夜安防卫——基于视觉导航的夜间风险预警巡检小车
张维超 马秋环

青岛工学院，山东青岛，266300；

摘要：针对厂区仓储、地下廊道、园区外围等半封闭场景夜间人工巡检存在环境照度低、作业风险高、巡检覆盖不全、异常事件发现滞后、巡检记录难以追溯等现实痛点，本文设计并实现一套以机器视觉为核心感知手段的夜间风险预警巡检小车系统（夜安防卫）。设备集成红外低照度相机、嵌入式 AI 芯片，开发 “AI 导引 + 小型化识别” 双重智能算法：以去噪、阈值分割、导引误差分析为特征的自主跟随标志物边线巡游算法以及基于小型化的 YOLO 模型（利用低光照环境下的目标检测数据集进行迁移学习），实现对夜间环境下闯入人员、明火、违规堆放杂物、通道障碍物等多种风险目标的实时识别，并通过小车两轮差分驱动底盘提供自主循迹、动态避障、本地声光告警、告警图像及时间戳本地保存、告警信息无线上传等功能。多组夜间低照度环境下对比试验表明，在照度小于5lx 的无光/弱光环境下可沿设定巡检路线自主巡航。人员、明火目标平均识别率可达91.7%，单帧图像推理时间小于75ms，告警延迟小于0.3s。该方案规避了激光雷达等传感器高昂成本，硬件部署简便，适合中小型仓储、配电区域、园区通道等场景落地，可有效替代高危夜间人工巡检，提升安防巡检数字化水平。

关键词：视觉导航；夜间巡检；轻量化YOLO；边缘计算；移动机器人；风险预警；低照度视觉

参考文献

[1]林泓宇.基于OpenMV视觉感知的智能小车设计[J].工业控制计算机,2026,39(7):16-18.

[2]孙晔,徐佳伟.基于视觉反馈的智能循迹打靶小车设计与实现[J].电子制作,2026,34(4):42-45.