结合端侧感知与云侧决策的多机器人智能巡检方法与流程

本发明涉及物流园区管理，具体涉及一种结合端侧感知与云侧决策的多机器人智能巡检方法。

背景技术：

1、随着物流行业的快速发展，物流园区的规模不断扩大，内部涵盖道路通道、装卸月台、货物堆场、传送带区段和设备区等多种功能区域，巡检需求日益复杂。为保障园区安全和设备连续运转，通常需要部署多台巡检机器人，分别沿预设路径对各自负责的区域进行移动巡检，采集视频图像、热成像等多源感知数据。由于单一机器人受限于其固定路径和传感器配置，往往只能覆盖园区内部分区域和视角，难以对同一异常对象形成完整的观测，因此需要多机器人协同工作以提升整体巡检覆盖率。

2、现有技术中，端云协同的巡检系统通常采用端侧轻量模型对机器人采集的数据进行初步筛选，将疑似异常的结果上传至云侧进行复核。然而，多机器人采集的异常候选结果在传输和处理时，通常采用各机器人独立上传的方式，缺乏对多个机器人之间数据冗余性和互补性的有效分析。这种方式导致在实际运行中，多个机器人对同一异常对象重复上传相似数据，占用大量通信带宽和云侧计算资源；同时，某些需要多视角、多传感器组合才能确认的异常，又因缺少来自不同机器人的补充数据而被遗漏或误判，从而影响巡检系统的整体效率和可靠性。

技术实现思路

1、为了解决多机器人巡检过程中端云协同数据传输冗余高且异常处置可靠性不足的技术问题，本发明的目的在于提供一种结合端侧感知与云侧决策的多机器人智能巡检方法，所采用的技术方案具体如下：

2、第一方面，提供一种结合端侧感知与云侧决策的多机器人智能巡检方法，该方法包括：根据目标区域的地理空间结构预先划分多个巡检单元，并定义各巡检单元之间的路径承接关系；获取多个巡检机器人沿预设路径执行巡检任务采集的异常候选结果，根据各异常候选结果所指向的巡检单元以及路径承接关系，将满足预设时空归并条件的异常候选结果构建为协作巡检片段；根据协作巡检片段的覆盖关联状态和证据互补程度，确定传输必要度；覆盖关联状态用于表征多个机器人对同一异常对象的空间协同覆盖程度，证据互补程度用于表征各异常候选结果之间非冗余证据的规模；基于传输必要度确定数据上传策略，并基于数据上传策略向云侧发送协作巡检片段对应的异常数据，数据上传策略包括上传内容组合；响应于云侧反馈的处置需求向处置机器人下发处置任务指令。

3、一种可能的设计中，根据目标区域的地理空间结构预先划分多个巡检单元，并定义各巡检单元之间的路径承接关系，包括：根据目标区域中各功能区域的空间边界，将目标区域划分为多个巡检单元，每个巡检单元覆盖一个功能区域或功能区域的局部区域；将巡检路径上存在连续观察关系的相邻巡检单元定义为具有路径承接关系的巡检单元。

4、一种可能的设计中，获取多个巡检机器人沿预设路径执行巡检任务采集的异常候选结果，根据各异常候选结果所指向的巡检单元以及路径承接关系，将满足预设时空归并条件的异常候选结果构建为协作巡检片段，包括：获取各巡检机器人在执行巡检任务过程中通过端侧轻量模型对采集图像进行初筛后输出的异常候选结果，异常候选结果包含异常类别、置信度、采集时间戳、机器人标识和异常定位；根据异常定位，将各异常候选结果映射至对应的巡检单元，并确定各异常候选结果所对应的巡检单元标识；将所映射的巡检单元为目标巡检单元或与目标巡检单元具有路径承接关系的巡检单元、且采集时间间隔小于预设时间阈值的异常候选结果，确定为满足预设时空归并条件的异常候选结果，并归入同一协作巡检片段，目标巡检单元为任意一个异常候选结果所指向的巡检单元。

5、一种可能的设计中，确定协作巡检片段的覆盖关联状态，包括：从协作巡检片段中，将指向的异常对象经异常类别比对和异常定位比对判定为同一异常对象的异常候选结果对，作为有效观察对，并根据有效观察对的数量确定路径承接比例；标记各异常候选结果所覆盖的异常对象可见面类别，统计不同可见面类别的数量作为补位面数，并根据补位面数与同一异常对象所属的巡检单元下允许的最大可见面数，确定补位覆盖率，可见面类别包括前侧面、侧向面、背向补位面和热感补位面；根据协作巡检片段内包含的异常候选结果的总数量、路径承接比例以及补位覆盖率，确定覆盖关联状态。

6、一种可能的设计中，确定协作巡检片段的证据互补程度，包括：将协作巡检片段中置信度最高且图像质量满足预设条件的异常候选结果作为代表结果；对于协作巡检片段内除代表结果之外的其他异常候选结果，确定其他异常候选结果相对于代表结果具有新增证据的异常候选结果的第一数量，新增证据包括新可见面类别、热成像信息或局部细节；确定其他异常候选结果中异常类别和异常定位均与代表结果所指向的异常对象一致的异常候选结果的第二数量；将第一数量与其他异常候选结果的数量的比值确定为补证增益；将第二数量与其他异常候选结果的数量的比值确定为一致比例；根据补证增益和一致比例确定证据互补程度。

7、一种可能的设计中，确定传输必要度，包括：根据协作巡检片段中各异常候选结果对应的异常类别，确定协作巡检片段对应的片段异常类别；根据片段异常类别，结合预设的异常类别与紧迫度的对应关系，确定协作巡检片段的异常紧迫度；根据覆盖关联状态、证据互补程度和异常紧迫度，确定传输必要度。

8、一种可能的设计中，基于传输必要度确定数据上传策略，包括：在传输必要度大于或等于第一阈值的情况下，确定数据上传策略中包括的上传内容组合为代表结果以及具有新增证据的异常候选结果；在传输必要度小于第一阈值且大于第二阈值的情况下，确定数据上传策略中包括的上传内容组合为代表结果，并保留其他异常候选结果等待云侧请求后上传，第二阈值小于第一阈值；在传输必要度小于或等于第二阈值的情况下，确定数据上传策略中包括的上传内容组合为代表结果的异常类别和异常定位。

9、一种可能的设计中，响应于云侧反馈的处置需求向处置机器人下发处置任务指令，包括：接收云侧基于已上传数据复核后反馈的处置需求，处置需求包括处置动作类别以及处置巡检单元标识；根据处置需求匹配处置机器人，并向匹配到的处置机器人下发处置任务指令，处置任务指令包括处置动作类别以及处置巡检单元标识。

10、一种可能的设计中，根据处置需求匹配处置机器人，包括：根据处置需求中的处置动作类别以及机器人类别确定候选处置机器人；根据各候选处置机器人的当前位置、剩余电量以及当前任务负载，从候选处置机器人中确定处置机器人。

11、一种可能的设计中，上述方法还包括：在处置机器人执行处置任务指令并返回处置完成信息后，接收处置机器人采集的处置后图像；将处置后图像与处置需求对应的异常候选结果进行比对，确认处置结果；将确认处置完成的异常案例对应的图像数据和标注信息，加入端侧增量优化数据集，并利用端侧增量优化数据集周期性对部署于巡检机器人的端侧轻量模型进行增量训练更新。

12、本发明具有如下有益效果：

13、在本发明提供的结合端侧感知与云侧决策的多机器人智能巡检方法中，通过将目标区域预先划分为多个巡检单元并定义巡检单元之间的路径承接关系，使得分散于不同机器人的异常候选结果能够按照空间和时间条件归并为协作巡检片段，而非作为孤立事件独立处理，从而在端侧阶段即建立多机器人观察之间的结构关联。在此基础上，通过覆盖关联状态衡量多个机器人对同一异常对象的空间协同覆盖程度，以及通过证据互补程度衡量各异常候选结果之间非冗余证据的规模，将多机器人协作中的重复冗余观察与必要互补观察加以区分，并根据覆盖关联状态和证据互补程度共同确定传输必要度，使得上传决策能够同时反映协同覆盖的结构完备性和证据信息的互补价值。进一步地，基于传输必要度分级确定数据上传策略，在不同传输必要度区间对应不同的上传内容组合，使通信带宽和云侧计算资源优先服务于协同覆盖充分、证据互补显著且处置紧迫度高的异常对象，避免了无效重复数据传输对链路和算力资源的占用，同时确保具有多视角、多传感器互补价值的异常候选结果能够被完整送达云侧进行复核。在收到云侧反馈的处置需求后，向处置机器人下发处置任务指令，使得端侧筛选、云侧复核和处置执行形成完整闭环链路，从而整体上提升了物流园区多机器人巡检系统的数据传输效率与异常处置响应能力。