目前，工务系统路桥专业中，人工执行日常设备检查时，面临盲区广、视野受限和人身安全保障难度较大等问题，导致山顶、河岸的设备检查难以高质量完成，无法及时有效地全面掌握路桥设备状态及外部环境变化。对此，结合铁路工务路桥日常设备检查、外部环境检查、防洪冒雨出巡、地震应急检查等特点，将无人机自动巡检系统引入于工务路桥日常管理，实现无人机库覆盖范围内，每日执行至少两遍飞行检查，并实现日常检查问题及风险识别等类型的AI智能平台系统自动报警、分析研判、报告生成等功能。

1 系统设计

“工务无人机自动巡检系统”采用基于无人机、智能无人机站、中心系统组合的方案，有效地解决了传统无人机飞行巡检作业中的两大难题：其一，周期性作业长期依赖人工外业操作，导致飞行参数随机性大、作业标准难以统一的问题；其二，风险隐患识别过度依赖人工经验，因人工专业能力差异存在识别准确率不高的问题。

该系统实现了风险信息的智能化识别与精细化管理，显著提升了无人机巡检数据的周期性对比效率，构建起一套更加标准化、高效化的风险信息管理体系。具体而言，其优势体现在以下3个方面。

第一，通过“无人机自动巡检系统”进行飞行任务规划后，系统可确保每次自动飞行的航线高度、摄像头云台角度、拍摄点位及飞行时间等参数精准，为周期性飞行检查提供了可对比、可追溯的影像资料。

第二，借助AI智能平台系统，系统可对飞行过程中捕捉到的隐患场景进行实时、自动识别与报警。基于多场景深度学习训练，系统能在捕捉到隐患后迅速触发预警机制，精准指导作业人员现场复核，并在飞行任务结束后自动生成详尽的飞行检查报告。

第三，在应对降雨、地震、水害等突发状况时，系统能够迅速响应，指挥无人机对指定区段进行快速、全面的覆盖飞行检查，有效缩短应急处置时间，最大限度降低对铁路运输秩序的影响。无人机具备最大15 m/s的飞行速度，夜间可启用红外夜视功能，对轨道、道床、边坡等关键设备及临近结构物进行细致检查，重点排查倒树、落石、硬飘物、坍体或异物等是否侵入限界。

2 研究方案

2.1 风险识别

2.1.1 制定防洪风险研判等级标准

地形地貌识别：高堤深堑、隧道进/出口边（仰）坡、线位周边山谷沟壑、河岸路堤、浸水路基、山塘水库和取（弃）土场等。

地质构造识别：基岩出露、裂隙发育、孤石、浮石；岩层产状；土夹石坡面；软基、膨胀土；岩溶发育；矿采空区等。

路桥设备识别：骨架护坡、高挡墙（护墙）、桩板墙、路肩墙、锚杆（索）框架梁、锚索承压板（基岩防护）、排水系统、防洪检查通道；桥梁桥墩基础；路桥、路涵、路隧过渡段等。

2.1.2 风险等级确定

根据对铁路行车安全的影响概率，将无人机航拍隐患排查风险等级划分为高度风险、中度风险和一般风险3类。

1）高度风险

线位周边高堤深堑存在滑坡、高位溜坍及山体坡面开裂下挫；线位上部或隧道进/出口周边山体泥石流沟内堆积物松散丰富，进一步发展可导致泥石流上线或泥石流冲击桥墩基础；线位周边古滑坡地形地貌变化；线位上部山体基岩出露、岩体裂隙发育脱离母体和孤石浮石，若发生崩塌落石将直接危及行车安全；线位上部岩土体存在卸荷裂隙；隧道进/出口边（仰）坡防护不到位；危树、危杆倾倒后侵限等情况。

2）中度风险

排水系统不完善，未做到沟沟相连、沟（涵）桥相通；线位周边山体开垦种植及土夹石坡面松散，受冲刷易发生堑坡溜坍；浆砌片石挡墙、护墙和路肩墙受山体地表漫流冲刷及下渗影响，可能导致垮塌；红层（软岩）、软基、膨胀土等浸水路基饱水软化，易导致路基本体形变等；山塘水库与铁路线位关系及蓄水、泄洪情况；临近既有线施工、弃土/弃砟改变原有汇水面积及排水径路；铁路周边的彩钢瓦及硬飘物、违章建筑可能受天气影响侵限等情况。

3）一般风险

骨架护坡、桩板墙、锚杆（索）框架梁、锚索承压板等边坡防护设备存在防护不到位等情况；防洪、危石检查通道未到顶到边；河道挖沙及施工作业改变河流流向，导致桥墩基础冲刷等情况。

2.2 系统架构

“无人机自动巡检系统”由无人机、无人机库、无人机可视化管理平台、AI智能平台及数据后台服务设备等部分组成，系统架构如图1所示。

2.2.1 前端硬件配置

1）无人机选型。铁路无人机巡检场景，需要考量无人机的综合能力，需具备高安全性、高可靠性（如避障系统、失联返航机制、手动自动路径规划等）满足铁路工务巡检的安全管理要求。同时需要具备长续航能力、泛通信能力（接入4G/5G网络、卫星通信网络等）、高载重能力、抗风雨能力、复杂环境适应能力（如高低温、电磁干扰等）、高精度检测装备搭载能力（如高清广角摄像机、红外夜视传感器等）。

2）无人机库。作为“蜂巢”提供操控信号、自动充电及起飞前的飞行气象数据采集等基础保障。精准降落最大风速≥3 m/s；精准降落最大时雨量≥3 mm。机库由控制箱、空调、箱体、UPS、停机坪、风雨检测传感器、环境监控和网络通信模块等组成，包含自动双开门放飞、收纳，降落引导，数据传输等。

2.2.2 后端应用服务

1）无人机可视化管理平台应用

控制无人机飞行、可视化指挥、历史影像回放；显示飞行参数（经纬度、飞行高度、速度、电量、计划及实际时间等）；任务设置（轨迹、周期、高度、摄像头角度等）；综合展示应用场景及实时状态，基于GIS查看实时轨迹及覆盖范围。

2）AI智能平台应用

实现隐患场景实时捕捉与自动报警，定时生成巡检报告。

3）数据分析与存储

构建核心服务平台，含应用数据处理、流媒体、数据存储、智能分析等服务器；配备指挥中心及控制终端。

3 研究测试

3.1 自动飞行航线设定

在龙岩工务段漳平线路车间易坑养修工区布设“蜂巢”无人机库、行业应用级小型无人机设备，并配套220 V电源及网络等设备。根据南昌局防洪工作要求及管内重点防洪区域巡检需求，结合待巡检区域地形地貌特点以及线路周边建筑设施情况，对鹰厦线某重点防洪区域进行无人机巡检航线人工规划及巡检航线人工探飞。航线规划需综合考虑巡检线路走向、线路弯道位置、桥隧分布、桥隧长度高程、接触网位置高程、变电所位置高程和通信铁塔位置高程等。巡检航线人工探飞工作包括无人机自身调整、无人机挂载装备调整和探飞后评估3部分，其中无人机自身调整包括优化飞行轨迹、飞行高度、飞行方位角以及陆空通信连接等；无人机挂载装备调整，包括红外夜视传感器角度、高清摄像机云台预置位等；探飞后评估包括巡检场景覆盖情况、巡检航线评估校调、无人机工况评估（如电池能耗比评估）、探飞总结研讨等。

3.2 自动飞行应用效果

3.2.1 华安地震应急飞行检查

2024年1月3日18:08，福建省漳州市华安县突发地震，结合应急调度指挥和应急处置的要求，对鹰厦线K507～K517区段进行无人机自动飞行应急检查。无人机自动执飞，并加载高清摄像机，同时开启红外夜视功能，实现对灾害现场的全局覆盖。重点检查高大护坡塌方、溜坍、泥石流等侵入线路限界的情况，以及检查灾害区域线路挡护设施的完整性，是否存在树木倾倒、落石等异物侵入列车运行限界的情况（飞行高度100 m，云台角度-55°，飞行速度10 m/s），如图2所示。

3.2.2 AI智能平台场景捕捉学习

在AI智能识别场景捕捉学习阶段，对鹰厦线K520+400左侧边坡溜坍；鹰厦线K527+300、K535+900左侧山体中上部林场炼山后的开垦种植、坡面便道冲刷溜坍、沟谷泥石流等场景进行多次飞行拍摄。并在安溪路桥车间漳泉线K113+900～K114+200（改线废弃段）昼夜进行倒树、落石、坍体上道及夜间人员上道；漳泉线K95+400（抢险作业）大型机械邻近既有线施工等模拟场景采集学习，使AI智能平台反复学习隐患问题场景，达到后期自动飞行过程中准确捕捉识别、有效预警报警的效果，如图3～6所示。

3.3 预期目标

1）加密无人机库“蜂巢”，实现车间管内鹰厦线自动飞行检查全覆盖

目前，在漳平线路车间易坑养修工区（鹰厦线K520）布设无人机库一台，已经实现鹰厦线K520～K531的昼夜自动飞行巡检，但因无人机电池最大支持30 min的飞行续航时间（受电池衰减及沿河谷飞行垭口风速较大影响，为保证飞行安全，目前单架次飞行时间控制在12 min内），只能覆盖鹰厦线K520～K531范围。故考虑在鹰厦线K519+000芦芝路桥工区、K533+350梅水坑路桥工区加密无人机库，初步实现漳平路桥车间管内鹰厦线全覆盖自动飞行检查。

2）持续研发AI智能识别平台，精准实现风险自动识别、自动报警

AI智能平台系统研发已初见雏形，下一步将应用于路桥日常设备和应急检查中，使AI智能识别平台不断学习模型案例场景，提高风险问题自动捕捉识别及报警准确率。

4 下一步研究内容

4.1 综合优化无人机选型与蜂巢布局

针对无人机的选型将优先选择具备高性能续航能力的机型，以确保飞行续航时间能够满足更远距离自动巡检任务的需求，考虑采用高能量密度电池或混合动力方案，以进一步延长续航时间。同时，针对无人机夜间飞行，可考虑搭载全彩夜视镜头，在低照度情况下仍能采集全彩画面，为AI智能分析提供更好的数据。

此外，无人机蜂巢布局的优化是提升巡检效率的关键之一。基于无人机与蜂巢的通信距离、无人机续航里程以及管内沿线地貌特征，合理规划无人机库的分布，确保巡检区域的全覆盖，避免因单个机库覆盖范围有限而导致的巡检盲区。

4.2 “空地一体”实现多维度检查监控预警

在无人机自动飞行巡检基础之上，增加泥石流沟（物源丰富）；山体滑坡、高位溜坍；汇水集中冲刷等重点区域的单点监测。以风雨传感器、卫星定位位移传感器、土壤含水率传感器和视频监控自动捕捉场景结合的方式，掌握沿线及周边地质灾害和汇水流域等多维度的精确预警。并结合AI智能平台风险自动分析识别、自动报警功能，达到路桥专业管理科技化、智能化、数据化的目的。

4.3 细部问题自动捕捉识别报警

在无人机自动飞行巡检基础之上，精准设定飞行航线及摄像头拍摄放大倍数（测试路基段调整机身方位角自动飞行检查；桥梁段桥下绕墩自动飞行检查）将圬工防护设备裂缝、错台、位移、形变；桥梁支承垫石及墩身裂纹、露筋，钢构件锈蚀等细部问题场景纳入AI智能平台学习，实现路、桥设备无人机自动飞行检查时，问题隐患精准识别、报警功能。

5 结束语

无人机低空遥感航拍及AI识别技术在铁路防洪、路桥设备及外部环境治理等领域的应用，可满足对安全隐患的高危区域检查需求。该技术能够实现对重大地质灾害广视角观测与多周期地灾变化跟踪，为构建科学化、数据化和现代化的安全管理体系奠定扎实基础。为了紧跟时代发展的步伐，应不断提升铁路防洪、路桥设备及外部环境治理等工作的管理水平，将新技术、新材料和新工艺运用到日常维修养护和管理工作中，以确保铁路运输安全。