CN108985163A - 基于无人机的受限空间安全探测方法 - Google Patents

Abstract

本申请涉及基于无人机的受限空间安全探测方法，其采用受限空间安全探测无人机的信息采集装置对受限空间内需安全监视探测的区域进行安全监测信息采集,并将所采集的安全监测信息运用安全监测信息识别方法在安全监测信息识别模块上进行安全监测信息识别运算后输出识别结果，本申请提供的基于无人机的受限空间安全探测方法，以无人机代替人员对受限空间的情况进行探测，可根据探测到的受限空间内的设施的缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，因为个别缺陷程度不一定影响设施的工作，等到缺陷到一定程度时再进行维修，更有利于提升资源的有效利用率，并且使得受限空间的安全监测工作更加安全和智能。

Description

基于无人机的受限空间安全探测方法

【技术领域】

本申请涉及安全探测领域，尤其涉及基于无人机的受限空间安全探测方法。

【背景技术】

在能源行业，比如煤矿开采，现在都还是需要靠专业人员事先进入里面进行检查，确保安全，这对于检查人员来说是非常危险的，检查环境的不确定性非常大，又比如在石化安全方面，石化工厂的石化储油罐(用于储存汽油、柴油和天然气等)是需要定期检查的，目前检查的方法是等储油罐里面的石油或者天然气抽空之后放置一定的时间，然后相关人员把气体检测装置绑在竹竿等长物上面然后伸道储油罐里面，然后再取出来查看里面的气体含量指标，如果指标合格，进一步会让相关人员进入储油罐检查储油罐的健康情况如罐体有无裂缝、锈迹等。而这种检测方法把气体检测装置伸进去再取出来的方法是有缺陷的，因为当把气体检测装置取出来的时候，气体含量指标会比在里面的时候有所改变，数据的准确不足而且检测的区域也十分有限，此外，让人员进入这种不确定环境中工作存在很大的危险性。

上述被检查的环境我们可以称之为受限空间，受限空间还包括各种人难以到达或是危险指数较高的建筑或设备，如工厂的各种设备或建筑的内部或难以到达的外部(如工厂的炉、塔釜、罐、仓、池、槽车、管道、烟道等)和城市的隧道、下水道、沟、坑、井、池、涵洞、阀门间、污水处理设施等封闭、半封闭的设施及场所(如船舱、地下隐蔽工程、密闭容器、长期不用的设施或通风不畅的场所等)，以及农村储存红薯、土豆、各种蔬菜的井、窖等。通风不良的矿井也应视同受限空间。

基于此，需要一种能代替或辅助人对受限空间进行探测的新方式。

【发明内容】

为解决上述技术问题，本申请的目的在于提供基于无人机的受限空间安全探测方法，以无人机代替人员对受限空间的情况进行探测，大大减少了人员进入受限空间的不安全性，探测也十分便捷，且增强了判断结果的时效性和稳定性。可根据探测到的受限空间内的设施的缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，因为个别缺陷程度不一定影响设施的工作，等到缺陷到一定程度时再进行维修，更有利于提升资源的有效利用率，并且使得受限空间的安全监测工作更加安全和智能。

本申请是通过以下技术方案实现的：

基于无人机的受限空间安全探测方法，采用受限空间安全探测无人机的信息采集装置对受限空间内需安全监视探测的区域进行安全监测信息采集,并将所采集的安全监测信息运用安全监测信息识别方法在安全监测信息识别模块上进行安全监测信息识别运算后输出识别结果。

如上所述的基于无人机的受限空间安全探测方法，所述信息采集装置为摄像头，所述安全监测信息为图像信息，所述安全监测信息识别模块为图像识别模块，所述安全监测信息识别方法为图像识别方法，所述摄像头所采集的图像信息在图像识别模块上运用图像识别方法对图像信息识别运算后输出识别结果，所述图像识别方法包括以下步骤：

S21，将受限空间的探测场景进行分类，并针对每一类探测场景匹配已经分类好缺陷程度的鉴定图像制作成一个训练数据集，所述探测场景分类为气管道燃烧器、支撑储罐、工业烟囱内部、大型油罐船内部、大管道或燃煤电站锅炉内部，所述缺陷程度为严重腐蚀、中度腐蚀或轻度腐蚀，所述识别结果为严重腐蚀、中度腐蚀或轻度腐蚀；

S22，输入在步骤S21的训练数据集中已将探测场景和缺陷程度分类好的鉴定图像并进行图像锐化和边缘增强处理；

S23，利用经步骤S22处理后的鉴定图像形成的训练数据集对卷积神经网络进行训练；

S24，将步骤S1中采集的图像信息输入经步骤S22训练后的卷积神经网络中，输出识别结果。

如上所述的基于无人机的受限空间安全探测方法，步骤S23所述对卷积神经网络进行训练包括以下步骤：

S231，对经步骤S22处理后的训练数据集中的鉴定图像依次进行第一次卷积处理，为卷积神经网络第一层；

S232：对所述卷积神经网络第一层进行第一次池化处理，局部响应归一化处理，为卷积神经网络第二层；

S233，对所述卷积神经网络第二层进行第二次卷积处理，为卷积神经网络第三层；

S234，对所述卷积神经网络第三层进行第二次池化处理，为卷积神经网络第四层；

S235，对所述卷积神经网络第四层以全连接的方式获得卷积神经网络第五层；

S236，将所述卷积神经网络第五层以全连接的方式获得输出层：输出层被分为6个独立的部分，每个部分都额外与一个独立的损失函数相连接；

S237，利用S21中已经分类好的鉴定图像最小化所述损失函数的值，完成对卷积神经网络的训练。

如上所述的基于无人机的受限空间安全探测方法，将经步骤S22处理后的鉴定图像的尺寸统一为32×32×1，卷积层的过滤器尺寸为5×5，深度为6，不使用全0补充，步长为1，得到所述卷积神经网络第一层的输出尺寸为32-5+1＝28，深度为6，即所述卷积神经网络第二层节点矩阵有28×28×6＝4704个节点，每个节点和5×5＝25个当前层节点相连，即卷积神经网络第一层总共有4704×(25+1)＝122304个连接；

所述卷积神经网络第二层采用的过滤器大小为2×2，步长为2，所述卷积神经网络第二层输出矩阵大小为14×14×6；

所述卷积神经网络第二层输出矩阵为所述卷积神经网络第三层的输入，采用的过滤器大小为5×5，深度为16，不使用全0补充，步长为1，卷积神经网络第三层的输出尺寸为14-5+1＝10，深度为16，即卷积神经网络第三层输出矩阵大小为10×10×16，卷积神经网络第三层参数有5×5×6×16+16＝2416个，有10×10×16×(5×5+1)＝41600个连接；

所述卷积神经网络第四层的输入矩阵大小为10×10×16，采用的过滤器大小为2×2，步长为2，所述卷积神经网络第四层的输出矩阵大小为5×5×16；

所述卷积神经网络第四层的输出矩阵为所述卷积神经网络第五层的输入，将其拉直为一个长度为5×5×16的向量，即将一个三维矩阵拉直到一维空间以向量的形式表示，进入全连接层进行训练，所述卷积神经网络第五层的输出节点个数为120，即共有5×5×16×120+120＝48120个参数。

如上所述的基于无人机的受限空间安全探测方法，所述信息采集装置还包括用于对受限空间内需安全监视探测的区域的气体信息进行采集的气敏传感器，所述安全监测信息为气体信息，所述安全监测信息识别模块为气体识别模块，所述安全监测信息识别方法为气体识别方法，所述气敏传感器所采集的气体信息在气体识别模块上运用气体识别方法对气体信息识别运算后输出识别结果。

如上所述的基于无人机的受限空间安全探测方法，所述受限空间安全探测无人机包括无人机本体以及设在所述无人机本体外部的防撞框架；所述无人机本体包括机架和安装在所述机架上方的云台，所述机架上设有下置式旋翼，所述摄像头设在所述云台上，且所述摄像头一侧设有随所述摄像头移动的照射灯；所述防撞框架包括第一半球框、第二半球框和连接杆，所述第一半球框和所述第二半球框的切面边缘通过所述连接杆相互连接形成所述防撞框架。

如上所述的基于无人机的受限空间安全探测方法，多个所述连接杆沿所述第一半球框和所述第二半球框的切面边缘均匀分布形成连接所述第一半球框和所述第二半球框的圆筒状框架。

如上所述的基于无人机的受限空间安全探测方法，所述机架包括基座，所述基座两侧对称设有安装框，所述安装框包括连接在所述基座上呈八字形等长伸出所述基座一侧的第一杆和第二杆、与所述第一杆伸出端端连接的第三杆以及与所述第二杆伸出端连接的第四杆，所述第三杆和所述第四杆的自由端交合形成与所述防撞框架连接的顶角连接部，所述下置式旋翼设在所述第一杆和所述第三杆的连接部下方以及所述第二杆和所述第四杆的连接部下方；

所述第一杆、所述第二杆、所述第三杆和所述第四杆首尾依次铰接形成菱形的所述安装框，且所述第一杆和所述第二杆内角之间具有设在所述基座上的限位凸起以及用于将所述第一杆和所述第二杆往相对方向牵拉使所述第一杆和所述第二杆贴紧所述限位凸起的第一复位弹簧，所述第三杆和所述第四杆内角之间设有第二复位弹簧。

如上所述的基于无人机的受限空间安全探测方法，所述第一半球框包括：

框条，其设有多条，多条框条一端收拢，另一端张开形成半球框状，所述框条收拢的一端设有向所述第一半球框球顶外凸出的卡凸，所述框条张开的一端设有向所述第一半球框切面中心凹进的卡凹；

收拢环，其设在所述框条收拢的一端，所述收拢环包括环形孔、围绕所述环形孔的环形收拢壁、沿所述环形收拢壁环形均匀分布的环形槽以及开设在所述环形壁外壁的外环螺纹，所述框条卡嵌在所述环形槽内且所述卡凸收拢在所述环形孔内以使多条所述框条一端形成收拢状态；

旋合环，其设有与机架相固定的固定孔、围绕所述固定孔的环形旋合壁以及开设在所述环形旋合壁内壁上与所述外环螺纹相配合的内环螺纹，所述收拢环收拢所述框条后旋进所述旋合环内；

张开环，其沿周部均匀设有与所述框条数量相等的卡孔以及与所述连接杆数量相等的锁孔，所述框条张开的一端卡进所述卡孔内；

连接环，其沿周部均匀设有与所述连接杆数量相等的过孔；

连接螺钉，所述连接螺钉穿过所述锁孔和所述过孔将所述张开环和所述连接环锁紧在所述连接杆上。

如上所述的基于无人机的受限空间安全探测方法，所述受限空间安全探测无人机还设有用于实时将所述受限空间安全探测无人机的位置信息传输至控制端的GPS模块以及用于标记受限空间的故障部位的标记枪，所述标记枪为能够喷射带色溶液的自动喷枪。

与现有技术相比，本申请有如下优点：

1、以无人机代替人员对受限空间的情况进行探测，大大减少了人员进入受限空间的不安全性，探测也十分便捷，且增强了判断结果的时效性和稳定性。可根据探测到的受限空间内的设施的缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，因为个别缺陷程度不一定影响设施的工作，等到缺陷到一定程度时再进行维修，更有利于提升资源的有效利用率，并且使得受限空间的安全监测工作更加安全和智能。

2、轻量化的防撞框架在与物体碰撞时可以回弹或旋转，能够有效防止无人机尤其是旋翼不受到损坏，其甚至能够从高空自由坠落无损坏，更有利于无人机能够在陌生的复杂的环境中飞行，大大降低了“炸机”的发生率，保证无人机能够正常采集受限空间的信息并能够大大降低对无人机的操控难度。

3、下置式旋翼上方连接在共轴式直流无刷电机的输出轴上，下置式旋翼虽然稳定性有所下降，但是无人机的机动性更强，更有利于其在复杂的受限空间中及时避开障碍，提升无人机的安全性,且更便于摄像头安装在无人机上方以拍摄更广阔的上方图像。

4、在所述第一半球框和所述第二半球框之间设置圆筒状框架，使得防撞框架在跌落到地面的过程中，一方面依然可以通过滚动抵消一部分冲击力，一方面圆筒状框架可以与地面进行线接触式的滚动，防止圆形的防撞框架与地面进行长期的不稳定的点接触滚动对无人机本体造成多方位不规则的翻转而增大破坏几率。

【附图说明】

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例1的结构示意图1；

图2为本申请实施例1的结构示意图2；

图3为图2的A部放大图；

图4为图2的B部放大图；

图5为本申请实施例1的分解结构示意图；

图6为本申请实施例1所述收拢环和所述旋合环的分解结构示意图；

图7为本申请实施例1所述机架的结构示意图；

图8为本申请实施例1所述标记枪的结构示意图；

图9为本申请实施例1所述喷嘴的出口示意图；

图10为本申请实施例2所述机架的结构示意图；

图11为本申请实施例1中于受限空间内拍摄到的图像信息图；

图12为图11中的图像信息经过实施例1所述步骤S22处理后的图像信息图；

图13为本申请实施例1所述图像识别示意图；

图14为本申请实施例1所述卷积处理的原理示意图；

图15为本申请实施例1所述池化处理的原理示意图。

【具体实施方式】

为了使本申请所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1至图10所示，本申请实施例提出受限空间安全探测无人机，包括无人机本体1以及设在所述无人机本体1外部的防撞框架2；所述无人机本体1包括机架11和安装在所述机架上方的云台12，所述机架11上设有下置式旋翼110，所述云台12上设有摄像头121、随所述摄像头121移动的照射灯122以及用于实时将无人机的位置信息传输至控制端的GPS模块；所述防撞框架2包括第一半球框21、第二半球框22和连接杆23，所述第一半球框21和所述第二半球框22的切面边缘通过所述连接杆23相互连接形成所述防撞框架2。上述受限空间安全探测无人机可代替人对受限空间进行信息采集、安全检测等工作。

所述无人机本体内还可以设置避障模块，如红外探头或超声波探头，其有利于受限空间安全探测无人机在复杂的受限空间中避开障碍，尽管如此，其对操作者的操控水平要求仍较高，上述防撞框架能够大大降低对受限空间安全探测无人机的操控难度，并在更大限度地保护受限空间安全探测无人机。具体地，所述防撞框架2的整体最大直径小于500mm，其材质为碳纤维，轻量化的防撞框架在与物体碰撞时可以回弹或旋转，能够有效防止受限空间安全探测无人机尤其是旋翼不受到损坏，其甚至能够从高空自由坠落无损坏，更有利于受限空间安全探测无人机能够在陌生的复杂的环境中飞行，大大降低了“炸机”的发生率，保证受限空间安全探测无人机能够正常采集受限空间的信息。

受限空间中，往往条件复杂、黑暗密闭，更容易导致受限空间安全探测无人机与障碍物碰撞导致无法飞行，随所述摄像头移动的照射灯能够照亮前方，更有利于控制端根据摄像头传输的图像控制受限空间安全探测无人机飞行，同时有利于受限空间安全探测无人机能够更清晰地采集图像信息。

更具体地，照射灯选用高强光照的LED灯且安装在摄像头的侧面，另外，无人机本体配备有大容量电池，优选锂电池作为能源供给。进一步地，所述云台可选用飞宇mini3Dpro，云台可作为安装、固定摄像机的支撑设备甚至可调整摄像机的水平和俯仰的角度。受限空间安全探测无人机的数据传输可选用3DR无线数传模块、WIFI无线数传模块或是4G网络传输模块。控制端包括有遥控器及监视器，遥控器可控制受限空间安全探测无人机的飞行状态，监视器可即时获取受限空间安全探测无人机的图像信息、位置信息以及获取的其他环境信息。

下置式旋翼上方连接在共轴式直流无刷电机的输出轴上，下置式旋翼虽然稳定性有所下降，但是受限空间安全探测无人机的机动性更强，更有利于其在复杂的受限空间中及时避开障碍，提升受限空间安全探测无人机的安全性,且更便于摄像头安装在受限空间安全探测无人机上方以拍摄更广阔的上方图像。

较佳地，多个所述连接杆23沿所述第一半球框21和所述第二半球框22的切面边缘均匀分布形成连接所述第一半球框21和所述第二半球框22的圆筒状框架。具体地，所述连接杆23设有4条，在所述第一半球框和所述第二半球框之间设置圆筒状框架，使得防撞框架在跌落到地面的过程中，一方面依然可以通过滚动抵消一部分冲击力，一方面圆筒状框架可以与地面进行线接触式的滚动，防止圆形的防撞框架与地面进行长期的不稳定的点接触滚动对无人机本体造成多方位且不规则的翻转而增大破坏几率。

在本实施例1中，所述机架11包括基座111，所述基座111两侧对称设有安装框112，所述安装框112包括连接在所述基座111上呈八字形等长伸出所述基座111一侧的第一杆113和第二杆114、与所述第一杆113伸出端端连接的第三杆115以及与所述第二杆114伸出端连接的第四杆116，所述第三杆115和所述第四杆116的自由端交合形成与所述防撞框架2连接的顶角连接部117，所述下置式旋翼110设在所述第一杆113和所述第三杆115的连接部下方以及所述第二杆114和所述第四杆116的连接部下方。具体地，所述第一杆113、第二杆114、第三杆115以及第四杆116上都开设有多个工艺孔，可以有效减轻机架重量，框状的机架在基座两侧对称形成四个用于安装旋翼的安装点，结构简单、轻量化，且有利于旋翼的可靠稳定安装。

在本实施例1中，所述第一半球框21包括：框条211，其设有多条，多条框条211一端收拢，另一端张开形成半球框状，所述框条211收拢的一端设有向所述第一半球框21球顶外凸出的卡凸2111，所述框条211张开的一端设有向所述第一半球框21切面中心凹进的卡凹2112；收拢环212，其设在所述框条211收拢的一端，所述收拢环212包括环形孔2121、围绕所述环形孔2121的环形收拢壁2122、沿所述环形收拢壁2122环形均匀分布的环形槽2123以及开设在所述环形壁1142外壁的外环螺纹2124，所述框条211卡嵌在所述环形槽2123内且所述卡凸2111收拢在所述环形孔2121内以使多条所述框条211一端5形成收拢状态；旋合环213，其设有与机架11相固定的固定孔2131、围绕所述固定孔2131的环形旋合壁2132以及开设在所述环形旋合壁2132内壁上与所述外环螺纹2124相配合的内环螺纹2133，所述收拢环212收拢所述框条211后旋进所述旋合环213内；张开环214，其沿周部均匀设有与所述框条211数量相等的卡孔2141以及与所述连接杆23数量相等的锁孔2142，所述框条211张开的一端卡进所述卡孔2141内；连接环215，其沿周部均匀设有与所述连接杆23数量相等的过孔；连接螺钉，所述连接螺钉穿过所述锁孔2142和所述过孔将所述张开环214和所述连接环215锁紧在所述连接杆23上。

所述第二半球框22的结构与所述第一半球框21呈对称设置。球状的结构使得受限空间安全探测无人机在遭到碰撞时受力更加均匀，对受限空间安全探测无人机的保护更加全面，而且结构牢固，拆装简便。

所述受限空间安全探测无人机还包括用于标记受限空间的故障部位的标记枪3。当受限空间安全探测无人机发现故障部位后，可以使用标记枪对故障部位进行符号标记，如打上X形或三角形图案，甚至可以打上具有荧光效果的图案使标记更加突出，当然标记可作用在故障部位或者故障部位附近，结合GPS模块的定位，使得人员在对受限空间的设施进行检修维护时能够更直观、准确、快捷地找到故障部位。

优选地，所述标记枪3为能够喷射带色溶液的自动喷枪。所述带色溶液可选择如红色溶液，当然溶液中可以加入荧光粉使得标记图案更加鲜明突出。具体地，所述自动喷枪包括：喷嘴31，其设有X形的出口以使喷出的带色溶液呈X状分布；喷液通道32，其出口与所述喷嘴31连通；溶液瓶33，用于盛置带色溶液，其内设有用于供液体向瓶口流动的吸液通道34，所述溶液瓶33上设有供空气进入瓶内的第一单向阀30；活塞腔35，其与所述喷液通道32和所述吸液通道34连通，且所述活塞腔35与所述喷液通道32入口之间设有控制带色溶液从所述活塞腔35向所述喷嘴31方向流动的第二单向阀36，所述活塞腔35与所述吸液通道34之间设有控制带色溶液从所述溶液瓶33向所述活塞腔35方向流动的第三单向阀37，所述活塞腔35内设有可在所述活塞腔35内往复运动的活塞38，所述活塞38中部设有活塞螺纹孔；驱动电机39，其设有带有外螺纹的电机转轴391，所述电机转轴旋进所述活塞螺纹孔内以控制所述活塞38的往复运动。

工作时，驱动电机正转，驱动活塞在活塞腔内后缩以吸取溶液瓶中的溶液到活塞腔中，然后驱动电机反转，驱动活塞在活塞腔内快速前移，以将活塞腔内吸入的溶液经喷嘴喷射出去。

所述云台12上还设有气敏传感器，气敏传感器内部可集成多个传感器,包括如一氧化碳气敏传感器、瓦斯气敏传感器、氟利昂气敏传感器等,可测量气体的类型、浓度和成分，并转换成电信号。一方面检测受限空间的气体污染、气体泄漏等安全问题，一方面提前检测受限空间的气体危险程度，提升后续人员进入受限空间检修时的安全度。

需要说明的是，所述无人机本体上还设有主控板，所述摄像头，GPS模块、照射灯、驱动电机、云台、气敏传感器以及控制旋翼转动的电机等电元件均与主控板电连接以实现控制，实现如开关、转动等动作。

本实施例还提供基于无人机的受限空间安全探测方法，包括采用受限空间安全探测无人机的信息采集装置对受限空间内需安全监视探测的区域进行安全监测信息采集,并将所采集的安全监测信息运用安全监测信息识别方法在安全监测信息识别模块上进行安全监测信息识别运算后输出识别结果。以无人机代替人员对受限空间的情况进行探测，大大减少了人员进入受限空间的不安全性，探测也十分便捷，且增强了判断结果的时效性和稳定性。可根据探测到的受限空间内的设施的缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，因为个别缺陷程度不一定影响设施的工作，等到缺陷到一定程度时再进行维修，更有利于提升资源的有效利用率，并且使得受限空间的安全监测工作更加安全和智能。

相应地，所述信息采集装置为摄像头，所述安全监测信息为图像信息，所述安全监测信息识别模块为图像识别模块，所述安全监测信息识别方法为图像识别方法，所述摄像头所采集的图像信息在图像识别模块上运用图像识别方法对图像信息识别运算后输出识别结果，当然，可以将受限空间安全探测无人机按设定的路线自动巡航，也可以人工实时遥控受限空间安全探测无人机到受限空间内进行摄像活动，如图11所示可为受限空间内拍摄到的图像信息600。图13为图像识别示意图，图中矩形框内为识别到的腐蚀位置。所述图像识别方法包括以下步骤：

S21，将受限空间的探测场景进行分类，并针对每一类探测场景匹配已经分类好缺陷程度的鉴定图像制作成一个训练数据集，需要说明的是，所述缺陷程度中的缺陷可包括损坏、裂痕、腐蚀等情况，具体如管道泄漏、储油罐损坏、煤矿塌陷等，而所述安全监测信息识别模块可探测上述缺陷并输出对应程度的识别结果，如不同程度的泄漏,不同程度的损害等，在本实施例中，所述探测场景分类为气管道燃烧器、支撑储罐、工业烟囱内部、大型油罐船内部、大管道或燃煤电站锅炉内部，所述缺陷程度为严重腐蚀、中度腐蚀或轻度腐蚀，所述识别结果为严重腐蚀、中度腐蚀或轻度腐蚀；

S22，输入在步骤S21的训练数据集中已将探测场景和缺陷程度分类好的鉴定图像并进行图像锐化和边缘增强处理，其中，图12为受限空间内拍摄到的图像信息600经过步骤S22处理后的图像信息700；

S23，利用经步骤S22处理后的鉴定图像形成的训练数据集对卷积神经网络进行训练；

S24，将步骤S1中采集的图像信息输入经步骤S22训练后的卷积神经网络中，输出识别结果，在本实施例中，所述识别结果的输出值为严重腐蚀、中度腐蚀或轻度腐蚀。

其中，步骤S23所述对卷积神经网络进行训练包括以下步骤：

S231，对经步骤S22处理后的训练数据集中的鉴定图像依次进行第一次卷积处理，为卷积神经网络第一层，优选地，将经步骤S22处理后的鉴定图像的尺寸统一为32×32×1，卷积层的过滤器尺寸为5×5，深度为6，不使用全0补充，步长为1，得到所述卷积神经网络第一层的输出尺寸为32-5+1＝28，深度为6，即所述卷积神经网络第二层节点矩阵有28×28×6＝4704个节点，每个节点和5×5＝25个当前层节点相连，即卷积神经网络第一层总共有4704×(25+1)＝122304个连接；

S232：对所述卷积神经网络第一层进行第一次池化处理，局部响应归一化处理，为卷积神经网络第二层，优选地，所述卷积神经网络第二层采用的过滤器大小为2×2，步长为2，所述卷积神经网络第二层输出矩阵大小为14×14×6；

S233，对所述卷积神经网络第二层进行第二次卷积处理，为卷积神经网络第三层，优选地，所述卷积神经网络第二层输出矩阵为所述卷积神经网络第三层的输入，采用的过滤器大小为5×5，深度为16，不使用全0补充，步长为1，卷积神经网络第三层的输出尺寸为14-5+1＝10，深度为16，即卷积神经网络第三层输出矩阵大小为10×10×16，卷积神经网络第三层参数有5×5×6×16+16＝2416个，有10×10×16×(5×5+1)＝41600个连接；

S234，对所述卷积神经网络第三层进行第二次池化处理，为卷积神经网络第四层，优选度，所述卷积神经网络第四层的输入矩阵大小为10×10×16，采用的过滤器大小为2×2，步长为2，所述卷积神经网络第四层的输出矩阵大小为5×5×16；

S235，对所述卷积神经网络第四层以全连接的方式获得卷积神经网络第五层，优选地，所述卷积神经网络第四层的输出矩阵为所述卷积神经网络第五层的输入，将其拉直为一个长度为5×5×16的向量，即将一个三维矩阵拉直到一维空间以向量的形式表示，进入全连接层进行训练，所述卷积神经网络第五层的输出节点个数为120，即共有5×5×16×120+120＝48120个参数；

S236，将所述卷积神经网络第五层以全连接的方式获得输出层：输出层被分为6个独立的部分，每个部分都额外与一个独立的损失函数相连接；

S237，利用S21中已经分类好的鉴定图像最小化所述损失函数的值，完成对卷积神经网络的训练，这一步是通过已经分类好的鉴定图片进一步校正与优化卷积神经网络。

其中，所述锐化处理方法可为高通滤波和空域微分法，边缘增强处理则可以采用空域方法和频域方法将图像相邻像元的亮度值相差较大的边缘处加以突出强调，以高效地提取图像信息的特征，加强图像识别的准确性。所述卷积处理的原理是将输入数据100带入卷积核算法，通过卷积核200转换成权值矩阵300，需要说明的是，所述卷积核即上面提到的卷积层的过滤器，该矩阵与图像结合，从而产生一个卷积化的输出。所述池化处理是用来减少卷积神经网络训练参数的数量和图像的空间大小，池化在每一个纵深维度上独自完成，因此图像的纵深保持不变的前提下用让卷积层减少运算量，其原理是将待池化图像数据400中不重合的区域选取最大值组成新的图像数据500。

上述基于无人机的受限空间安全探测方法，以无人机代替人员对受限空间的情况进行探测，大大减少了人员进入受限空间的不安全性，探测也十分便捷智能，且增强了判断结果的时效性和稳定性。而且，为了提升了资源的有效利用率，可根据探测到的受限空间内的设施损坏或缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，等受限空间中的缺陷达到需要维修的程度时再进行维修。

卷积神经网络可识别图像并通过训练优化识别结果的准确率，其通过训练可以逐渐摆脱人为判断，实现智能化。使得判断更加稳定、快速。

另外，所述信息采集装置还可以包括用于对受限空间内需安全监视探测的区域的气体信息进行采集的气敏传感器，所述安全监测信息为气体信息，所述安全监测信息识别模块为气体识别模块，所述安全监测信息识别方法为气体识别方法，所述气敏传感器所采集的气体信息在气体识别模块上运用气体识别方法对气体信息识别运算后输出识别结果。气敏传感器可用来测量气体的类型、浓度和成分，能把气体中的特定成分检测出来，如一氧化碳气体的检测、瓦斯气体的检测、煤气的检测、氟利昂(R11、R12)的检测等，利用无人机上设置的气敏传感器对受限空间的气体信息进行采集，一方面检测受限空间的气体污染、气体泄漏等安全问题，一方面提前检测受限空间的气体危险程度，提升后续人员进入受限空间检修时的安全度。

在实施例2中，本实施例与实施例1基本相同，为了简便表述，仅说明其主要结构与实施例1不同之处。本实施例中未说明的部分与实施例1相同，其区别在于：所述第一杆113、所述第二杆114、所述第三杆115和所述第四杆116首尾依次铰接形成菱形的所述安装框112，且所述第一杆113和所述第二杆114内角之间具有设在所述基座111上的限位凸起1131以及用于将所述第一杆113和所述第二杆114往相对方向牵拉使所述第一杆113和所述第二杆114贴紧所述限位凸起1131的第一复位弹簧1132，所述第三杆115和所述第四杆116内角之间设有第二复位弹簧1133。具体地，所述第一复位弹簧和所述第二复位弹簧为拉力弹簧，当受限空间安全探测无人机受到撞击时，特别是当顶角连接部受到冲击力时，菱形的两个所述安装框往相对的方向挤压变形，所述第一复位弹簧和所述第二复位弹簧则与所述限位凸起配合将安装框拉至正常形状，通过弹簧的缓冲作用，可以有效降低受限空间安全探测无人机受到撞击时无人机本体尤其是旋翼受到的损伤，且具有一定的避震作用。

综上所述，本申请通过结构上的改善，具有以下有益效果：

1、以无人机代替人员对受限空间的情况进行探测，大大减少了人员进入受限空间的不安全性，探测也十分便捷，且增强了判断结果的时效性和稳定性。可根据探测到的受限空间内的设施的缺陷程度，选择是否马上安排人员进行维护，还是继续使用设施，因为个别缺陷程度不一定影响设施的工作，等到缺陷到一定程度时再进行维修，更有利于提升资源的有效利用率，并且使得受限空间的安全监测工作更加安全和智能。

2、轻量化的防撞框架在与物体碰撞时可以回弹或旋转，能够有效防止无人机尤其是旋翼不受到损坏，其甚至能够从高空自由坠落无损坏，更有利于无人机能够在陌生的复杂的环境中飞行，大大降低了“炸机”的发生率，保证无人机能够正常采集受限空间的信息并能够大大降低对无人机的操控难度。

3、下置式旋翼上方连接在共轴式直流无刷电机的输出轴上，下置式旋翼虽然稳定性有所下降，但是无人机的机动性更强，更有利于其在复杂的受限空间中及时避开障碍，提升无人机的安全性,且更便于摄像头安装在无人机上方以拍摄更广阔的上方图像。

4、在所述第一半球框和所述第二半球框之间设置圆筒状框架，使得防撞框架在跌落到地面的过程中，一方面依然可以通过滚动抵消一部分冲击力，一方面圆筒状框架可以与地面进行线接触式的滚动，防止圆形的防撞框架与地面进行长期的不稳定的点接触滚动对无人机本体造成多方位且不规则的翻转而增大破坏几率。

5、当无人机发现故障部位后，可以使用标记枪对故障部位进行符号标记，如打上X形或三角形图案，甚至可以打上具有荧光效果的图案使标记更加突出，当然标记可作用在故障部位或者故障部位附近，使得人员在对受限空间的设施进行检修维护时能够更直观、准确、快捷地找到故障部位，结合GPS模块的定位效果更佳。

如上所述是结合具体内容提供的一种或多种实施方式，并不认定本申请的具体实施只局限于这些说明。凡与本申请的方法、结构等近似、雷同，或是对于本申请构思前提下做出若干技术推演，或替换都应当视为本申请的保护范围。

Claims (10)

1.基于无人机的受限空间安全探测方法，其特征在于，采用受限空间安全探测无人机的信息采集装置对受限空间内需安全监视探测的区域进行安全监测信息采集,并将所采集的安全监测信息运用安全监测信息识别方法在安全监测信息识别模块上进行安全监测信息识别运算后输出识别结果。

2.根据权利要求1所述的基于无人机的受限空间安全探测方法，其特征在于，所述信息采集装置为摄像头，所述安全监测信息为图像信息，所述安全监测信息识别模块为图像识别模块，所述安全监测信息识别方法为图像识别方法，所述摄像头所采集的图像信息在图像识别模块上运用图像识别方法对图像信息识别运算后输出识别结果，所述图像识别方法包括以下步骤：

S21，将受限空间的探测场景进行分类，并针对每一类探测场景匹配已经分类好缺陷程度的鉴定图像制作成一个训练数据集；

S22，输入在步骤S21的训练数据集中已将探测场景和缺陷程度分类好的鉴定图像并进行图像锐化和边缘增强处理；

S23，利用经步骤S22处理后的鉴定图像形成的训练数据集对卷积神经网络进行训练；

S24，将步骤S1中采集的图像信息输入经步骤S22训练后的卷积神经网络中，输出识别结果。

3.根据权利要求2所述的基于无人机的受限空间安全探测方法，其特征在于，步骤S23所述对卷积神经网络进行训练包括以下步骤：

S231，对经步骤S22处理后的训练数据集中的鉴定图像依次进行第一次卷积处理，为卷积神经网络第一层；

S232：对所述卷积神经网络第一层进行第一次池化处理，局部响应归一化处理，为卷积神经网络第二层；

S233，对所述卷积神经网络第二层进行第二次卷积处理，为卷积神经网络第三层；

S234，对所述卷积神经网络第三层进行第二次池化处理，为卷积神经网络第四层；

S235，对所述卷积神经网络第四层以全连接的方式获得卷积神经网络第五层；

S236，将所述卷积神经网络第五层以全连接的方式获得输出层：输出层被分为6个独立的部分，每个部分都额外与一个独立的损失函数相连接；

S237，利用S21中已经分类好的鉴定图像最小化所述损失函数的值，完成对卷积神经网络的训练。

4.根据权利要求2所述的基于无人机的受限空间安全探测方法，其特征在于，所述探测场景分类为气管道燃烧器、支撑储罐、工业烟囱内部、大型油罐船内部、大管道或燃煤电站锅炉内部，所述缺陷程度分为严重腐蚀、中度腐蚀或轻度腐蚀，所述识别结果为严重腐蚀、中度腐蚀或轻度腐蚀。

5.根据权利要求3所述的基于无人机的受限空间安全探测方法，其特征在于，将经步骤S22处理后的鉴定图像的尺寸统一为32×32×1，卷积层的过滤器尺寸为5×5，深度为6，不使用全0补充，步长为1，得到所述卷积神经网络第一层的输出尺寸为32-5+1＝28，深度为6，即所述卷积神经网络第二层节点矩阵有28×28×6＝4704个节点，每个节点和5×5＝25个当前层节点相连，即卷积神经网络第一层总共有4704×(25+1)＝122304个连接；

所述卷积神经网络第二层采用的过滤器大小为2×2，步长为2，所述卷积神经网络第二层输出矩阵大小为14×14×6；

所述卷积神经网络第二层输出矩阵为所述卷积神经网络第三层的输入，采用的过滤器大小为5×5，深度为16，不使用全0补充，步长为1，卷积神经网络第三层的输出尺寸为14-5+1＝10，深度为16，即卷积神经网络第三层输出矩阵大小为10×10×16，卷积神经网络第三层参数有5×5×6×16+16＝2416个，有10×10×16×(5×5+1)＝41600个连接；

所述卷积神经网络第四层的输入矩阵大小为10×10×16，采用的过滤器大小为2×2，步长为2，所述卷积神经网络第四层的输出矩阵大小为5×5×16；

所述卷积神经网络第四层的输出矩阵为所述卷积神经网络第五层的输入，将其拉直为一个长度为5×5×16的向量，即将一个三维矩阵拉直到一维空间以向量的形式表示，进入全连接层进行训练，所述卷积神经网络第五层的输出节点个数为120，即共有5×5×16×120+120＝48120个参数。

6.根据权利要求1所述的基于无人机的受限空间安全探测方法，其特征在于，所述信息采集装置还包括用于对受限空间内需安全监视探测的区域的气体信息进行采集的气敏传感器，所述安全监测信息为气体信息，所述安全监测信息识别模块为气体识别模块，所述安全监测信息识别方法为气体识别方法，所述气敏传感器所采集的气体信息在气体识别模块上运用气体识别方法对气体信息识别运算后输出识别结果。

7.根据权利要求2所述的基于无人机的受限空间安全探测方法，其特征在于，所述受限空间安全探测无人机包括无人机本体(1)以及设在所述无人机本体(1)外部的防撞框架(2)；所述无人机本体(1)包括机架(11)和安装在所述机架上方的云台(12)，所述机架(11)上设有下置式旋翼(110)，所述摄像头(121)设在所述云台(12)上，且所述摄像头(121)一侧设有随所述摄像头(121)移动的照射灯(122)；所述防撞框架(2)包括第一半球框(21)、第二半球框(22)和连接杆(23)，所述第一半球框(21)和所述第二半球框(22)的切面边缘通过所述连接杆(23)相互连接形成所述防撞框架(2),多个所述连接杆(23)沿所述第一半球框(21)和所述第二半球框(22)的切面边缘均匀分布形成连接所述第一半球框(21)和所述第二半球框(22)的圆筒状框架。

8.根据权利要求7所述的基于无人机的受限空间安全探测方法，其特征在于，所述机架(11)包括基座(111)，所述基座(111)两侧对称设有安装框(112)，所述安装框(112)包括连接在所述基座(111)上呈八字形等长伸出所述基座(111)一侧的第一杆(113)和第二杆(114)、与所述第一杆(113)伸出端端连接的第三杆(115)以及与所述第二杆(114)伸出端连接的第四杆(116)，所述第三杆(115)和所述第四杆(116)的自由端交合形成与所述防撞框架(2)连接的顶角连接部(117)，所述下置式旋翼(110)设在所述第一杆(113)和所述第三杆(115)的连接部下方以及所述第二杆(114)和所述第四杆(116)的连接部下方；

所述第一杆(113)、所述第二杆(114)、所述第三杆(115)和所述第四杆(116)首尾依次铰接形成菱形的所述安装框(112)，且所述第一杆(113)和所述第二杆(114)内角之间具有设在所述基座(111)上的限位凸起(1131)以及用于将所述第一杆(113)和所述第二杆(114)往相对方向牵拉使所述第一杆(113)和所述第二杆(114)贴紧所述限位凸起(1131)的第一复位弹簧(1132)，所述第三杆(115)和所述第四杆(116)内角之间设有第二复位弹簧(1133)。

9.根据权利要求7所述的基于无人机的受限空间安全探测方法，其特征在于，所述第一半球框(21)包括：

框条(211)，其设有多条，多条框条(211)一端收拢，另一端张开形成半球框状，所述框条(211)收拢的一端设有向所述第一半球框(21)球顶外凸出的卡凸(2111)，所述框条(211)张开的一端设有向所述第一半球框(21)切面中心凹进的卡凹(2112)；

收拢环(212)，其设在所述框条(211)收拢的一端，所述收拢环(212)包括环形孔(2121)、围绕所述环形孔(2121)的环形收拢壁(2122)、沿所述环形收拢壁(2122)环形均匀分布的环形槽(2123)以及开设在所述环形壁(1142)外壁的外环螺纹(2124)，所述框条(211)卡嵌在所述环形槽(2123)内且所述卡凸(2111)收拢在所述环形孔(2121)内以使多条所述框条(211)一端形成收拢状态；

旋合环(213)，其设有与机架(11)相固定的固定孔(2131)、围绕所述固定孔(2131)的环形旋合壁(2132)以及开设在所述环形旋合壁(2132)内壁上与所述外环螺纹(2124)相配合的内环螺纹(2133)，所述收拢环(212)收拢所述框条(211)后旋进所述旋合环(213)内；

张开环(214)，其沿周部均匀设有与所述框条(211)数量相等的卡孔(2141)以及与所述连接杆(23)数量相等的锁孔(2142)，所述框条(211)张开的一端卡进所述卡孔(2141)内；

连接环(215)，其沿周部均匀设有与所述连接杆(23)数量相等的过孔；

连接螺钉，所述连接螺钉穿过所述锁孔(2142)和所述过孔将所述张开环(214)和所述连接环(215)锁紧在所述连接杆(23)上。

10.根据权利要求7-9任一项所述的基于无人机的受限空间安全探测方法，其特征在于，所述受限空间安全探测无人机还设有用于实时将所述受限空间安全探测无人机的位置信息传输至控制端的GPS模块以及用于标记受限空间的故障部位的标记枪(3)，所述标记枪(3)为能够喷射带色溶液的自动喷枪。