原油管線泄漏巡檢視頻智能識別方法研究

李濤 韓嘉航 南曉亮 李楠 孫延吉

針對原油集輸管線泄漏監測，本文探討顏色空間特征方法與深度卷積神經網絡（CNN）方法疊加，快速自動識別判斷是否存在原油管線泄露造成的油污區域。通過無人機巡線視頻關鍵圖像數據，標記正負數據集合，訓練出高效卷積神經網絡，對無人機巡線視頻數據進行實時分析處理，并推送異常數據，提高輸油管線的安全生產能力。

一、引言

新疆塔河油田部分油氣管線貫穿棉田、水域、胡楊林，隨著服役時間逐年增加，管線腐蝕刺漏呈現出顯著增長趨勢，既帶來經濟損失，又對環境造成破壞。傳統人工巡線周期長、效率低、覆蓋率不足，且無法對涉水和穿越胡楊林等管線有效監測，導致不能及時發現管線刺漏，造成更大的污染事件。為提高巡線質量，創新巡檢方式和管理模式，部分采油廠率先應用無人機巡線，通過無人機搭載的高清晰攝像機對管道進行全覆蓋、全方位體檢，顯著減少管線刺漏后大面積污染事件的發生。

二、管線泄漏監測

原油集輸管線在油田生產中扮演著重要角色，但隨著管線投運年限的不斷增長，管線運行風險日趨突顯，集中體現在管線腐蝕刺漏后造成的環境污染。在管道防腐問題尚未有效解決、管道運行監控技術尚未成熟的情況下，如何及時有效發現管道刺漏，已成為油田安全生產亟待解決的問題。部分采油廠引進無人機技術應用到管道巡線作業中，不僅大幅降低作業成本，同時將刺漏發生后的損失降至最低，有效保障了企業的安全生產。……