基于人工智能技術的城鎮排水管網系統研究

代毅，陳增兵

(深圳市博銘維智能科技有限公司，廣東 深圳 518010)

1 引 言

城鎮排水管網管理信息系統[1]是利用相關技術與給排水專業技術相結合，集采集、管理、更新、綜合分析與處理城鎮排水管網系統信息等功能于一身的應用系統。由于信息化建設較為滯后，導致目前排水基礎設施信息化建設水平較低，信息采集量不足、覆蓋內容不全、時效性差、精度低。此外，由于排水管網數據挖掘程度較淺，對于信息的利用仍停留在表面。城鎮排水管理是一項復雜工程，牽扯管理部門多。目前許多部門已經投入了相關信息化建設，也掌握一定的數據，但由于業務復雜，導致僅僅依靠自身收集的數據，仍然難以滿足自身業務需求。

1956年，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家，共同研究和探討用機器模擬智能的一系列有關問題，并首次提出了“人工智能”[2]這一術語，它標志著“人工智能”這門新興學科的正式誕生。目前人工智能技術發展迅速，已經在機器視覺、指紋識別、人臉識別、專家系統、圖像理解等多個領域進行廣泛應用，推動了相關產業的快速發展。尤其以基于深度學習[3]技術的海量數據分析，能夠對大樣本數據進快速分析，在機器視覺、語音識別領域具有重要應用價值。將深度學習技術應用于管網檢測數據(視頻/圖像)的分析處理，對于提升內業人員數據分析效率具有重要意義。

將人工智能技術應用于城鎮排水管網系統研究中，能夠進一步提升系統的智能化、信息化水平，逐步提升水生態環境綜合指標，為我國水生態環境建設以及海綿城市建設提供強有力的技術支撐。

2 人工智能排水管網系統

2.1 基于深度學習的管網檢測數據分析

傳統的機器學習[4]技術往往使用原始形式來處理自然數據，模型的學習能力受到很大的局限，構成一個模式識別或機器學習系統往往需要相當的專業知識來從原始數據中(如圖像的像素值)提取特征，并轉換成一個適當的內部表示。而深度學習則具有自動提取特征的能力，它是一種針對表示的學習。深度學習允許多個處理層組成復雜計算模型，從而自動獲取數據的表示與多個抽象級別。這些方法大大推動了語音識別、視覺識別物體、物體檢測、藥物發現和基因組學等領域的發展。通過使用深度學習算法，有能力發現在大的數據集隱含的復雜結構。

由于管網檢測數據存在數據量大、需要分類種類多以及對數據分析人員專業水平要求較高等特點，目前對于海量的管網檢測數據需要大量的專業人員進行數據分析，存在分析效率低、容易出現誤檢以及分析成本高等情況。通過基于深度學習的圖像智能分析技術，能夠解決目前管網檢測數據分析存在的難點，通過雙任務+雙輸入流的模型(two-task+two-stream)訓練方式實現了更加準確的數據分析判讀，具體算法實現過程分為以下幾個步驟：

(1)視頻分割：通過將采集的管網檢測視頻，根據視頻的長度大小，將視頻按照預先設置的長度閾值T進行等間距分割成N個片段Vi i=[1.2...N]，這樣可以對視頻進行并行多任務處理，提升處理速度，如圖1所示。

圖1 視頻分割

(2)特征提出：對分割完后的每個視頻片段，按照固定采樣間隔進行圖像采樣，獲得采樣后K幀圖像序列Fi i=[1.2...k]，同時對這K幀圖像序列與其下一幀的圖像進行差分，得到K幀的差分圖像序列Fj j=[1.2...k]，并通過歸一化的方式將等到的差分圖像序列Fj j=[1.2...k]進行歸一化，將這兩組圖像序列作為特征輸入進入深度學習網絡進行參數訓練。基于深度學習的管網數據分析判讀如圖2所示。

圖2 基于深度學習的管網數據分析判讀

(3)特征融合：融合分為兩個步驟，第一步：融合采樣得到圖像序列Fi i=[1.2...k]和經過差分得到的圖像序列Fj j=[1.2...k]得到一個特征矩陣；第二步：在時間維度上通過最大池化的方式融合K幀采樣圖像Fi i=[1.2...k]和K幀差分圖像序列Fj j=[1.2...k]的特征得到這個視頻片段的特征Fvideo。

(4)分類器分類：分為兩個步驟，第一步：通過對視頻片段的特征判斷，經過激活函數，輸出維度為2的分類結果，判斷該視頻片段是正常/異常的概率；第二步：通過激活函數，輸出維度為17(按照《城鎮排水管道檢測與評估技術規程》(CJJ_181-2012)[5]中規定的16中管道缺陷類型加上正常類型)的分類結果，判斷出該類型是否異常，以及異常情況下是屬于何種管道缺陷。

圖3 三種模型的PR曲線圖

通過將采用的雙任務雙流(two-task+two-stream)模型與只分類正常/異常類型缺陷的單任務模型(one-task)以及只通過采樣圖像序列作為單一輸入數據的雙任務模型(two-task)進行比較，得出PR(Precision-Recall)曲線如圖3所示：

從PR曲線可以清晰看出，采用雙任務雙流模型的識別準確率更高，三種模型的識別準確率統計表格如表1所示：

3種模型識別準確率統計結果 表1

2.2 基于人工智能的管網管理系統

(1)管網云平臺管理系統功能概述

通過將基于深度學習的管網缺陷識別技術、云計算技術[6]、GIS技術與管網管理系統進行有機結合，實現管網智能管理信息系統，全面提升管網管理的智能化、信息化。管網管理系統包含以下幾個功能：管網檢測在線、管網信息、健康評估、管網監測、缺陷識別、三維重建等功能。通過管網云平臺首頁能夠清晰地了解關注區域內的管網整體統計數據，包括管網缺陷統計數據、管網檢測工程量數據、管網運行狀態趨勢數據等多種數據，如圖4所示。

圖4 基于人工智能技術的管網云平臺

管網云平臺包含設備在線管理系統、管網數據管理系統、健康評估管理系統、管網監測管理系統以及管理數據智能分析系統(圖5)，其中①設備在線系統能夠對管網檢測設備進行在線管理，包括現場檢測視頻實時回傳顯示，設備運行軌跡遠程查看等功能；②管網數據管理系統能夠在基于管網GIS技術的基礎上關聯相應的管網檢測數據，包括管網檢測視頻、管網缺陷圖片、管網檢測報告、管段信息以及井口信息，實現管網數據綜合在線管理；③健康評估管理系統能夠對管網檢測數據進行圖像化、統計表格形式進行展示，同時也可以對管網缺陷區域進行熱力圖展示，可以更加直觀地了解所關注區域管網的整體運行狀況，以便制定相應的解決方案；④管網監測管理系統通過在線監測設備能夠對重點區域進行不間斷監測，對相關緊急事件能夠及時預警，提升管網運營管理響應效率。

圖5 管網云平臺各個子模塊

(2)管網缺陷在線識別系統

通過結合深度學習技術，將基于雙任務+雙流輸入的管網缺陷深度學習分類模型應用于管網缺陷在線識別(圖6)，通過對上傳的管網檢測視頻，自動調用模型進行數據解讀，自動判讀是否存在缺陷，以及缺陷的具體類型，并依據國家相關標準，自動生成管網檢測報告，實現管網數據分析全流程自動化、智能化，提升管網檢測數據分析效率。

圖6 管網缺陷在線識別系統

3 結 論

通過基于深度學習的管網海量檢測數據智能分析技術，可以自動對管網檢測設備獲取的管網檢測數據進行快速、智能分析，判讀出其中存在的管網缺陷，并結合管網GIS技術自動關聯到對應的管段信息，快速生成區域內管網整體的運行狀況，并根據專家診斷系統，科學提供專業的管網修復方案，為管網的智能化、信息化管理提供科學有效的解決方案。