本发明涉及铁塔导轨平整度监测方案设计，具体涉及一种铁塔导轨平整度监测方法及系统、巡塔机器人。
背景技术：
1、铁塔防坠落装置是一种旨在保护人员在高处作业或活动时避免意外坠落的重要安全设备。
2、常见的铁塔防坠落装置包括刚性导轨、防坠器等。长时间使用中铁塔的刚性导轨变形主要有左右弯曲、起伏弯曲、接头局部弯曲、错位。根据国网公司企业标准《杆塔作业防坠装置》（q/gdw 10162-2016）要求杆塔安装防坠落装置安装后及使用中要定期检修。
3、目前检修手段均为人工登塔检修，由于铁塔导轨本身用于挂接人工检修用防坠器，因此导轨上的缺陷需要额外寻找其余挂点来挂接安全绳，使用防坠落导轨的可靠性严重降低，不仅增加了检修难度，并且存在极大的坠落风险。当前输电线路防坠落导轨检修主要靠人工登塔或者采用无人机目测。由于无人机无法实测导轨变形数值，只能人工预测导轨变形数值。且现有的平整度检测方案往往利用激光传感器或者行程开关，通过传感器的单一或多个阈值的设置进行是否平整的检测，然后铁塔导轨由于不属于直线轨道，在需要设置大量阈值的同时，存在极大误差，因此，单一或多个阈值的设置并不适用于铁塔导轨的平整度检测。
4、因此，现有技术还有待进一步发展。
技术实现思路
1、本发明的目的在于克服上述技术不足，提供一种铁塔导轨平整度监测方法及系统、巡塔机器人，以解决现有技术存在的问题。
2、为达到上述技术目的，根据本发明的第一方面，本发明提供了一种铁塔导轨平整度监测方法，所述方法包括：
3、s100、在导轨安装后，投入使用前，控制轨道机器人按照预设行走速度沿标准铁塔导轨进行预设次数的巡检，在每次巡检过程中，利用设置于轨道机器人前端的深度相机按照预设时间间隔拍摄铁塔导轨的深度图像，将每次巡检过程中所拍摄的所有深度图像及其所包含的深度数据，记为第一深度数据集合；
4、s200、按照预设方法判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，进而将第一深度数据集合中，不能作为训练数据集或验证数据集的深度图像及其所包含的深度数据剔除，将经过数据剔除的第一深度数据集合，记为第二深度数据集合；将各第二深度数据集合，按照第一预设比例划分为训练数据集和验证数据集，利用所述训练数据集训练导轨平整度自动识别模型；利用验证数据集对训练完成的导轨平整度自动识别模型进行模型优化，优化模型参数，完成导轨平整度自动识别模型训练；
5、s300、在导轨投入使用后，控制轨道机器人按照预设行走速度沿标准铁塔导轨进行巡检，在巡检完成后，利用设置于轨道机器人前端的深度相机按照预设时间间隔拍摄铁塔导轨的深度图像，将巡检过程中所拍摄的所有深度图像及其所包含的深度数据，记为第二深度数据集合，将第二深度数据集合输入到导轨平整度自动识别模型中，输出识别结果，进而判断导轨平整度是否存在异常，根据判断结果判定是否输出有关于导轨平整度存在异常的报警信号。
6、具体的，所述按照预设方法判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集包括：
7、在轨道机器人按照预设行走速度沿标准铁塔导轨巡检过程中，利用设置于轨道机器人前端的深度相机和海拔高度传感器、编码器，按照预设时间间隔采集导轨的深度图像、及各深度图像对应的轨道机器人的实际海拔高度数据、行走距离数据和行走时间数据，根据各深度图像对应的轨道机器人的实际海拔高度数据、行走距离数据和行走时间数据，判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集。
8、具体的，所述根据各深度图像对应的轨道机器人的实际海拔高度数据、行走距离数据和行走时间数据，判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，包括：
9、在轨道机器人按照预设行走速度沿标准铁塔导轨巡检过程中，利用设置于轨道机器人前端的深度相机和海拔高度传感器、编码器，按照预设时间间隔采集导轨的深度图像、及各深度图像对应的轨道机器人的实际海拔高度数据、行走距离数据和行走时间数据，任选一张深度图像数据，根据该深度图像对应的行走时间数据获取该预设行走时间数据对应的预设海拔高度区间，根据轨道机器人的行走距离数据和预设时间间隔计算轨道机器人的实际行走速度，判断所述实际行走速度是否位于预设行走速度区间内，判断实际海拔高度数据是否位于预设海拔高度区间内，根据判断结果判定该深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，按照上述方法遍历剩下的深度图像。
10、具体的，所述判断所述实际行走速度是否位于预设行走速度区间内，判断实际海拔高度数据是否位于预设海拔高度区间内，根据判断结果判定该深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，按照上述方法遍历剩下的深度图像，包括：
11、若实际海拔高度数据位于预设海拔高度区间内，且实际行走速度位于预设行走速度区间内，判定该深度图像可以作为导轨平整度自动识别模型的训练数据集或验证数据集；
12、若实际海拔高度数据不位于预设海拔高度区间内，或实际行走速度不位于预设行走速度区间内，判定该深度图像不能作为导轨平整度自动识别模型的训练数据集或验证数据集，将拍摄该深度图像对应的该次巡检所拍摄的所有深度图像及其所包含的深度数据剔除。
13、具体的，所述利用所述训练数据集训练导轨平整度自动识别模型，包括：
14、将训练数据集分批次输入预设网络层中进行训练，所述预设网络层包括resnet网络层和transformer网络层，所述resnet网络层用于通过训练数据集和验证数据集中的深度图像中识别导轨的像素坐标，匹配导轨的像素坐标以及所述像素坐标对应的深度数据，所述transformer网络层则用于根据所述对应的深度数据前向传播，预测下一张深度图像的导轨的对应的深度数据，进而获取预测的损失值；
15、计算预设网络层的损失值并输入优化器进行优化，确定导轨平整度自动识别模型的参数梯度下降最快的方向；
16、所述导轨平整度自动识别模型根据损失值和模型的参数梯度进行反向传播，优化导轨平整度自动识别模型的参数。
17、具体的，所述利用所述训练数据集训练导轨平整度自动识别模型，还包括：
18、每次训练后将验证数据集分批次输入前一次训练的预设网络层中进行模型参数验证，进行循环训练，总的训练轮次设置为第一预设轮次；记录所述预设网络层的损失值，判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数。
19、具体的，所述判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数，包括：
20、若损失值满足第一预设条件，则结束训练并输出当前导轨平整度自动识别模型的参数；若损失值不满足第一预设条件，则继续进行训练；
21、所述第一预设条件为：在进行了第二预设轮次的训练后，下一轮次训练所得到的损失值均大于或者等于在进行第二预设轮次的训练过程中出现过的损失值。
22、具体的，所述识别结果为铁塔导轨平整度存在异常或铁塔导轨平整度不存在异常，所述将第二深度数据集合输入到导轨平整度自动识别模型中，输出识别结果，进而判断导轨平整度是否存在异常，根据判断结果判定是否输出有关于导轨平整度存在异常的报警信号，包括：
23、若输出结果为铁塔导轨平整度存在异常，判定输出有关于铁塔导轨平整度存在异常的报警信号；
24、若输出结果为铁塔导轨平整度不存在异常，输出有关于铁塔导轨平整度不存在异常的提示信号。
25、根据本发明的第二方面，提供一种铁塔导轨平整度监测系统，包括：
26、获取模块，包括设置于轨道机器人前端的深度相机，用于拍摄铁塔导轨的深度图像；
27、控制模块，用于在导轨安装后，投入使用前，控制轨道机器人按照预设行走速度沿标准铁塔导轨进行预设次数的巡检，在每次巡检过程中，利用设置于轨道机器人前端的深度相机按照预设时间间隔拍摄铁塔导轨的深度图像，将每次巡检过程中所拍摄的所有深度图像及其所包含的深度数据，记为第一深度数据集合；用于按照预设方法判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，进而将第一深度数据集合中，不能作为训练数据集或验证数据集的深度图像及其所包含的深度数据剔除，将经过数据剔除的第一深度数据集合，记为第二深度数据集合；将各第二深度数据集合，按照第一预设比例划分为训练数据集和验证数据集，利用所述训练数据集训练导轨平整度自动识别模型；利用验证数据集对训练完成的导轨平整度自动识别模型进行模型优化，优化模型参数，完成导轨平整度自动识别模型训练；用于在导轨投入使用后，控制轨道机器人按照预设行走速度沿标准铁塔导轨进行巡检，在巡检完成后，利用设置于轨道机器人前端的深度相机按照预设时间间隔拍摄铁塔导轨的深度图像，将巡检过程中所拍摄的所有深度图像及其所包含的深度数据，记为第二深度数据集合，将第二深度数据集合输入到导轨平整度自动识别模型中，输出识别结果，进而判断导轨平整度是否存在异常，根据判断结果判定是否输出有关于导轨平整度存在异常的报警信号。
28、根据本发明的第三方面，提供一种巡塔机器人，包括：存储器；以及处理器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述的铁塔导轨平整度监测方法。
29、有益效果：
30、本发明通过利用设置于轨道机器人前端的深度相机按照预设时间间隔拍摄铁塔导轨的深度图像，并训练导轨平整度自动识别模型，实现了对机器人在爬塔过程中拍摄的所有深度图像进行整体性关联评估，进而实现对导轨平整度是否存在异常进行智能识别，较准确的判断导轨平整度是否存在异常，很大程度上提高了导轨平整度检测的安全性、可靠性和智能化程度，解决了单一或多个的阈值的设置并不能准确的判断导轨平整度是否存在异常的问题，很大程度上提高了本发明的智能化程度和可用性、大大拓展了本发明的应用场景，无需人工登塔检修，很大程度上提高了导轨平整度检测的工作效率。
1.一种铁塔导轨平整度监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的铁塔导轨平整度监测方法，其特征在于，所述按照预设方法判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集包括：
3.根据权利要求2所述的铁塔导轨平整度监测方法，其特征在于，所述根据各深度图像对应的轨道机器人的实际海拔高度数据、行走距离数据和行走时间数据，判断各深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，包括：
4.根据权利要求3所述的铁塔导轨平整度监测方法，其特征在于，所述判断所述实际行走速度是否位于预设行走速度区间内，判断实际海拔高度数据是否位于预设海拔高度区间内，根据判断结果判定该深度图像是否可以作为导轨平整度自动识别模型的训练数据集或验证数据集，按照上述方法遍历剩下的深度图像，包括：
5.根据权利要求1所述的铁塔导轨平整度监测方法，其特征在于，所述利用所述训练数据集训练导轨平整度自动识别模型，包括：
6.根据权利要求1所述的铁塔导轨平整度监测方法，其特征在于，所述利用所述训练数据集训练导轨平整度自动识别模型，还包括：
7.根据权利要求6所述的铁塔导轨平整度监测方法，其特征在于，所述判断损失值是否满足第一预设条件，并根据判断结果判断是否结束训练并输出模型参数，包括：
8.根据权利要求7所述的铁塔导轨平整度监测方法，其特征在于，所述识别结果为铁塔导轨平整度存在异常或铁塔导轨平整度不存在异常，所述将第二深度数据集合输入到导轨平整度自动识别模型中，输出识别结果，进而判断导轨平整度是否存在异常，根据判断结果判定是否输出有关于导轨平整度存在异常的报警信号，包括：
9.一种铁塔导轨平整度监测系统，其特征在于，包括：
10.一种巡塔机器人，其特征在于，包括：
