基于排水管道膠囊的城市管網病害檢測研究

余建偉，周京春，李清泉，陳智鵬，方旭，郭文浩

(1.深圳大學，廣東 深圳 518060； 2.云南師范大學，云南 昆明 650500)

1 引 言

城市地下排水管網是城市雨污水排放的重要通道，是維持城市安全運行的生命線。然而，在市政水利部門的運行管理過程中，因負荷流量遠超設計標準、管材及設施老舊、新建重大工程影響、地下探測手段不足等因素，導致管網問題層出不窮，主要表現為：管網運行不良、排水不暢；雨污管混接、錯接；管網現狀信息缺失；管道破損、病害位置不詳等。這些病害問題不僅嚴重影響城市日常雨、污水排放，在極端環境下還可能引發諸如內澇、環境污染等次生問題甚至地陷等城市災害。以深圳市為例，僅2013年～2015年就發生地面坍塌事故579起，其中由排水管道破損導致的地面坍塌占57.4%。因此，對地下排水管網病害的大范圍常態化檢測意義重大。

目前城市排水管道檢測技術手段主要有：目測法、潛水員人工檢測、管道CCTV檢測、管道潛望鏡、聲吶檢測、紅外成像檢測等[1～7]，這些檢測手段作業方式存在著很大差異，互助互補但仍存在很多缺陷和不足，具體描述如表1所示。

現有的排水管道檢測方法 表1

針對上述城市地下排水管網隱患普查難、有水難測、檢測設備貴且維護成本高等問題，為了實現快速、大規模、經濟化的排水管網病害檢測，本文提出了一種方便快捷、成本低廉的地下排水管網檢測解決方案——排水管道檢測膠囊系統。系統主要包括了管道膠囊數據采集硬件和數據處理軟件兩大部分，檢測成果圖像采用軟件智能處理輔以人工判讀，并可提供病害原始檢測視頻和精細的檢測報告。

2 排水管道檢測膠囊系統

2.1 概述

排水管道膠囊(如圖1所示)是一種全新的排水管網病害的快速檢測系統，它集成了低成本高清CMOS((Complementary Metal-Oxide Semiconductor)相機和9軸MEMS(Micro Electro Mechanical System)航姿參考系統，采用無動力設計隨水流漂移運動，可實現大范圍的管道內部圖像數據和膠囊運動數據的快速采集。同時，系統還配備了一套完善的數據后處理軟件，進行位置推算和圖像處理，通過對積累的大量病害樣本數據的訓練學習，專門設計的圖像處理算法可智能化準確地提取出檢測視頻中的管道病害，并生成精細的管道病害檢測報告。

圖1 排水管道病害檢測膠囊

管道膠囊的內部帶有四個電子模塊：定位定姿模塊、視頻采集模塊、集成控制模塊和供電模塊。定位定姿模塊包含了MEMS加速度計、陀螺儀、磁力計等傳感器，為膠囊提供運動定位和姿態數據；視頻采集模塊包含了集照明、高清廣角/魚眼數字攝像頭的大視角拍照模塊，一方面提供管道內壁視覺狀態數據，一方面輔助運動估計，進行輔助定位定姿；采集控制模塊包含了ARM電路板、存儲卡和WIFI通信模塊，可實現與手機終端連接、數據采集控制、數據下載等功能；供電模塊由鋰電池和電源管理電路組成。

2.2 數據采集流程

系統進行外業數據的采集流程如圖2所示：

(1)首先通過WIFI與手機端數據采集App軟件進行連接，進行作業參數設置，包括：起止管井號、管材、管徑、作業位置等。

(2)在待檢查管道段上游起始檢查井投放膠囊設備，結合前期物探和測繪數據，以及管道布設圖紙，在下游檢查井進行膠囊回收。

(3)再次與手機端數據采集App軟件連接，通過內置WIFI進行數據下載，同時進行視頻數據的現場質量檢查，并進行初步病害標識。

(4)數據下載完畢后，對膠囊進行初始化，以便于下次作業。

圖2 數據采集流程

為了保證作業中膠囊設備順利通過待檢管道，正式采集作業前，可選擇快速驗證預判、穿線器串通測試或對管道進行清淤處理等措施，以保障管道內部影像數據的有效采集。

2.3 數據處理流程

數據采集完成后，用戶可將數據導入系統的數據處理軟件或者上傳至云服務器進行處理(如圖4所示)，具體流程主要分為位置推算和圖像處理兩個部分(如圖3所示)。其中位置推算融合了視頻、IMU、磁力計等多種數據，采用綜合定位方法對管道膠囊的位置進行推算，得到其空間軌跡；圖像處理部分對運動圖像進行去旋轉、去模糊預處理，然后基于圖像對病害進行檢測。參照《城鎮排水管道檢測與評估技術規程》(CJJ181-2012)[8]，最終得到符合作業標準的管道病害檢測報告，同時也可以和GIS管網系統無縫結合[9～10]，輔助用戶進行管道維修養護決策。

圖3 數據處理流程

圖4 云端/后臺數據處理軟件

3 關鍵技術

3.1 圖像質量增強技術

排水管道作業環境復雜，管道膠囊在管道中運行，圖像質量受光照和運動影響，會產生曝光不足、對焦模糊和運動模糊等問題，需要通過硬件和算法對圖像質量進行增強。

根據現有排水管道規格，生活小區排水管主要采用直徑 300 mm、400 mm、500 mm及 600 mm的PVC塑料管，市政區域排水主要采用直徑 500 mm、600 mm、1 000 mm及 2 000 mm PVC塑料管或混凝土管。管徑的多樣性給系統的照明硬件設計增加了復雜度，燈光過強，在小直徑管道會出現曝光，燈光過弱，看不到大直徑管道管壁。為了解決此問題，管道膠囊針對不同管徑定制了多檔可調光源，通過手機App軟件可根據管徑配置不同的亮度光源，以保證錄像的清晰度。同時，為了保證亮度均勻，采用了多達6顆高亮燈珠照明，為了避免多燈珠在中心處形成過曝光斑，對LED燈的光路進行定制仿真，以實現最佳的燈珠安裝角度，保證最好的照明效果。

管道檢測膠囊在管道中漂流時，會受到不確定的湍流影響，產生繞重力軸向的旋轉和水平方向的搖擺等不規則運動。這些不規則運動最終會造成采集到的檢測視頻視場晃動嚴重，質量下降，并使用戶感興趣的管道壁待檢測區域不能穩定地存在于圖像的一個固定區域。為了消除這些負面影響，系統采用了水平視場角為360°，垂直視場角為220°的超廣角魚眼鏡頭，采集的視頻圖像為一個半球形，同時為了得到穩定視角的檢測視頻，采用了一種虛擬穩定視場檢測視頻生成方法，可以獲取穩定視場的檢測視頻，并改善視頻的質量。

3.2 管道病害定位技術

目前，管道檢測設備的主流定位方式是采用里程計，但是基于里程計定位方式的爬行類檢測機器人除了效率低下之外，也無法在半水狀態下的地下供排水管網中進行破損檢測與定位。另一方面，借助慣性導航定位方式，其誤差也會隨著時間和距離的累積，精度逐漸降低，而采用高精度的慣性單元將導致成本極高。

排水管道膠囊中含有攝像頭和IMU單元，采用視覺慣性里程計(VIO)定位。由于排水管道環境復雜，且膠囊在漂流過程中存在劇烈晃動，若運用傳統的VIO，圖像特征點難以提取與跟蹤，也無法避開傳感器時間同步與外部參數標定的問題，算法很難正常工作。為了解決這一問題，系統將視覺慣性里程計設為序列回歸問題，采用了基于學習的方法來進行特征提取與跟蹤，沒有從幾何角度建立復雜的數學模型，而是采用了基于CNN-RNN神經網絡的視覺慣性里程計定位算法進行位置推算，其模型如圖5所示。通過對定位樣本訓練數據的采集和學習，CNN-RNN視覺慣性里程計模型能夠精確地定位管道檢測膠囊，其定位精度與樣本的訓練效果和膠囊所采用的IMU單元精度緊密相關。

圖5 視覺里程計定位算法

3.3 管道病害識別技術

常規的管道病害檢測設備主要依賴于人工判讀，準確度高，但效率低。為了滿足快速、大范圍排水管網病害普查的需求，排水管道檢測膠囊系統采用了基于深度卷積網絡模型對排水管道的病害進行自動識別和分類。該方法利用大量的管網檢測數據，使用殘差網絡作為骨干網絡的深度卷積網絡，利用圖像級標簽區分不同病害和正常圖像，并引入了層次分類的方法分層對不同管材的病害進行分類(目前主要區分PVC和混凝土材質)，以解決由于不同管材的各種病害類型的發生頻率不同而導致的病害訓練樣本數量不平衡的問題。

如圖6所示，首先，使用膠囊設備獲取不同材質管線的病害圖片，并按照病害類型對其分類；然后，使用基于深度神經網絡模型，針對不同管材的病害做層次分類訓練；最后，使用訓練得到的模型對地下管線病害進行自動識別和分類。

圖6 地下管網病害檢測深度卷積網絡模型

4 應用案例

2019年，排水管道檢測膠囊系統應用到了合肥市老舊小區雨污管網檢測項目中。根據《合肥市人民政府辦公廳關于印發合肥市分流制排水系統雨污混接調查和整治工作方案的通知》(合政秘辦[2017]150號)及《城鎮排水管道檢測與評估技術規程》(CJJ181-2012)有關規定要求，合肥市開展了市政排水設施及河道綜合性養護管理工作，其中包含了90多個小區的管網檢測工作。排水管道檢測膠囊系統承接了其中巴黎春天、利浩財智廣場、瑤海社區等多個小區的雨污管網普查工作，圖7展示了利用膠囊采集的部分管道病害效果。

圖7 膠囊檢測地下管網典型病害

5 結 語

根據2016年城鄉建設統計公報，我國城市排水管道總長度為57.7萬千米。其中僅深圳全市污水管網的存量就約 6 000 km，雨水管網總量約 7 000 km。數量龐大的排水管網，如果采用常規手段，日常巡檢維護任務將十分艱巨。

基于排水管道膠囊的管網病害檢測方案，相對于CCTV檢測機器人、管道潛望鏡等檢測技術，具有檢測速度快、單次檢測范圍大的突出特點，可以大大節約管線病害普查的數據采集和數據處理的工作時間。管道膠囊系統集成了多種傳感器和先進的位置推算和圖像處理算法，可以快速、精確、經濟地定位和識別管道病害，是對現有排水管道檢測技術的有力補充。同時，系統檢測成果易于與現有的管網信息化系統集成，服務于綜合管廊、海綿城市與智慧城市等領域。