夜巡守护者

1 引 言

当全球工业数字化转型与安全生产需求交织，我国工业场景正面临“人力成本攀升、夜间巡检效率低、安全隐患突出”的现实困境——传统人工 检 达 32%，夜间低照度环境下误判率超45%，高危区域（如化工厂、油库） 政策层面，国家《“十四五”智能制造发展规划》明确将“智能巡检机器人研发” 列为重点任务 管理部专项扶持资金同比增长 58%，15 省市将智能安防设备纳入工业安全改造补贴目录， 智慧 厂试点项目加速落地，为破解工业安防痛点提供了历史性机遇。

在此背景下，本项目以“构建全时全域智能安防体系”为核心，致力于打造“技术驱动、无人值守、生态协同”的解决方案，填补工业安防智能化缺口的同时，开创安全巡检的全新范式。基于热成像技术的智能安防巡检机器人应运而生，旨在弥补传统巡检短板，提升安防工作的智能化水平，能够在多样化的复杂环境中独立执行巡检任务，实时监测异常温度变化以便迅速发现并预测潜在的安全隐患。基于热成像的智能安防巡检机器人的基本结构如图1 所示。

图 1 基于热成像的智能安防巡检机器人外观图

2 系统软件设计和实现

2.1 智能安防巡检机器人的自动升降系统

该机器人摄像头安装于伸缩杆两侧使其拟人化成人类的眼睛，与内部视觉系统相连。可以实现自主升降，在面对不同高度环境下的巡检工作时，可以快速升高和降低，实现全方位全覆盖无死角的安防巡检。智能安防巡检机器人的摄像头与升降杆连接处采用 360°无死角旋转轴，可以实现机器人无死角实时监测。

2.2 智能安防巡检机器人的视觉模块

智能安防巡检机器人的视觉模块集成了视觉系统与红外热传感系统，能够有效采集环境中的可见光信息，借助图像处理技术对目标实施识别与 厂内散发的红外辐射，以判定是否存在可疑发热物体及可疑人员入侵情况。 于热成像的智能安防巡检机器人可运用红外热成像处理系统对夜间工厂环境加以分析和处理，及时察觉工厂机器过热现象，并实时发出预警，消除安全隐患。

红外热传感器作为智能安防 性达成非接触式温度检测与环境监测。红外 度分布转化为可视化图像，并识 红外探测器，当目标物 的红外辐射能量转换为 信号。传感器内置 的温度值，生成温 现为高亮度或暖色调，结合多帧热像图与 维模

通过实时对比预设安全阈值（如温度梯度、热源移动轨迹），机器人可实现以下功能：安防预警，标记入侵者位置、火灾初起烟雾前的温度异常点；设备巡检，识别电气接头过热、机械摩擦异常升温等故障；避障导航，在低照度或烟雾环境中，利用热轮廓避开障碍物并规划路径。

2.3 智能安防巡检机器人的定位系统

该系统运用了先进的集成激光同步定位 SLAM 和 UWB 定位技术，具备优异的室内外高精度定位能力，可精确获取移动设备或目标物体的实 过这两种技术的融合运用，系统达成了对室内环境中移动机器人的高精度定位与持续跟踪， 保障 在复杂场景下 调度时位置的明确性。定位系统的可靠性是智能安防巡检机器人执行任务的核心要素，特别是在信号遮挡多、结构复杂的大型仓库环境中。

该系统的高可靠性确保了智能安防巡检机器人在狭窄通道、多障碍物区域或信号反射较强的空间内，均能保持稳定的定位精度。这种精确的定位能力使巡检机器人能够精准规划行进路径、规避障碍，显著提升了作业效率与安全性。同时，系统具有良好的抗干扰性能，即便在多设备同时作业、信号易受干扰的环境中，也能维持定位数据的连续性与准确性。

该集成定位系统的应用，不仅提升了室内智能设备运营管理的智能化程度，还确保了各项任务执行的精准性与高效性，为工业自动化、智能巡检等领域的智能化发展提供了有力的技术保障。

2.4 智能安防巡检机器人的系统控制与稳定性保障功能

基于多传感器融合的智能协同控制技术，与ROS 系统架构相结合，使机器人的运动协调控制达到了高精度、高鲁棒性的水准。此技术的核心在于融合 SLAM 算法、多传感器数据以及 PID 控制策略，借助各环节的动态协同，达成机器人的精准运动。该技术首先运用 SLAM 算法实时构建环境地图，并结合 A* 或 DWA 等路径规划算法生成目标速度指令。其中，平移线速度由目标点与当前位置的欧氏距离所确定，旋转角速度则依据航向偏差进行动态调整。为消除运动过程中的角度累积误差，运用 PID 控制器或反馈控制算法，融合 IMU 和轮式编码器数据，对旋转角速度加以修正，以确保机器人实现精确转向。同时，采用多传感器融合技术，实时融合激光雷达、热成像数据以及里程计信息，对机器人在全局坐标系中的位姿进行预测，从而提升定位的鲁棒性。在此基础上，利用红外热传感和雷达激光生成热力图和瞬时规划图，并传输至 ROS 系统以控制平移线速度和旋转角速度，循环执行上述过程，实现机器人的协调运动。

2.5 智能安防巡检机器人的接收模块

该模块依托端边云协同架构，配备了高效的信息接收与协同处理系统，具备较强的多源数据融合能力，能够实时、精准地接收来自终端设备、边缘节点以及云端平台的各类信息，涵盖设备状态数据、环境监测数据、异常预警指令等关键要素。此模块的稳定运行，是智能安防巡检机器人达成全域感知、协同响应的重要基础。

在接收终端设备信息时，该模块能够迅速获取机器人搭载的摄像头、传感器等终端所采集的实时画面、温湿度、烟雾浓度等数据，并借助边缘节点开展初步预处理，以减少冗余信息。无论是终端设备的轻微故障信号，还是突发的环境参数异常，该模块均能及时捕捉，为机器人的本地快速决策提供支撑。

该模块对来自多个机器人终端和边缘节点的数据进行集中存储与深度分析，挖掘数据中的潜在规律，为设备维护、故障预测等提供决策依据。利用云计算的强大计算能力，对机器学习和深度学习模型进行训练与优化，并将更新后的模型下发至边缘节点和机器人终端，以持续提升机器人的智能水平。运维人员可通过云平台对所有智能巡检机器人实施远程监控、任务调度和管理，实现全局的资源优化配置。该模块能够实时采集工业园区的环境数据，并及时上传至云端，便于内部人员实时查看工厂状况。同时，接收外来设备发送的指令，进一步确保机器人能够及时处理事故。它能够接收边缘计算节点基于区域内多机器人数据融合生成的协同巡检指令，如路径调整建议、重点区域联合排查通知等，确保多台机器人在复杂场景下实现高效协作，避免巡检盲区。

在处理云端平台信息方面，该模块同样表现高效。它可接收云端基于全域数据挖掘生成的长期巡检规划、异常事件追溯指令等，同时将终端和边缘节点的关键数据同步至云端，形成“终端采集—边缘处理—云端决策”的闭环。例如，云端通过分析历史数据发现某区域存在潜在安全隐患后，模块接收相关预警信息并传递给机器人，使其提前加强该区域的巡检频次。

通过对终端、边缘、云端多源信息的综合整合与分析，接收模块为智能安防巡检机器人提供了全维度的决策支持。它不仅保障了巡检任务的精准执行，还助力运营团队实现了全局安防资源的优化调度，提高了异常事件的响应速度和处理效率。总之，该模块的高效协同运作，是智能安防巡检系统发挥端边云架构优势、提升整体安防能力的关键环节。

2.6 智能安防巡检机器人的导航系统

该智能安防巡检机器人的控制系统， 套基于热成像技术与先进算法的集成化体系。其以 ROS 系统作为核心架构，融合深度学习路径规划技 巡航、环境检测以及路径优化处理功能，保障巡检工作的全面性与覆盖 大的自主决策能力与动态适配能力。它可基于激光 SLAM + UWB 定位技术构建高精度的环境地图， 结合多 避障系统，在复杂地形中规划全局最优路径。同时，系统会实时剖析道路状况，综合温度阈值、人员信息等 标准参数，计算出最简巡检路线，既确保巡检效率，又能精准识别潜在风险。

在实际应用过程中，该控制系统表现卓越。当检测到道路障碍物或突发情况时，它能够迅速启动避障机制，实时调整行进路线，避免巡检工作中断；通过热成像技术捕捉到异常温度数据时，系统会即刻标记设备风险状况，并同步触发预警流程；针对夜间出现的陌生人员，系统可快速识别并发出警示，强化区域安防等级。

此外，该控制系统具备智能学习能力，能够通过持续积累巡检数据来优化路径规划逻辑，例如依据历史故障高发区域调整巡检频次，或根据人员活动规律动态规划 这种自适应的运行模式，显著提升了机器人的巡检精准度与响应速度。总之，该控制系统凭借先进的定位技术、 动态路径规划能力以及多维度风险识别功能，为智能安防巡检机器人提供了可靠的运行保障，有效提高了工业园区的安防管理效率与智能化程度。

3 智能安防巡检方式

系统的目标设定为“于指定区域，借助热成像技术达成对异常情况的精准识别与高效巡检，以保障区域安全”。为实现该目标，基于热成像的智能安防巡检机器人需完成两项工作：

（1）针对区域内可能存在的异常热源（诸如设备过热、人员异常聚集等情况），操控智能安防巡检机器人的热成像模块，精准定位异常热源所在位置，实时发出预警，并利用自带的灭火箱消除消防安全隐患；（2）对于正常区域，采用预设巡检路线规划、动态障碍物规避以及热成像数据实时分析的方法，控制智能安防巡检机器人开展全方位、无死角的巡检工作。

基于上述两点考量，本研究设计了基于热成像的智能安防巡检机器人的巡检方式与流程。

智能安防巡检的主要步骤如下：

（1）环境建模：收集智能安防巡检机器人的位置信息、区域地形信息、重点防护区域位置信息、设备分布信息、人员活动许可区域信息等，在三维空间构建坐标系，将所获取的信息进行数字化处理，并将巡检区域划分为重点防护、常规巡检、禁区和缓冲等多个子区域。

（2）参数初始化：收集来自人机交互界面提供的区域安全管理规则（例如设备正常温度范围、人员活动时间限制等），以及由参数初始化系统提供的热成像特征因子逻辑关系树信息，确定当前巡检中判断异常情况的各项参数阈值（如温度异常阈值、人员聚集密度阈值等）。

（3）建立巡检任务列表。依据热成像模块初步扫描到的异常热源信号或预设的重点巡检点，将需要重点排的目标纳入巡检任务列表。

（4）任务分配。针对任务列表中的巡检目标，调用区域巡检优先级参数，结合热成像数据时效性要求，运用路径优化算法计算到达时间，采用动态分配算法将巡检任务分配至各个智能安防巡检机器人，并制定巡检顺序。

（5）巡检路径规划。运用自主导航技术，结合实时热成像数据与环境感知信息，对巡检路线进行动态规划，避开障碍物并优先覆盖重点区域。

（6）异常评估与处理。对巡检过程中采集的热成像数据进行分析，评估是否存在安全异常。若不存在异常或异常已处理完毕，且所有巡检任务均已完成，则任务列表为空，输出巡检报告后结束本次巡检。否则返回建立巡检任务列表进行循环巡检。

在构建实物系统之前，需对系统的热成像识别精度、自主导航可靠性和异常处理及时性进行全面评估，同时模拟设计、制造、运行过程中可能出现的突发问题，如热成像镜头污损、复杂环境下导航失效等，并提出相应的解决策略。可以认为，构建准确的模型是描述实物系统、模拟系统运行过程以及解决各类问题的关键所在。这就要求我们首先应将工程问题进行模型化处理，抽象出能够准确模拟系统所处环境、所解决任务和所面临困难的科学模型，并将其作为现实世界与基础理论之间的纽带和桥梁。

4 结 论

本项目设计了一款基于热成像的智能安防巡检机器人，其研究和应用，是人工智能、机器人技术、热成像技术等多学科交叉融合的体现，通过集成先进的热成像技术、智能充电系统、精准运动控制、多传感器融合以及高效通信与数据处理能力，有效弥补了传统安防巡检的不足，为安防巡检领域的发展注入了新的活力。本项目的成功实施将为安防巡检领域的发展注入新的活力，为机器人智能化发展提供重要支持。

参考文献：

[1] 郑源 基于激光 SLAM 的移动机器人自主导航方法研究 [D]. 西安理工大学 ，2024.DOI：10.27398/d.cnki.gxalu.2024.000941.

[2] 张利军 . 基于红外热成像技术的变电站巡检机器人的应用 [J]. 山东煤炭科技 ，2024，42（12）：168-172.

[3] 李 森 ， 马 小 飞 ， 冯 春 勇 ， 等 . 室 内 自 主 巡 检 消 防 灭 火 机 器 人 设 计 [J]. 消 防 科 学 与 技术 ，2025，44（02）：181-189.DOI：10.20168/j.1009-0029.2025.02.0181.09.

[4] 赵书朵 ， 蒲正刚 ， 高凤水等 . 智能语音机器人的设计 [J]. 仪器仪表用户 ，2008，（03）：40-41.

[5] 裴庆庆. 基于多传感融合技术的自主巡逻智能预警机器人系统的研究与设计[J]. 兰州文理学院报（ 自然科版 ），2022，36（01）：43-47.DOI：10.13804/j.cnki.2095-6991.2022.01.020.

基金项目：国家级大学生创新创业训练计划项目“夜巡守护者——基于热成像的智能安防巡检机器人”（项目号 ：202510066020）