無人機(jī)動(dòng)態(tài)智能管線分析檢測研究

鐘武軍

[摘 要]我國油氣管道具有運(yùn)行里程長、建設(shè)年代跨度大、安全事故多發(fā)等特點(diǎn)。通過無人機(jī)對(duì)管線進(jìn)行圖像采集，并對(duì)圖像進(jìn)行正攝性矯正，在矯正后的圖像中標(biāo)注管線位置;然后以管線位置為基準(zhǔn)，在圖像的警戒范圍內(nèi)進(jìn)行異常目標(biāo)檢測;接著通過神經(jīng)網(wǎng)絡(luò)識(shí)別異常目標(biāo)類別，并由人工確認(rèn)檢測到的異常目標(biāo)是否需要矯正;最后計(jì)算獲取異常目標(biāo)的警戒距離以及面積，將異常目標(biāo)及特征與異常目標(biāo)的處理狀態(tài)存入數(shù)據(jù)庫，并生成報(bào)告。

[關(guān)鍵詞]無人機(jī)巡檢;動(dòng)態(tài)檢測;智能識(shí)別;AI神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)

doi：10.3969/j.issn.1673 - 0194.2020.24.070

[中圖分類號(hào)]F273[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1673-0194（2020）24-0-02

1? ? ?國內(nèi)石油管線巡檢管理及發(fā)展現(xiàn)狀

我國油氣管道具有運(yùn)行里程長、建設(shè)年代跨度大、安全事故多發(fā)等特點(diǎn)，加強(qiáng)管道的安全管理，特別是加強(qiáng)管道的現(xiàn)場安全巡護(hù)，能夠減少管道安全事故。目前，油氣管線巡檢應(yīng)用最廣泛的手段仍然是人工巡護(hù)，但是受地理?xiàng)l件限制和自然環(huán)境影響，有時(shí)人工巡護(hù)手段難以實(shí)施，且人工巡護(hù)存在成本高、效率低、難以標(biāo)準(zhǔn)化等問題。當(dāng)前自動(dòng)化巡檢輔助人工巡護(hù)并逐步替代人工巡護(hù)是油汽管線巡檢領(lǐng)域的大勢所趨，相比傳統(tǒng)的管線巡檢方法（人工巡護(hù)、光纜監(jiān)測），利用無人機(jī)進(jìn)行管線巡檢時(shí)，在巡檢成本、功能多樣性和災(zāi)后管線評(píng)價(jià)上具有不可替代的優(yōu)勢，但是目前國內(nèi)無人機(jī)管線巡檢方案或軟件都無法提供端到端的巡檢流程，最多只是將巡檢的航拍圖拼接成電子地圖，沒有深入挖掘圖像信息。

2? ? ?無人機(jī)動(dòng)態(tài)智能管線分析檢測設(shè)計(jì)方案概述

2.1? ?功能模塊

2.1.1? ?圖像采集單元

圖像采集單元主要采集管線圖像，按要求導(dǎo)入所采集的圖像文件，并標(biāo)注相關(guān)信息，按要求進(jìn)行基本的預(yù)處理操作。

2.1.2? ?接收模塊

接收模塊可以接收?qǐng)D像采集單元采集到的圖像，并對(duì)符合覆蓋管線要求的圖像進(jìn)行正攝性矯正，并在矯正后的圖像中標(biāo)注管線位置。

2.1.3? ?GIS三維成像模塊

GIS三維成像模塊將采集后的序列圖像按照真實(shí)GIS地理系統(tǒng)坐標(biāo)三維全景展示采集地貌，包括完整正射圖和數(shù)字高程圖，具有高精度的地理信息坐標(biāo)及標(biāo)簽，可用于基本的地貌查勘以及距離測量等操作，滿足初始的數(shù)字模型構(gòu)建和檔案構(gòu)建要求。

2.1.4? ?目標(biāo)篩選模塊

目標(biāo)篩選模塊設(shè)置了管線兩側(cè)圖像的警戒范圍，并在圖像的警戒范圍內(nèi)檢測異常目標(biāo)，包括異常目標(biāo)色域空間檢測、異常小目標(biāo)檢測、異常大目標(biāo)檢測以及異常人造目標(biāo)檢測。其中，主要采用的檢測方法包括基本的目標(biāo)檢測和對(duì)比檢測兩種方式。

2.1.5? ?深度學(xué)習(xí)識(shí)別模塊

深度學(xué)習(xí)識(shí)別模塊可以識(shí)別檢測模塊檢測到的異常目標(biāo)，從而確定異常目標(biāo)的類型。根據(jù)大量樣本構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，通過深度學(xué)習(xí)網(wǎng)絡(luò)精確分類各種目標(biāo)。

2.1.6? ?人工確認(rèn)單元

人工確認(rèn)單元可以判定經(jīng)神經(jīng)網(wǎng)絡(luò)識(shí)別后的異常目標(biāo)，并矯正異常目標(biāo)，從而得到最終的異常目標(biāo)序列。

2.1.7? ?分析管理單元

分析管理單元包括計(jì)算模塊、數(shù)據(jù)存儲(chǔ)模塊、發(fā)送模塊。第一，計(jì)算模塊。用于計(jì)算異常目標(biāo)相對(duì)于管線中線的距離以及異常目標(biāo)的面積。第二，數(shù)據(jù)存儲(chǔ)管理模塊。用于存儲(chǔ)異常目標(biāo)的類別、地理坐標(biāo)、相對(duì)于管線中線的距離、面積以及操作人員對(duì)異常目標(biāo)的處理狀態(tài)。其中，異常目標(biāo)的處理狀態(tài)包括未確認(rèn)、已確認(rèn)、未排除以及已排除。第三，發(fā)送模塊。將高危警戒異常目標(biāo)的地理坐標(biāo)和類別發(fā)送給操作人員。

2.2? ?實(shí)現(xiàn)細(xì)節(jié)算法

2.2.1? ?圖像采集單元

根據(jù)管線的地理坐標(biāo)以及無人機(jī)的類別規(guī)劃無人機(jī)的巡檢路線，所述巡檢路線符合管線圖像覆蓋要求，無人機(jī)的類別包括固定翼無人機(jī)和旋翼無人機(jī);將無人機(jī)的飛行姿態(tài)、高度信息、飛行地理坐標(biāo)、相機(jī)參數(shù)信息以及采集到的圖像傳送至地面站。

2.2.2? ?目標(biāo)篩選模塊

以管線位置為基準(zhǔn)，設(shè)置圖像的警戒范圍。其中，警戒范圍的值根據(jù)使用者的實(shí)際需要確定。例如，以石油管道為基準(zhǔn)，將距離石油管道50 m內(nèi)的范圍設(shè)為預(yù)警范圍。之后，在圖像的警戒范圍內(nèi)進(jìn)行異常目標(biāo)檢測，所述異常目標(biāo)檢測包括異常目標(biāo)色域空間檢測、異常小目標(biāo)檢測、異常大目標(biāo)檢測以及異常人造目標(biāo)檢測。異常目標(biāo)色域空間檢測包括：將目標(biāo)的顏色值域映射到色域空間內(nèi)，將目標(biāo)值小于背景均值10%，目標(biāo)值大于背景均值15%的目標(biāo)作為異常目標(biāo)。

異常小目標(biāo)表現(xiàn)為點(diǎn)狀、斑狀，具有共同的特性，表現(xiàn)在分辨率極大的遙感圖像上，例如，工程車輛、電線桿等表現(xiàn)為小目標(biāo)特征，以此為特點(diǎn)，設(shè)置像素小于80 PPI×80 PPI的目標(biāo)作為異常小目標(biāo)。異常大目標(biāo)如房屋、山體滑坡、水體等在遙感圖像上表現(xiàn)為大塊的邊緣突出，顏色一致，紋理類似，以此為特點(diǎn)，設(shè)置像素在80 PPI×80 PPI～400 PPI×400 PPI的目標(biāo)作為異常大目標(biāo)。異常人造目標(biāo)在圖像上突出表現(xiàn)為規(guī)則的直線線條或圓弧線條，以此為特點(diǎn)，設(shè)置像素尺寸在50 PPI×50 PPI～100 PPI×100 PPI的目標(biāo)作為異常人造目標(biāo)。這樣一來，通過目標(biāo)篩選模塊，不僅能夠檢測管線周圍警戒范圍內(nèi)的異常目標(biāo)，還能檢測管線周圍警戒范圍內(nèi)的正常目標(biāo)。

2.2.3? ?神經(jīng)網(wǎng)絡(luò)識(shí)別模塊

對(duì)檢測到的異常目標(biāo)進(jìn)行神經(jīng)網(wǎng)絡(luò)識(shí)別，從而獲取異常目標(biāo)的類別。例如，利用CNN（Convolutional Neural Network，神經(jīng)網(wǎng)絡(luò)識(shí)別）深度學(xué)習(xí)目標(biāo)識(shí)別。CNN機(jī)器學(xué)習(xí)對(duì)疑似異常目標(biāo)進(jìn)行CNN深度學(xué)習(xí)目標(biāo)識(shí)別，獲取異常目標(biāo)的具體類別：道路、車輛、房屋、土壤翻動(dòng)、水體或電桿類別等。

2.2.4? ?數(shù)據(jù)存儲(chǔ)管理模塊

將異常目標(biāo)的類別、地理坐標(biāo)、相對(duì)于管線中線的距離以及異常大目標(biāo)占用面積歸檔至數(shù)據(jù)庫，自動(dòng)生成報(bào)告。報(bào)告生成除上述基本信息，還包括將當(dāng)前時(shí)間信息、操作人員信息、無人機(jī)的飛手信息、所有巡檢序列圖像、歷史相同地理位置參考信息、異常目標(biāo)統(tǒng)計(jì)信息以及高危警戒異常目標(biāo)的標(biāo)識(shí)信息。定期匯總異常目標(biāo)的排查情況，以此生成月度、年度等異常目標(biāo)巡檢反饋，同時(shí)匯總成統(tǒng)計(jì)報(bào)告。利用無人機(jī)巡檢管線目標(biāo)分析管理系統(tǒng)，排查石油管道周圍的異常目標(biāo)，將無人機(jī)石油管道巡線的安全生產(chǎn)工作流完全納入自動(dòng)化管理系統(tǒng)中。

3? ? ? 無人機(jī)動(dòng)態(tài)智能管線的應(yīng)用效果

目前，在華北石油二連公司，北京天然氣管道公司的陜京四線、陜京二三線以及長慶采氣三廠等單位應(yīng)用。

3.1? ?二連油田阿賽線

阿賽線隸屬于華北油田公司二連分公司輸油管理處，全長361 km，起始于內(nèi)蒙古自治區(qū)錫林浩特市阿爾善首站，途經(jīng)錫林郭勒盟阿巴嘎旗、蘇尼特左旗，終于蘇尼特右旗末站。近年來，因輸油管線腐蝕導(dǎo)致穿孔漏油，被列入重點(diǎn)巡護(hù)項(xiàng)目。利用無人機(jī)快速巡檢和智能分析系統(tǒng)，針對(duì)該區(qū)域空中巡檢，巡檢距離55 km，飛行時(shí)間78分鐘，總共發(fā)現(xiàn)28處異常目標(biāo)，其中，水毀8處，桿樁傾倒13處，地表裂縫7處。

3.2? ?陜京四線

陜京四線烏審旗無人區(qū)25 km管道，飛行路段距離遠(yuǎn)、牧場多、圍欄穿越難、沙漠行走困難、途經(jīng)復(fù)雜地貌多，采用傳統(tǒng)人工巡線方法有交通不便、費(fèi)時(shí)費(fèi)力、人工成本高，徒步巡線無法到達(dá)該段管道，給管道安全運(yùn)行帶來隱患。在無人機(jī)飛行過程中，對(duì)管道進(jìn)行視頻拍攝，并通過無線傳輸將影像實(shí)時(shí)傳送到內(nèi)蒙古輸氣管理處及北京天然氣管道公司，用戶通過網(wǎng)絡(luò)設(shè)備可實(shí)時(shí)查看巡護(hù)效果。實(shí)時(shí)數(shù)據(jù)經(jīng)過智能高效的大數(shù)據(jù)處理平臺(tái)對(duì)比分析，管道前后時(shí)期的變化清晰可見，為管理方快速制訂管道維護(hù)方案提供了重要依據(jù)。無人機(jī)動(dòng)態(tài)智能管線分析檢測技術(shù)能以最快的速度完成石油管道沿線巡檢的航空影像數(shù)據(jù)處理，為油田生產(chǎn)快速完成對(duì)埋地管道的巡檢和偷盜油探測，降低檢測投入成本，取代超長石油管道遠(yuǎn)距離人工巡檢，每年可為油氣管道巡檢節(jié)約大量的人力投入成本。

主要參考文獻(xiàn)

[1]金偉，葛宏立，杜華強(qiáng)，等.無人機(jī)遙感發(fā)展與應(yīng)用概括[J].遙感信息，2009（1）：88-92.

[2]呂厚誼.無人機(jī)發(fā)展與無人機(jī)技術(shù)[J].世界科技研究與發(fā)展，

1998（6）：113-116.

[3]歐新偉，周利劍，馮慶善，李祎，李振宇.無人機(jī)遙感技術(shù)在長輸油氣管道管理中的應(yīng)用[J].科技創(chuàng)新導(dǎo)報(bào)，2011（15）：77-78.

[4]武海彬.無人機(jī)系統(tǒng)在油氣管道巡檢中的應(yīng)用研究[J].中國石油和化工標(biāo)準(zhǔn)與質(zhì)量，2014（9）：105-106.

[5]劉文華，劉洋，李寧.智能識(shí)別算法在無人機(jī)巡線中的應(yīng)用研究[J].中國管理信息化，2018（11）：130-135.

[6]王小雄，邵永軍，任曉輝，等.一種智能無人機(jī)橋檢系統(tǒng)研究[J].公路交通科技：應(yīng)用技術(shù)版，2019（11）：187-189.

[7]陳兆龍，盛擁軍，李國森.無人機(jī)巡檢管道自動(dòng)識(shí)別報(bào)警功能分析研究[J].中國設(shè)備工程，2020（10）：14-15.

[8]崔瑞雪，汪麟，趙德銀，等.管道完整性管理平臺(tái)技術(shù)發(fā)展研究[J].化工中間體，2020（11）：108-110.