a和第2电机部111b以及摄像部300供应电力。此外，驱动模块100能够在主体部200中安装一个以上。

其中，第1驱动体110a，能够包括：第1电机部111a，与驱动支撑台130结合并提供驱动力；以及，一个以上的第1驱动轮112a，通过与第1电机部111a结合并与管道轨道10进行接触而借助于驱动力进行滚动运动。此外，第2驱动体110b能够与第1驱动体110a对应形成，包括：第2电机部111b，与驱动支撑台130结合并提供驱动力；以及，一个以上的第2驱动轮112b，通过与第1电机部111b结合并与管道轨道10进行接触而借助于驱动力进行滚动运动。如图14所示，在利用多个电机部111a、111b替代辅助部121而构成驱动模块100并配备多个驱动轮112a、112b的情况下，能够提升适用本发明的管道轨道走行监视装置的驱动力。此外，通过安装多个驱动模块100，能够进一步强化驱动力增加效果。第1电机部111a以及第2电机部111b，能够以可旋转的方式通过翻转(tilting)铰链140与驱动支撑台130结合。即，第1电机部111a以及第2电机部111b能够通过翻转铰链160与驱动支撑台130结合，从而使适用本发明的管道轨道走行监视装置能够沿着管道轨道10进行上下方向的转换。

适用本发明的管道轨道走行监视装置，还能够包括：一个以上的辅助轮122，通过与第1电机部111a或第2电机部111b结合并与管道轨道10接触而进行滚动运动。

此外，作为一实例，如上所述的管道机器人的工作能够以图15至图17为基础执行。具体来讲，在管道机器人为了获取到如上所述的输入信息而进行移动的过程中，能够执行下述如图15至图17所示的动作。但是，并不限定于如上所述的实施例。其中，图15能够是适用本发明之实施例的管道机器人进行上下移动的情况下的状态图。此外，图16能够是适用本发明之实施例的管道机器人进行左右移动的情况下的状态图。

作为一实例，如图15所示，通过对将电机部111与主体结合在一起或将辅助部121与主体结合在一起的翻转铰链140的旋转角度进行调整，能够使管道机器人沿着管道轨道10进行上升以及下降运动。

此外，作为一实例，如图16所示，通过对将驱动支撑台130与主体部200结合在一起的平移铰链的旋转角度进行调整，能够使管道机器人沿着管道轨道10进行左右方向转换。

此外，图17是适用本发明之实施例的管道机器人沿着螺纹型管道轨道进行移动的情况下的状态图。

如图17所示，适用本发明的管道轨道走行监视装置能够实现复杂的方向转换，从而在沿着螺纹形的管道轨道10进行旋转移动的同时执行上升以及下降移动。

即，如上所述，管道机器人能够在管道的内部进行上下左右方向上的移动，并通过与如上所述的CMS的信号交换而执行自动监视工作。但是，管道机器人并不限定于在如上所述的管道内部进行移动的装置，也能够是在检修人员难以接近的地区或区域进行监视的装置，并不限定于如上所述的实施例。

如上所述的适用本发明的实施例能够通过多种手段实现。例如，适用本发明的实施例能够通过硬件、固件(firmware)、软件或上述的结合等而实现。

在通过硬件实现时，适用本发明之实施例的方法能够通过一个或多个ASICs(专用集成电路，Application Specific Integrated Circuits)、DSPs(数字信号处理器，Digital Signal Processors)、DSPDs(数字信号处理器设备，Digital Signal ProcessingDevices)、PLDs(可编程逻辑设备，Programmable Logic Devices)、FPGAs(现场可编程门阵列，Field Programmable Gate Arrays)、处理器、控制器、微控制器、微处理器等而实现。

在通过固件或软件实现时，适用本发明之实施例的方法能够以用于执行上述说明的功能或动作的模块、步骤或函数等形态实现。软件代码能够被保存在内存单元中并通过处理器进行驱动。上述内存单元能够位于上述处理器的内部或外部，并通过公知的各种手段与上述处理器进行数据交换。

如上所述的对适用本发明的较佳实施形态进行的详细说明，是为了便于相关行业的从业人员实现和实施本发明。在上述内容中结合适用本发明的较佳实施形态进行了说明，但相应技术领域的熟练的从业人员应能够理解，在不脱离下述权利要求书中所记载的本发明的思想以及要旨的范围内，能够对本发明进行各种修改以及变更。因此，本发明并不限定于在本说明书中公开的实施形态，而是应被赋予与所公开的原理以及新特征一致的最宽泛的范围。此外，在上述内容中对本说明书的较佳实施例进行了图示和说明，但是本说明书并不限定于具有上述特征的实施例，在不脱离权利要求书中所要求的本说明书之要旨的范围内，具有本发明所属技术领域之一般知识的人员能够极性各种变形实施，而如上所述的变形实施不应理解为超出本说明书的技术思想或要旨。

此外，在本发明中同时对物体发明和方法发明进行了说明，因此可以根据需要互补性地适用对两种发明的说明内容。

Claims (13)

1.一种移动式自动监视系统的工作方法，包括：

由管道机器人获取与第1对象相关的第1输入信息的步骤，其中，第1对象为管道周边；

将上述第1输入信息传送到CMS(中央监控系统，Central Monitoring System)的步骤；

由上述CMS以上述第1输入信息为基础生成第1模型的步骤；

由上述管道机器人获取与上述第1对象相关的第2输入信息并将上述第2输入信息传送到上述CMS的步骤；

由上述CMS通过对上述第1模型与上述第2输入信息进行比较而对上述第1对象的异常与否进行判断的步骤；以及，

提供包括上述所判断的异常与否相关信息的输出信息的步骤；

其中，与上述第1对象相关的上述第1输入信息以及上述第2输入信息包括真实图像信息以及热成像图像信息，

上述第1模型是通过以机器学习方式对以上述第1输入信息为基础的学习数据集进行学习而生成的模型。

2.根据权利要求1所述的移动式自动监视系统的工作方法，上述第1输入信息以及上述第2输入信息，还包括位置信息、时间信息、音频信息、电压信息以及电流信息中的至少一种以上。

3.根据权利要求2所述的移动式自动监视系统的工作方法，上述第1输入信息以及第2输入信息，是以上述第1对象的属性为基础进行确定。

4.根据权利要求3所述的移动式自动监视系统的工作方法，上述第1对象的属性，是以上述第1对象的位置信息、大小信息、时间信息以及周边环境信息中的至少一个为基础进行确定。

5.根据权利要求3所述的移动式自动监视系统的工作方法，上述机器学习相关的分析方法，是以上述第1对象的属性为基础进行确定。

6.根据权利要求5所述的移动式自动监视系统的工作方法，上述CMS是通过上述第1输入信息生成上述学习数据集，并通过上述所生成的学习数据集生成上述第1模型。

7.根据权利要求6所述的移动式自动监视系统的工作方法，上述CMS从上述第1模型提取出与上述第2输入信息对应的信息，并通过对上述所提取出的信息与上述第2输入信息进行比较而对上述第1对象的异常与否进行判断。

8.根据权利要求7所述的移动式自动监视系统的工作方法，上述第2输入信息是实时输入信息，上述第1模型在每次获取到上述第2输入信息时通过学习进行更新。

9.根据权利要求5所述的移动式自动监视系统的工作方法，在与上述第1对象的属性相关的标准值被预先设定的情况下，上述第1模型是以机器学习的监督式学习分析方法为基础执行。

10.根据权利要求1所述的移动式自动监视系统的工作方法，上述所提供的输出信息，仅由以上述第2输入信息以及上述第1模型为基础检测出上述第1对象相关异常的信息构成。

11.一种移动式自动监视系统，包括：

管道机器人；以及，

CMS；

其中，由上述管道机器人获取与第1对象相关的第1输入信息，其中，第1对象为管道周边；

将上述第1输入信息传送到上述CMS，

由上述CMS以上述第1输入信息为基础生成第1模型，

由上述管道机器人获取与上述第1对象相关的第2输入信息并将上述第2输入信息传送到上述CMS，

由上述CMS通过对上述第1模型与上述第2输入信息进行比较而对上述第1对象的异常与否进行判断，以及，

提供包括上述所判断的异常与否相关信息的输出信息，

其中，与上述第1对象相关的上述第1输入信息以及上述第2输入信息包括真实图像信息以及热成像图像信息，

上述第1模型是通过以机器学习方式对以上述第1输入信息为基础的学习数据集进行学习而生成的模型。

12.根据权利要求11所述的移动式自动监视系统，

上述管道机器人，包括：

收发信部，用于对信号进行收发信；

输入部，用于获取输入信息；以及，

处理器，用于对上述收发信部以及上述输入部进行控制；

其中，上述输入部包括HD(高清晰度，High Definition)照相机以及热成像照相机。

13.根据权利要求11所述的移动式自动监视系统，

上述CMS，包括：

收发信部，用于对信号进行收发信；

机器学习部，用于对输入数据进行机器学习；以及，

处理器，用于对上述收发信部以及上述机器学习部进行控制。

Images