Smart Robotic Inspection of Levees and Culverts: A Scoping Review of Robotic Platforms, Sensing Technologies, AI Methods, and Multi-Robot Coordination for Flood-Control Infrastructure

方法

按PRISMA-ScR范围综述法，检索6大数据库，筛选64篇实证研究并归纳七大主

发现

空中与管内缺陷检测精度高，但异构多机实地验证仅10.9%，检测到预测性维护闭环不足5%。

机会点

可研究农业洪涝基础设施的异构机器人协同与检测—预测性维护闭环，填补实地验证空白。

土质堤防、圩堤、防洪堤、涵洞和雨水排水管道是减轻城乡流域灾难性洪水淹没的关键生命线。然而，传统的人工徒步巡检和有缆闭路电视（CCTV）检测仍然严重依赖人力、危险性高、主观性强，且难以在植被覆盖、洪水淹没、水下及GPS拒止环境中大规模推广。自主机器人、多模态遥感、基于深度学习的计算机视觉以及多机器人协同为提升巡检频率、空间精度和维护决策提供了变革性机遇。本研究遵循乔安娜布里格斯研究所（JBI）方法学和PRISMA范围综述扩展版（PRISMA-ScR），系统梳理了Scopus、Web of Science、IEEE Xplore、ScienceDirect、SpringerLink和Google Scholar六大主要学术数据库（2010—2026年）的多学科研究图景。在初步检索的1，860条记录中，经筛选获得1，314项唯一研究，评估了212篇全文，并系统综合了64项主要实证研究。我们从七个相互关联的主题脉络梳理证据：（1）无人机（UAV）廊道巡检；（2）无人地面车辆（UGV）与管道爬行器；（3）两栖及自主水下航行器（AUV/ROV）；（4）多模态传感器融合（RGB、热红外、LiDAR、声呐和探地雷达）；（5）面向缺陷检测与语义分割的深度学习；（6）退化环境SLAM与GPS拒止导航；（7）多机器人协同、通信中继与数字孪生维护集成。定量研究结果表明，尽管航空热红外/RGB堤防巡检和管道内YOLO/U-Net缺陷检测在局部达到了较高精度（mAP超过75%—86%，分割IoU>0.71），但端到端系统集成仍然匮乏。仅有10.9%（n=7）的文献在实际防洪环境中验证了异构多域机器人团队，不足5%的研究实现了从自动异常检测到预测性维护优先级排序的闭环。为弥合上述差距，我们提出了一种面向通信感知异构机器人团队的六层韧性参考架构，并制定了面向实际防洪基础设施管理的十点具体研究议程。