CN115081757B - 一种基于机器人技术的公路病害自动化检测方法 - Google Patents
一种基于机器人技术的公路病害自动化检测方法 Download PDFInfo
- Publication number
- CN115081757B CN115081757B CN202211001713.0A CN202211001713A CN115081757B CN 115081757 B CN115081757 B CN 115081757B CN 202211001713 A CN202211001713 A CN 202211001713A CN 115081757 B CN115081757 B CN 115081757B
- Authority
- CN
- China
- Prior art keywords
- road
- monitoring area
- warning
- module
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 166
- 201000010099 disease Diseases 0.000 title claims abstract description 20
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 20
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 300
- 230000007613 environmental effect Effects 0.000 claims abstract description 73
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000010191 image analysis Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 12
- 238000011897 real-time detection Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/42—Road-making materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Architecture (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于机器人技术的公路病害自动化检测方法，属于公路领域，用于解决公路病害维护方式为发现问题解决问题，且没有结合路段实际情况进行智能预警检测的问题，区域划分模块将公路进行区域划分，历史监测模块对公路监测区域的警示情况进行监测得到历史警示值，检测设定模块对公路警示区域的检测等级进行设定；设备优化布局模块对公路监测区域内的设备进行优化布局；通过环境监测模块对公路监测区域内的环境情况进行监测，再利用图像分析模块对公路监测区域内的图像进行分析；检测预警模块对公路监测区域进行检测预警，本发明结合实际情况为公路路段设定相适配的检测时段，并在检测时段内基于多源数据对公路进行病害预警检测。
Description
技术领域
本发明属于公路领域，涉及故障监测技术，具体是一种基于机器人技术的公路病害自动化检测方法。
背景技术
公路是指按照规定的公路工程技术标准修建，并经验收认定的城内、城乡间、乡间能供车辆行驶的公共道路。公路包括路基、路面、桥梁、涵洞、隧道。公路是指联接城市之间、城乡之间、乡村与乡村之间、和工矿基地之间按照技术标准修建的，由公路主管部门验收认可的道路，包括高速公路、一级公路、二级公路、三级公路、四级公路，但不包括田间或农村自然形成的小道。
当下对公路病害维护方式为发现问题解决问题，并没有对已存在病害的公路路段进行提前检测，虽然采用一些监控设施进行监测，但是并没有结合路段实际情况，从多方因素进行智能预警检测，为此，我们提出一种基于机器人技术的公路病害自动化检测方法。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于机器人技术的公路病害自动化检测方法。
本发明所要解决的技术问题为：
如何结合公路路段实际情况设定相适配的检测时段，并在检测时段内基于多源数据对公路进行病害预警检测。
本发明的目的可以通过以下技术方案实现：
一种基于机器人技术的公路病害自动化检测方法，检测方法具体如下：
步骤S101，服务器连接的区域划分模块将公路进行区域划分得到若干个公路监测区域，历史监测模块对公路监测区域的警示情况进行监测得到历史警示值，检测设定模块依据历史警示值对公路警示区域的检测等级进行设定得到对应检测设定包；
步骤S102，数据采集模块在环境监测时长内采集公路监测区域内的环境数据、以及公路监测区域内的设备数据和图像数据，环境数据发送至环境监测模块、图像数据发送至图像分析模块和设备数据发送至设备优化布局模块；
步骤S103，设备优化布局模块对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号；
步骤S104，通过环境监测模块对公路监测区域内的环境情况进行监测，再利用图像分析模块对公路监测区域内的图像进行分析，将公路监测区域的环境损害值和硬件损害值发送至检测预警模块；
步骤S105，检测预警模块对公路监测区域进行检测预警，得到公路监测区域的颜色点发送至显示终端，显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示，警示终端对异常的公路进行警示工作；
所述检测设定包为公路监测区域内机器人的预设间距、单位时间内的预设检测次数、预设有效使用率、以及公路监测区域的环境监测时长；
所述设备优化布局模块的工作过程具体如下：
获取公路监测区域内的机器人数以及每个机器人的实时地理位置；
依据每个机器人的实时地理位置得到机器人之间的实时间距，机器人之间的实时间距相加求和取平均值得到公路监测区域内机器人的实时间距；
而后获取公路监测区域内机器人单位时间内的实时检测次数，将实时检测次数大于等于预设检测次数的机器人标定为有效机器人，统计有效机器人的数量并比对机器人数得到公路监测区域内机器人的实时有效使用率；
最后获取公路监测区域对应的检测设定包，得到公路监测区域内机器人的预设间距、单位时间内的预设检测次数和预设有效使用率；
计算公路监测区域内机器人的设备偏差值，设备偏差值比对设备偏差阈值生成设备正常信号或设备优化信号；
所述环境监测模块的监测过程具体如下：
获取公路监测区域内每个机器人采集到的土壤含水率和降雨量，每个机器人采集到的土壤含水率和降雨量相加求和除以公路监测区域内机器人的数量，得到公路监测区域内的土壤含水率和降雨量；
而后获取公路监测区域内每个机器人采集到的车流量和人流量，遍历比对每个机器人采集到的车流量和人流量的最大值，将车流量和人流量的最大值标定为公路监测区域内的车流上限量和人流上限量；
获取公路监测区域内的植被面积，计算公路监测区域的环境损害值；
所述图像分析模块的分析过程具体如下：
依据图像数据得到公路监测区域内公路的路面图片，结合公路监测区域内公路的路面图片，得到公路监测区域内公路的裂缝数；
测量每条裂缝的长度，每条裂缝的长度相加求和得到公路监测区域内公路的裂缝长度；
而后获取公路监测区域内公路的路面修补数，统计每块修补的路面修补面积得到公路监测区域内公路的路面修补面积；
计算公路监测区域的硬件损害值。
进一步地，所述机器人内部设置有处理器，所述处理器连接有警示终端、数据采集模块和服务器，所述服务器连接有存储模块、历史监测模块、检测设定模块、设备优化布局模块、显示终端、检测预警模块、区域划分模块、图像分析模块和环境监测模块，所述区域划分模块用于将管辖范围内的公路进行区域划分，划分得到若干个公路监测区域；所述警示终端用于对公路监测区域内公路异常情况进行警示；
所述存储模块用于记录警示终端的警示次数以及每次警示时的警示时间，所述历史监测模块用于对公路监测区域的警示情况进行监测，得到公路警示区域的历史警示值反馈至服务器，所述服务器将公路警示区域的历史警示值发送至检测设定模块，所述检测设定模块用于对公路警示区域的检测等级进行设定，得到公路监测区域的检测设定包反馈至服务器，所述服务器将检测设定包中公路监测区域的环境监测时长发送至数据采集模块；
所述数据采集模块用于在环境监测时长内采集公路监测区域内的环境数据、采集公路监测区域内的设备数据和图像数据并发送至处理器，所述处理器将环境数据、图像数据以及设备数据发送至服务器，所述服务器将环境数据发送至环境监测模块、图像数据发送至图像分析模块、设备数据发送至设备优化布局模块；
所述设备优化布局模块用于对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号反馈至服务器；若服务器接收到设备优化信号，则按照检测设定包将公路监测区域内的机器人进行优化布局；若服务器接收到设备正常信号，则不进行任何操作；
所述环境监测模块用于对公路监测区域内的环境情况进行监测，得到公路监测区域的环境损害值反馈至服务器；所述图像分析模块用于对公路监测区域内的图像进行分析，得到公路监测区域的硬件损害值反馈至服务器，所述服务器将公路监测区域的环境损害值和硬件损害值发送至检测预警模块；
检测预警模块结合环境损害值和硬件损害值用于对公路监测区域进行检测预警，得到公路监测区域的颜色点反馈至服务器，所述服务器将公路监测区域的颜色点发送至显示终端；
同时，若服务器接收到红色颜色点或黄色颜色点，则生成警示信号发送至处理器，处理器依据警示信号生成警示指令加载至警示终端，所述警示终端接收到警示指令后进行警示工作；
所述显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示。
进一步地，所述历史监测模块的监测过程具体如下：
获取公路监测区域的警示次数；
而后获取公路监测区域每次警示时的警示时间，计算相邻警示时的警示时间差值得到若干组警示间隔时长，若干组警示时间差值相加求和取平均值得到公路监测区域的警示间隔均时长；
计算公路监测区域的历史警示值。
进一步地，所述检测设定模块的设定过程具体如下：
历史警示值比对历史警示阈值，判定公路警示区域的检测等级为第三检测等级、第二检测等级或第一检测等级；
依据检测等级得到公路警示区域对应的检测设定包。
进一步地，第一检测等级对应第一检测设定包，第二检测等级对应第二检测设定包，第三检测等级对应第三检测设定包；
检测设定包为公路监测区域内机器人的预设间距、单位时间内的预设检测次数、预设有效使用率、以及公路监测区域的环境监测时长。
进一步地，设备数据为公路监测区域内的机器人数、以及机器人的实时地理位置、实时间距、单位时间内的实时检测次数；
环境数据为在环境监测时长内公路监测区域中公路的植被面积、土壤含水率、降雨量、人流量、车流量；
图像数据为在环境监测时长内公路监测区域中公路的路面图片、路面裂缝数以及每条裂缝的裂缝长度、路面修补数以及对应的路面修补面积。
进一步地，所述检测预警模块的工作过程具体如下：
获取计算得到的环境损害值和硬件损害值；
分别为环境损害值和硬件损害值分配对应的权重系数，计算得到公路监测区域的公路预警值；
公路预警值比对公路预警阈值得到公路监测区域的公路预警区域等级；
利用颜色点标定公路预警区域等级对应的公路监测区域；
其中，公路预警区域等级由高到低依次为第一预警公路区域等级、第二预警公路区域等级和第三预警公路区域等级；处于第一预警公路区域等级的公路监测区域采用红色点进行标记，处于第二预警公路区域等级的公路监测区域采用黄色点进行标记，处于第二预警公路区域等级的公路监测区域采用绿色点进行标记。
与现有技术相比，本发明的有益效果是：
1、本发明利用区域划分模块将公路进行区域划分得到若干个公路监测区域，并通过历史监测模块对公路监测区域的警示情况进行监测得到历史警示值，检测设定模块依据历史警示值对公路警示区域的检测等级进行设定得到对应检测设定包，从而可以通过设备优化布局模块对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号，本发明结合实际情况为公路路段设定公路监测区域内设备的预设数据，并对公路监测区域内不符合规定的病害监测设备进行布局优化；
2、本发明还通过环境监测模块对公路监测区域内的环境情况进行监测，再加上图像分析模块对公路监测区域内的图像进行分析，将得到公路监测区域的环境损害值和硬件损害值发送至检测预警模块，检测预警模块即可公路监测区域进行检测预警，得到公路监测区域的颜色点发送至显示终端，显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示，警示终端对异常的公路进行警示工作，本发明结合实际情况为公路路段设定相适配的检测时段，并在检测时段内基于多源数据对公路进行病害预警检测。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的工作流程图；
图2为本发明的整体系统框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在一实施例中，请参阅图1所示，现提出一种基于机器人技术的公路病害自动化检测方法，检测方法具体如下：
步骤S101，服务器连接的区域划分模块将公路进行区域划分得到若干个公路监测区域，历史监测模块对公路监测区域的警示情况进行监测得到历史警示值，检测设定模块依据历史警示值对公路警示区域的检测等级进行设定得到对应检测设定包；
步骤S102，数据采集模块在环境监测时长内采集公路监测区域内的环境数据、以及公路监测区域内的设备数据和图像数据，环境数据发送至环境监测模块、图像数据发送至图像分析模块和设备数据发送至设备优化布局模块；
步骤S103，设备优化布局模块对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号；
步骤S104，通过环境监测模块对公路监测区域内的环境情况进行监测，再利用图像分析模块对公路监测区域内的图像进行分析，将公路监测区域的环境损害值和硬件损害值发送至检测预警模块；
步骤S105，检测预警模块对公路监测区域进行检测预警，得到公路监测区域的颜色点发送至显示终端，显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示，警示终端对异常的公路进行警示工作；
在本实施例中，请参阅图2所示，所述机器人内部设置有处理器，所述处理器连接有警示终端、数据采集模块和服务器，所述服务器连接有存储模块、历史监测模块、检测设定模块、设备优化布局模块、显示终端、检测预警模块、区域划分模块、图像分析模块和环境监测模块；
所述区域划分模块用于将管辖范围内的公路进行区域划分，划分得到若干个公路监测区域u，u=1，2，……，z，z为正整数；
其中，公路监测区域的划分规则具体可以按照道路界碑，或者以机器人为中心并设定相应预设半径所构成的区域，在该区域内的公路为机器人的公路监测区域；
在具体实施时，所述警示终端可以为机器人上安装的警示器或声光警报器，在此不作具体限定，正常来说，一个公路监测区域配置一个机器人或若干个机器人；
所述警示终端用于对公路监测区域内公路异常情况进行警示；
所述存储模块用于记录警示终端的警示次数以及每次警示时的警示时间，所述历史监测模块用于对公路监测区域的警示情况进行监测，监测过程具体如下：
步骤S1：获取公路监测区域的警示次数，并将警示次数标记为JCu；
步骤S2：获取公路监测区域每次警示时的警示时间，计算相邻警示时的警示时间差值得到若干组警示间隔时长；
步骤S3：若干组警示时间差值相加求和取平均值得到公路监测区域的警示间隔均时长TJu；
步骤S4：通过公式LJu=（JCu×a1）/（TJu×a2）计算得到公路监测区域的历史警示值LJu；式中，a1和a2均为固定数值的比例系数，且a1和a2的取值均大于零；
所述历史监测模块将公路警示区域的历史警示值LJu反馈至服务器，所述服务器将公路警示区域的历史警示值LJu发送至检测设定模块，所述检测设定模块用于对公路警示区域的检测等级进行设定，设定过程具体如下：
若LJu＜X1，则公路警示区域的检测等级为第三检测等级；
若X1≤LJu＜X2，则公路警示区域的检测等级为第二检测等级；
若X2≤LJu，则公路警示区域的检测等级为第一检测等级；其中，X1和X2均为固定数值的历史警示阈值，且X1＜X2；
依据检测等级得到公路警示区域对应的检测设定包；
其中，第一检测等级对应第一检测设定包，第二检测等级对应第二检测设定包，第三检测等级对应第三检测设定包；检测设定包为公路监测区域内机器人的预设间距、单位时间内的预设检测次数、预设有效使用率、以及公路监测区域的环境监测时长等；
可理解的是：
1、第一检测设定包中机器人的预设间距小于第二检测设定包中机器人的预设间距，第二检测设定包中机器人的预设间距小于第三检测设定包中机器人的预设间距；
2、第一检测设定包中机器人的预设有效使用率大于第二检测设定包中机器人的预设有效使用率，第二检测设定包中机器人的预设有效使用率大于第三检测设定包中机器人的预设有效使用率；
3、第一检测设定包中机器人单位时间内的预设检测次数大于第二检测设定包中机器人单位时间内的预设检测次数，第二检测设定包中机器人单位时间内的预设检测次数大于第三检测设定包中机器人单位时间内的预设检测次数；
4、第一检测设定包中公路监测区域的环境监测时长大于第二检测设定包中公路监测区域的环境监测时长，第二检测设定包中公路监测区域的环境监测时长大于第三检测设定包中公路监测区域的环境监测时长；
所述检测设定模块将公路监测区域的检测设定包反馈至服务器，所述服务器将检测设定包中公路监测区域的环境监测时长发送至数据采集模块；
所述数据采集模块用于在环境监测时长内采集公路监测区域内的环境数据、采集公路监测区域内的设备数据和图像数据，并将环境数据、图像数据以及设备数据发送至处理器，所述处理器将环境数据、图像数据以及设备数据发送至服务器，所述服务器将环境数据发送至环境监测模块，所述服务器将图像数据发送至图像分析模块，所述服务器将设备数据发送至设备优化布局模块；
需要具体说明的是，设备数据为公路监测区域内的机器人数、以及机器人的实时地理位置、实时间距、单位时间内的实时检测次数等；环境数据为在环境监测时长内公路监测区域中公路的植被面积、土壤含水率、降雨量、人流量、车流量等；图像数据为在环境监测时长内公路监测区域中公路的路面图片、路面裂缝数以及每条裂缝的裂缝长度、路面修补数以及对应的路面修补面积等；
在具体实施时，设备数据、环境数据和图像数据可以通过机器人采集得到，机器人在实际运用时可以为设置在公路监测区域中计次器、各类传感器组件（包括雨量传感器等）、摄像头等部件的集成设备，同时，裂缝长度和路面修补面积的获取过程具体是提取路面图片中的裂缝轮廓图和路面修复图，并利用opencv计算裂缝的长度和修补面积，opencv为先有的公知常识技术；
所述设备优化布局模块用于对公路监测区域内的设备进行优化布局，工作过程具体如下：
步骤P1：获取公路监测区域内的机器人数以及每个机器人的实时地理位置；
步骤P2：依据每个机器人的实时地理位置得到机器人之间的实时间距，机器人之间的实时间距相加求和取平均值得到公路监测区域内机器人的实时间距SJJu；
步骤P3：获取公路监测区域内机器人单位时间内的实时检测次数SJCu，将实时检测次数大于等于预设检测次数的机器人标定为有效机器人，统计有效机器人的数量并比对机器人数得到公路监测区域内机器人的实时有效使用率SYLu；
步骤P4：获取公路监测区域对应的检测设定包，得到公路监测区域内机器人的预设间距YJJu、单位时间内的预设检测次数YJCu和预设有效使用率YYLu；
步骤P5：通过公式计算得到公路监测区域内机器人的设备偏差值SPu，公式具体如下：
SPu=|YJJu-SJJu|×a1+|YJCu-SJCu|×a2+|YYLu-SYLu|×a3；式中，a1、a2和a3均为固定数值的权重系数，且a1、a2和a3的取值均大于零；
步骤P6：若SPu＜Y1，则生成设备正常信号；
若Y1≤SPu，则生成设备优化信号；其中，Y1为固定数值的设备偏差阈值；
所述设备优化布局模块将设备优化信号或设备正常信号反馈至服务器；
若服务器接收到设备优化信号，则按照检测设定包将公路监测区域内的机器人进行优化布局；
若服务器接收到设备正常信号，则不进行任何操作；
在本实施例中，所述环境监测模块用于对公路监测区域内的环境情况进行监测，监测过程具体如下：
步骤一：获取公路监测区域内每个机器人采集到的土壤含水率和降雨量；
步骤二：每个机器人采集到的土壤含水率和降雨量相加求和除以公路监测区域内机器人的数量，得到公路监测区域内的土壤含水率THu和降雨量JYu；
步骤三：获取公路监测区域内每个机器人采集到的车流量和人流量；
步骤四：遍历比对每个机器人采集到的车流量和人流量的最大值，将车流量和人流量的最大值标定为公路监测区域内的车流上限量CLu和人流上限量RLu；
步骤五：获取公路监测区域内的植被面积，并将植被面积标记为ZMu；
步骤六：通过公式
计算得到公路监测区域的环境损害值HSu；式中，b1、b2和b3均为固定数值的比例系数，且b1、b2和b3的取值均大于零；
所述环境监测模块将公路监测区域的环境损害值HSu反馈至服务器，所述服务器将公路监测区域的环境损害值HSu发送至检测预警模块。
所述图像分析模块用于对公路监测区域内的图像进行分析，分析过程具体如下：
步骤SS1：依据图像数据得到公路监测区域内公路的路面图片；
步骤SS2：结合公路监测区域内公路的路面图片，得到公路监测区域内公路的裂缝数，并将裂缝数标记为LFSu；
步骤SS3：测量每条裂缝的长度，每条裂缝的长度相加求和得到公路监测区域内公路的裂缝长度LFCu；
步骤SS4：获取公路监测区域内公路的路面修补数XSu，统计每块修补的路面修补面积得到公路监测区域内公路的路面修补面积XMu；
步骤SS5：通过公式YSu=LFSu×c1+LFCu×c2+XSu×c3+XMu×c4计算得到公路监测区域的硬件损害值YSu；式中，c1、c2、c3和c4均为固定数值的权重系数，且c1、c2、c3和c4的取值均大于零；
所述图像分析模块将公路监测区域的硬件损害值YSu反馈至服务器，所述服务器将公路监测区域的硬件损害值YSu发送至检测预警模块；
所述检测预警模块结合环境损害值和硬件损害值用于对公路监测区域进行检测预警，工作过程具体如下：
获取上述计算得到的环境损害值和硬件损害值；
分别为环境损害值和硬件损害值分配对应的权重系数，计算得到公路监测区域的公路预警值，即：
公路预警值=环境损害值×α+硬件损害值×β；式中，α和β均为固定数值的权重系数，且α和β的取值均大于零；
公路预警值比对公路预警阈值得到公路监测区域的公路预警区域等级；其中，公路预警区域等级由高到低依次为第一预警公路区域等级、第二预警公路区域等级和第三预警公路区域等级；
利用颜色点标定公路预警区域等级对应的公路监测区域；
需要具体说明的是，处于第一预警公路区域等级的公路监测区域采用红色点进行标记，处于第二预警公路区域等级的公路监测区域采用黄色点进行标记，处于第二预警公路区域等级的公路监测区域采用绿色点进行标记；
所述检测预警模块将公路监测区域的颜色点反馈至服务器，所述服务器将公路监测区域的颜色点发送至显示终端；
同时，若服务器接收到红色颜色点或黄色颜色点，则生成警示信号发送至处理器，处理器依据警示信号生成警示指令加载至警示终端，所述警示终端接收到警示指令后进行警示工作；
所述显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于机器人技术的公路病害自动化检测方法，其特征在于，检测方法具体如下：
步骤S101，服务器连接的区域划分模块将公路进行区域划分得到若干个公路监测区域，历史监测模块对公路监测区域的警示情况进行监测得到历史警示值，检测设定模块依据历史警示值对公路警示区域的检测等级进行设定得到对应检测设定包；
步骤S102，数据采集模块在环境监测时长内采集公路监测区域内的环境数据、以及公路监测区域内的设备数据和图像数据，环境数据发送至环境监测模块、图像数据发送至图像分析模块和设备数据发送至设备优化布局模块；
步骤S103，设备优化布局模块对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号；
步骤S104，通过环境监测模块对公路监测区域内的环境情况进行监测，再利用图像分析模块对公路监测区域内的图像进行分析，将公路监测区域的环境损害值和硬件损害值发送至检测预警模块；
步骤S105，检测预警模块对公路监测区域进行检测预警，得到公路监测区域的颜色点发送至显示终端，显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示，警示终端对异常的公路进行警示工作；
所述检测设定包为公路监测区域内机器人的预设间距、单位时间内的预设检测次数、预设有效使用率、以及公路监测区域的环境监测时长；
所述设备优化布局模块的工作过程具体如下：
获取公路监测区域内的机器人数以及每个机器人的实时地理位置；
依据每个机器人的实时地理位置得到机器人之间的实时间距，机器人之间的实时间距相加求和取平均值得到公路监测区域内机器人的实时间距；
而后获取公路监测区域内机器人单位时间内的实时检测次数，将实时检测次数大于等于预设检测次数的机器人标定为有效机器人，统计有效机器人的数量并比对机器人数得到公路监测区域内机器人的实时有效使用率；
最后获取公路监测区域对应的检测设定包，得到公路监测区域内机器人的预设间距、单位时间内的预设检测次数和预设有效使用率；
计算公路监测区域内机器人的设备偏差值，设备偏差值比对设备偏差阈值生成设备正常信号或设备优化信号；
所述环境监测模块的监测过程具体如下：
获取公路监测区域内每个机器人采集到的土壤含水率和降雨量，每个机器人采集到的土壤含水率和降雨量相加求和除以公路监测区域内机器人的数量，得到公路监测区域内的土壤含水率和降雨量；
而后获取公路监测区域内每个机器人采集到的车流量和人流量，遍历比对每个机器人采集到的车流量和人流量的最大值，将车流量和人流量的最大值标定为公路监测区域内的车流上限量和人流上限量；
获取公路监测区域内的植被面积，计算公路监测区域的环境损害值；
所述图像分析模块的分析过程具体如下：
依据图像数据得到公路监测区域内公路的路面图片，结合公路监测区域内公路的路面图片，得到公路监测区域内公路的裂缝数；
测量每条裂缝的长度，每条裂缝的长度相加求和得到公路监测区域内公路的裂缝长度；
而后获取公路监测区域内公路的路面修补数，统计每块修补的路面修补面积得到公路监测区域内公路的路面修补面积；
计算公路监测区域的硬件损害值。
2.根据权利要求1所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，所述机器人内部设置有处理器，所述处理器连接有警示终端、数据采集模块和服务器，所述服务器连接有存储模块、历史监测模块、检测设定模块、设备优化布局模块、显示终端、检测预警模块、区域划分模块、图像分析模块和环境监测模块，所述区域划分模块用于将管辖范围内的公路进行区域划分，划分得到若干个公路监测区域；所述警示终端用于对公路监测区域内公路异常情况进行警示；
所述存储模块用于记录警示终端的警示次数以及每次警示时的警示时间，所述历史监测模块用于对公路监测区域的警示情况进行监测，得到公路警示区域的历史警示值反馈至服务器，所述服务器将公路警示区域的历史警示值发送至检测设定模块，所述检测设定模块用于对公路警示区域的检测等级进行设定，得到公路监测区域的检测设定包反馈至服务器，所述服务器将检测设定包中公路监测区域的环境监测时长发送至数据采集模块；
所述数据采集模块用于在环境监测时长内采集公路监测区域内的环境数据、采集公路监测区域内的设备数据和图像数据并发送至处理器，所述处理器将环境数据、图像数据以及设备数据发送至服务器，所述服务器将环境数据发送至环境监测模块、图像数据发送至图像分析模块、设备数据发送至设备优化布局模块；
所述设备优化布局模块用于对公路监测区域内的设备进行优化布局，生成设备优化信号或设备正常信号反馈至服务器；若服务器接收到设备优化信号，则按照检测设定包将公路监测区域内的机器人进行优化布局；若服务器接收到设备正常信号，则不进行任何操作；
所述环境监测模块用于对公路监测区域内的环境情况进行监测，得到公路监测区域的环境损害值反馈至服务器；所述图像分析模块用于对公路监测区域内的图像进行分析，得到公路监测区域的硬件损害值反馈至服务器，所述服务器将公路监测区域的环境损害值和硬件损害值发送至检测预警模块；
检测预警模块结合环境损害值和硬件损害值用于对公路监测区域进行检测预警，得到公路监测区域的颜色点反馈至服务器，所述服务器将公路监测区域的颜色点发送至显示终端；
同时，若服务器接收到红色颜色点或黄色颜色点，则生成警示信号发送至处理器，处理器依据警示信号生成警示指令加载至警示终端，所述警示终端接收到警示指令后进行警示工作；
所述显示终端按照颜色点将不同公路预警等级的公路监测区域进行显示。
3.根据权利要求2所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，所述历史监测模块的监测过程具体如下：
获取公路监测区域的警示次数；
而后获取公路监测区域每次警示时的警示时间，计算相邻警示时的警示时间差值得到若干组警示间隔时长，若干组警示时间差值相加求和取平均值得到公路监测区域的警示间隔均时长；
计算公路监测区域的历史警示值。
4.根据权利要求2所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，所述检测设定模块的设定过程具体如下：
历史警示值比对历史警示阈值，判定公路警示区域的检测等级为第三检测等级、第二检测等级或第一检测等级；
依据检测等级得到公路警示区域对应的检测设定包。
5.根据权利要求4所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，第一检测等级对应第一检测设定包，第二检测等级对应第二检测设定包，第三检测等级对应第三检测设定包；
检测设定包为公路监测区域内机器人的预设间距、单位时间内的预设检测次数、预设有效使用率、以及公路监测区域的环境监测时长。
6.根据权利要求2所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，设备数据为公路监测区域内的机器人数、以及机器人的实时地理位置、实时间距、单位时间内的实时检测次数；
环境数据为在环境监测时长内公路监测区域中公路的植被面积、土壤含水率、降雨量、人流量、车流量；
图像数据为在环境监测时长内公路监测区域中公路的路面图片、路面裂缝数以及每条裂缝的裂缝长度、路面修补数以及对应的路面修补面积。
7.根据权利要求2所述的一种基于机器人技术的公路病害自动化检测方法，其特征在于，所述检测预警模块的工作过程具体如下：
获取计算得到的环境损害值和硬件损害值；
分别为环境损害值和硬件损害值分配对应的权重系数，计算得到公路监测区域的公路预警值；
公路预警值比对公路预警阈值得到公路监测区域的公路预警区域等级；
利用颜色点标定公路预警区域等级对应的公路监测区域；
其中，公路预警区域等级由高到低依次为第一预警公路区域等级、第二预警公路区域等级和第三预警公路区域等级；处于第一预警公路区域等级的公路监测区域采用红色点进行标记，处于第二预警公路区域等级的公路监测区域采用黄色点进行标记，处于第二预警公路区域等级的公路监测区域采用绿色点进行标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211001713.0A CN115081757B (zh) | 2022-08-20 | 2022-08-20 | 一种基于机器人技术的公路病害自动化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211001713.0A CN115081757B (zh) | 2022-08-20 | 2022-08-20 | 一种基于机器人技术的公路病害自动化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115081757A CN115081757A (zh) | 2022-09-20 |
| CN115081757B true CN115081757B (zh) | 2022-11-22 |
Family
ID=83245032
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211001713.0A Active CN115081757B (zh) | 2022-08-20 | 2022-08-20 | 一种基于机器人技术的公路病害自动化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115081757B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115437301B (zh) * | 2022-10-14 | 2023-06-16 | 淄博瀚泓环保科技有限公司 | 一种水处理机组工作状态监测管控系统 |
| CN115877115B (zh) * | 2023-02-27 | 2023-06-06 | 山东欧通信息科技有限公司 | 基于大数据的弱电设备安装用安全检测系统 |
| CN116152009A (zh) * | 2023-04-19 | 2023-05-23 | 铁正检测科技有限公司 | 一种基于大数据的隧道地质监控管理系统 |
| CN116341296B (zh) * | 2023-05-30 | 2023-08-15 | 交通运输部公路科学研究所 | 一种道路塌陷概率评估方法 |
| CN116739531B (zh) * | 2023-08-10 | 2024-01-26 | 山东高速集团有限公司创新研究院 | 高速公路资产数字化管理方法与平台 |
| CN117233751B (zh) * | 2023-11-08 | 2024-02-02 | 江苏筑升土木工程科技有限公司 | 一种基于探地雷达的道路地下病害体全生命周期管理方法 |
| CN117233752B (zh) * | 2023-11-08 | 2024-01-30 | 江苏筑升土木工程科技有限公司 | 基于雷达无损检测的道路地下病害体含水率计算分析方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018032938A1 (zh) * | 2016-08-19 | 2018-02-22 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
| CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警系统 |
| CN111508229A (zh) * | 2020-04-01 | 2020-08-07 | 辽宁百思特达半导体科技有限公司 | 一种基于智慧城市的公共安全防护报警装置 |
| CN112071025A (zh) * | 2020-08-06 | 2020-12-11 | 中国公路工程咨询集团有限公司 | 公路地质灾害监测预警系统 |
| CN112598910A (zh) * | 2020-11-16 | 2021-04-02 | 河北工程大学 | 一种街道积水预警的引导方法和设备 |
| CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
| CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
| WO2022126492A1 (zh) * | 2020-12-15 | 2022-06-23 | 南京中诚签信息科技有限公司 | 一种基于云服务的城市智慧交通管理系统 |
| CN114910615A (zh) * | 2022-07-18 | 2022-08-16 | 巨野县中海化工有限公司 | 基于大数据的化工生产用泄漏气体检测系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101692781B1 (ko) * | 2015-10-05 | 2017-01-04 | 금오공과대학교 산학협력단 | 드론 및 모니터링 센서 연동 기반의 재난 관리 시스템 |
| CN113566894A (zh) * | 2021-08-13 | 2021-10-29 | 长春工程学院 | 基于物联网的地质灾害监测方法、系统、终端及介质 |
| CN114202450A (zh) * | 2021-12-09 | 2022-03-18 | 深圳信息职业技术学院 | 一种基于区块链的高精准智能流量监控传感器 |
| CN114333233B (zh) * | 2021-12-31 | 2022-11-15 | 湖南高速建设工程有限公司 | 一种公路施工人员安全定位管理系统及方法 |
-
2022
- 2022-08-20 CN CN202211001713.0A patent/CN115081757B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018032938A1 (zh) * | 2016-08-19 | 2018-02-22 | 深圳奇迹智慧网络有限公司 | 基于探针的人流预警分析方法和系统 |
| CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警系统 |
| CN111508229A (zh) * | 2020-04-01 | 2020-08-07 | 辽宁百思特达半导体科技有限公司 | 一种基于智慧城市的公共安全防护报警装置 |
| CN112071025A (zh) * | 2020-08-06 | 2020-12-11 | 中国公路工程咨询集团有限公司 | 公路地质灾害监测预警系统 |
| CN112598910A (zh) * | 2020-11-16 | 2021-04-02 | 河北工程大学 | 一种街道积水预警的引导方法和设备 |
| WO2022126492A1 (zh) * | 2020-12-15 | 2022-06-23 | 南京中诚签信息科技有限公司 | 一种基于云服务的城市智慧交通管理系统 |
| CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
| CN114114003A (zh) * | 2021-11-29 | 2022-03-01 | 山东汇能电气有限公司 | 一种基于数据监测的断路器运行检测系统 |
| CN114910615A (zh) * | 2022-07-18 | 2022-08-16 | 巨野县中海化工有限公司 | 基于大数据的化工生产用泄漏气体检测系统 |
Non-Patent Citations (4)
| Title |
|---|
| Intelligent early warning system of operation risk of bridge-tunnel transition section;Dianliang Xiao等;《IEEE》;20170921;全文 * |
| 基于CCD的公路路面病害检测技术研究;王晓玉等;《黑龙江科技信息》;20130215(第05期);全文 * |
| 基于空间信息技术的路隧病害一体化监测车的原理分析;齐英杰等;《森林工程》;20180131(第01期);全文 * |
| 省级公路网运行监测与综合管理系统研究;李为为;《公路》;20151125(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115081757A (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115081757B (zh) | 一种基于机器人技术的公路病害自动化检测方法 | |
| CN109686088B (zh) | 一种交通视频告警方法、设备及系统 | |
| CN109448367B (zh) | 一种基于大数据图像采集的智能道路交通追踪管理系统 | |
| CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
| CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
| JP2019196680A (ja) | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム | |
| CN102116639A (zh) | 一种对电子地图的交通限制信息自动校验的方法与装置 | |
| CN113701722B (zh) | 一种勘测用三维倾斜摄影测量系统 | |
| CN116206426B (zh) | 一种基于物联网的移动式水位监测报警系统 | |
| CN116912551A (zh) | 基于车联网的高速公路设备监测系统 | |
| CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
| CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
| CN114973148B (zh) | 一种基于智慧城市建设的市政设施在线监测数字化智能管理平台 | |
| CN114757373B (zh) | 一种基于数字模型分析的桥梁监测分析方法、设备及计算机存储介质 | |
| CN112985311A (zh) | 一种车载便携轻量化智能巡检方法与系统 | |
| CN117273528A (zh) | 高速公路机电系统健康指数评估方法及系统 | |
| CN116989679A (zh) | 一种基于图像处理的高速公路高边坡位移集成监测方法 | |
| CN104966404A (zh) | 一种基于阵列雷达的单点自优化信号控制方法及装置 | |
| CN114004950B (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
| CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
| CN114565603A (zh) | 一种一体化洪涝灾害精准监测预警方法 | |
| CN113989086A (zh) | 一种基于植物绿化的荒漠生态修复方法及管理分析系统 | |
| CN112183779A (zh) | 多源数据的市政道路交通设施监管系统及其监管方法 | |
| CN111595853A (zh) | 边坡病害巡检方法及系统 | |
| EP3659402B1 (en) | System and method for displaying street lighting levels |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |