宋哲旭 徐志毅 曾 晉 李學(xué)成 陳開潤 李小斌
(1.中海石油(中國)有限公司深圳分公司,廣東 深圳 518000;2.中海輝固地學(xué)服務(wù)(深圳)有限公司,廣東 深圳 518000;3.重慶米弘科技有限公司,重慶 400000)
由于沖刷腐蝕、拖網(wǎng)錨害等原因,海底管道頻繁發(fā)生事故,因此準(zhǔn)確掌握海底管道狀態(tài)可以及時預(yù)防和排除安全隱患。隨著海底管道鋪設(shè)距離和運行時間的延長,海底管線巡檢技術(shù)亟需迭代升級。
邢海燕等人提出了一種IPSO-GRU神經(jīng)網(wǎng)絡(luò)對海底管道缺陷進行定量識別,獲得96%的識別精度[1]。羅東浩基于深度學(xué)習(xí)方法檢測管道的泄漏點,達到了較好的實時性和準(zhǔn)確性[2]。馬建民等人設(shè)計了一種基于光視覺技術(shù)的自主巡檢系統(tǒng),識別準(zhǔn)確率達96%,但該系統(tǒng)仍缺乏深海試驗[3]。東京大學(xué)研制了一款名為Twin-Burger2的水下機器人,對水下管道進行跟蹤,但在海底環(huán)境無法進行實時性應(yīng)用[4]。KHAN A等人提出了一種圖像恢復(fù)和增強算法,能夠處理水域較渾濁的情況[5]。SCH?YEN等人提出了一種基于多波束回聲測深儀數(shù)據(jù)的自動化管道探測方法,為海底管道智能巡檢提供了新思路[6]。
該文基于ROV采集的海底管道圖像提出了一種深度學(xué)習(xí)檢測技術(shù),建立了一套巡檢系統(tǒng)輔助識別海管事件,以解決人工巡檢存在的漏檢、誤檢等問題,提高巡檢作業(yè)效率。
深度學(xué)習(xí)檢測技術(shù)避免了傳統(tǒng)機器學(xué)習(xí)的大量手工設(shè)計特征工作,并且能取得更優(yōu)的檢測結(jié)果。海底管道巡檢需要識別的事件包括海管節(jié)點(fieldjoint)、陽極(anode)、雜物(debris:金屬、塑料、木材和漁網(wǎng)等)、支撐(sleeper)、懸空(freespan)、拋石(gravel)以及沙包(sandbag)。
該文數(shù)據(jù)來源于ROV巡檢某海管采集的左、中、右3路視頻。中路圖像存在對比度低以及細節(jié)模糊等問題,采用多操作聯(lián)合增強技術(shù)可獲得穩(wěn)定的清晰圖像。該文方案采用優(yōu)化對比度增強[7]、限制對比度自適應(yīng)直方圖均衡化(CLAHE)[8]以及色階調(diào)整等操作實現(xiàn)圖像增強。圖像增強效果如圖1所示。
圖1 圖像增強
由于事件的多樣性和海底圖像質(zhì)量低下等問題,該文平衡檢測速度與檢測效果,選取了Anchor based中的一階段法YOLOv5(you only look once)端到端的訓(xùn)練目標(biāo)檢測模型,以識別事件的具體類別和位置。
1.2.1 數(shù)據(jù)集構(gòu)建
該文選取8 936張分辨率為720×576的圖像進行檢測模型的訓(xùn)練,其中訓(xùn)練集和驗證集的比例為17∶3,測試集來源于ROV巡檢的實時圖像。試驗的每個評估指標(biāo)通過5折交叉驗證并最終取平均結(jié)果。所有試驗均在Amax NVIDIA Titan V一張12G GPU的服務(wù)器上進行。
1.2.2 YOLOv5網(wǎng)絡(luò)搭建
該文基于YOLOv5搭建了深度學(xué)習(xí)檢測模型,模型結(jié)構(gòu)如圖2所示。
圖2 YOLOv5模型結(jié)構(gòu)
骨干網(wǎng)絡(luò)用于海管圖像的特征提取,其中聚焦是指進行下采樣操作,以減少計算量;殘差單元用于學(xué)習(xí)更豐富的特征;金字塔池化可實現(xiàn)局部特征和全局特征的特征圖級別的融合。YOLOv5先將輸入圖片縮放到統(tǒng)一尺寸,然后送入骨干網(wǎng)絡(luò),最后處理網(wǎng)絡(luò)預(yù)測結(jié)果,得到檢測的目標(biāo)。其中,YOLOv5采用了馬賽克(Mosaic)數(shù)據(jù)增強,在一定程度上解決了數(shù)據(jù)量缺乏的問題,還采用非極大值抑制算法解決了一個目標(biāo)被多次檢測的問題,能在檢測的同時實現(xiàn)分類。訓(xùn)練YOLOv5檢測模型的損失函數(shù)由3個部分組成:置信度損失Lobj、類損失Lclass和位置損失Lbox。
Lobj和Lclass考慮了正、負樣本不均衡的影響,如公式(1)所示。在Lobj中,y′i為預(yù)測輸出的置信度,yi為真實概率0或1。在Lclass中,y′i為模型的預(yù)測輸出類別,yi為樣本的真實類別。
其中σ(y′i)=1/(1+exp(-y′i))。
Lbox采用了GIoU Loss,如公式(2)所示。其中GIoU表示對2個任意框A、B,找到一個最小的封閉形狀C,讓C把A、B包括在內(nèi),計算C中沒有覆蓋A和B的面積占C總面積的比值,然后用A與B的交并比(IoU)減去這個比值。最后用1減去GIoU,轉(zhuǎn)化為最小值的優(yōu)化問題。
1.2.3 對比方法
本節(jié)選擇了SSD[9]、EfficientDet與該文方法做對比。SSD使用anchor機制,易于訓(xùn)練和集成。EfficientDet提出了目標(biāo)檢測網(wǎng)絡(luò)聯(lián)合調(diào)整復(fù)雜度的策略,在COCO數(shù)據(jù)集上取得了較好的效果。該文通過這2種方法進一步驗證該文方法的有效性。
1.2.4 評價指標(biāo)
海管事件檢測以幀率FPS、均值平均精度mAP作為評價指標(biāo)。FPS用來評估目標(biāo)檢測的速度,即每秒內(nèi)可以處理的圖像數(shù)量。對類別為C的事件,在一張圖像上的精度PC如公式(3)所示,TP為正確檢測的事件數(shù)量,F(xiàn)P為未正確檢測的事件數(shù)量(錯檢、漏檢)。
類別為C的事件在所有圖像上的精度如公式(4)所示,其中N為圖像總量。
所有類別的事件在所有圖像上的精度如公式(5)所示,Nc為類別數(shù)量。
mAP在固定的數(shù)據(jù)集上計算,在分析模型結(jié)果的同時查看各類的平均精度,避免了對某些易檢測類別的偏好,適用于比較不同目標(biāo)的檢測方法。
1.2.5 試驗結(jié)果及分析
海底管道事件檢測結(jié)果見表1。EfficientDet通過設(shè)計的BiFPN結(jié)構(gòu)取得了88%的mAP,SSD使用的Anchor機制不利于小目標(biāo)的檢測。SSD與EfficientDet由于參數(shù)量和網(wǎng)絡(luò)結(jié)構(gòu)龐大,因此檢測效率不高。YOLOv5通過回歸實現(xiàn)了端到端的目標(biāo)檢測,取得了最高的mAP和FPS。每類事件的具體檢測結(jié)果見表2。
表1 事件檢測結(jié)果
表2 每類事件檢測結(jié)果
由表2可知,對海管節(jié)點、陽極、雜物、支撐等特征比較明顯的事件,YOLOv5取得了高于95%的精度,可有效用于海管巡檢系統(tǒng)。直觀的檢測結(jié)果如圖3所示。SSD與EfficientDet仍存在較多的錯檢和漏檢情況,而YOLOv5適合各類事件的檢測,且能克服水圖像偏色、模糊以及較暗等問題,證明了該文選取的YOLOv5檢測方法在精度和速度方面能基本滿足海管巡檢系統(tǒng)的要求。
圖3 事件檢測結(jié)果
海底管道巡檢軟件系統(tǒng)是結(jié)合深度學(xué)習(xí)算法訓(xùn)練的檢測模型與巡檢作業(yè)業(yè)務(wù)流程開發(fā)的應(yīng)用軟件。巡檢軟件系統(tǒng)功能包括海管管理、用戶管理、事件類型、事件管理、參數(shù)設(shè)置、巡檢任務(wù)、設(shè)備管理、離線視頻、巡檢操作以及事件記錄等模塊。功能結(jié)構(gòu)如圖4所示。
圖4 海底管道巡檢軟件功能結(jié)構(gòu)
海底管道巡檢軟件客戶端為巡檢作業(yè)用戶日常工作操作的主入口,用戶登錄進入系統(tǒng)后,可進行參數(shù)設(shè)置、創(chuàng)建巡檢任務(wù)、執(zhí)行巡檢任務(wù)、進行設(shè)備連接、播放ROV視頻、開啟事件檢測、記錄異常事件和導(dǎo)出巡檢報告等業(yè)務(wù)操作。海底管道巡檢軟件主操作界面包括巡檢操作區(qū)、視頻顯示區(qū)、事件列表區(qū)、定位數(shù)據(jù)區(qū)以及上次巡檢事件區(qū)等區(qū)域。巡檢操作區(qū)域包括連接/斷開ROV、開始巡檢、暫停巡檢、視頻選擇和圖像增強等操作入口。視頻顯示區(qū)域用于顯示三路視頻實時的檢測效果。事件列表顯示巡檢過程中檢測到的事件,包括事件代碼、事件級別、事件發(fā)生位置以及是否是異常事件等信息。定位數(shù)據(jù)區(qū)域顯示當(dāng)前海管巡檢到的具體位置,包括經(jīng)緯度、到達的海管長度等。上次巡檢事件區(qū)域顯示之前對同一根海管巡檢所檢測出的事件記錄,用于與本次巡檢結(jié)果進行比較,進而檢查之前發(fā)生的異常事件是否已修復(fù)。
海底環(huán)境復(fù)雜多變,海底管道會不可避免地遭受自然侵蝕和磨損,而人工巡檢效率低下,誤檢率與漏檢率居高不下,因此該文提出了一種基于深度學(xué)習(xí)技術(shù)的海底管道輔助巡檢方法,可自動識別各類事件并進行記錄。系統(tǒng)主要通過目標(biāo)檢測方法確定事件的具體位置和類別,并通過巡檢系統(tǒng)記錄識別的事件,供后續(xù)分析查詢。海底試驗表明,和人工巡檢相比,該方法大大提升了海管巡檢的效率和準(zhǔn)確率。未來將進一步完善海底管道巡檢系統(tǒng)識別事件的種類,并對懸空、拋石及破損等事件進行定量分析。