近些年来,随着移动智能设备的普及和计算机技术的快速发展,智能机器人技术已经成功应用于人类生产生活中。搭载智能设备的移动机器人,结合无线通信网络技术,应用在煤矿开采、矿井探测等工业生产场景和人类生活环境中,在未知的危险环境下能够代替人类执行相关任务,预防发生安全事故,大大的提高了矿井智能化水平。本课题从实际的工程应用出发,分析当前国内外移动探测机器人发展现状,结合视频监控技术、深度学习技术及机器人远程控制技术,解决了基于机器人的多参监测系统研发的具体工程问题。本课题首先针对煤矿井下复杂的工作环境,结合现有的机器人底盘技术,并从经济性、稳定性及实时性等角度综合考虑,自主设计了底层硬件控制系统。在此基础上,引入深度学习,结合图像检测技术和文字识别技术,以视频结合文字识别的形式实现煤矿井下环境参数的获取。其中文字检测技术采用YOLO算法,文字识别采用CRNN网络,搭建了一套基于机器人的环境参数采集平台,在物联网基础框架之上提出了多参监测系统整体设计方案。随后,本课题研究了多参监测系统数据远程传输的相关技术,根据远程监测系统的实际需求和功能要求,综合考虑数据的采集、压缩以及传输等环节,以构建快速、稳定、可靠的多参监测系统为目标,设计出一种弱网络下的数据快速传输的方案。该方案将视频流信号进行压缩后,将视频信息与环境参数数据信息时空关联后组成新的RTP数据包进行传输。同时,多参监测系统使用线程并发的传输方式,加速数据在网络中的传输速度,增加带宽的使用效率。经过在局域网和公网环境下的多次实验,验证了数据传输方案对数据传输质量以及传输速度加速的有效性。随着多媒体技术、无线网络技术以及智能设备终端技术的发展,人们也逐渐倾向于使用移动终端设备来完成远程操作、视频监控等工作。本课题将基于机器人的多参监测系统与移动智能终端结合使用,能给终端监控系统的应用带来更好的灵活性,与传统的机器人人机交互平台相比较,具有便携性强、易于维护等特点。本课题设计的终端监控软件系统包括基于Flask的网页管理端设计和基于Android Studio的移动智能手机APP设计,两者的协同工作可满足基于机器人的多参监测系统多终端监测的情景需求。最后结合所需实现的硬件和软件,对于设计开发的基于机器人的多参监测系统进行系统调试,主要包括硬件系统调试、软件系统调试以及系统联合调试三部分。通过系统调试能够验证系统所有功能的可靠性、稳定性以及正确性,并根据测试结果对系统进行分析与评价,最终保证该系统能够应用于煤矿井下完成远程监控的任务。通过对基于机器人的多参监测系统的测试表明,在网页端能够获得640*480分辨率的视频,在Android客户端能够获得同样大小视频,视频清晰流畅无明显卡顿,运动控制指令与数据信息传输无明显时延,系统实时性较好。