油氣管道線路圖像智能識別技術(shù)應(yīng)用研究

王洪超，楊啟明，李 冰，齊 暉，馬云賓，魏 來

（1.國家管網(wǎng)集團(tuán)科學(xué)技術(shù)研究總院，河北 廊坊 065000；2.國家管網(wǎng)集團(tuán)北方管道有限責(zé)任公司，河北 廊坊 065000）

0 引 言

我國油氣管道建設(shè)經(jīng)過多年高速發(fā)展，已經(jīng)建成覆蓋全國的油氣管道骨干網(wǎng)絡(luò)，截至2020年底，中國長輸油氣管道總里程累計約14.4萬公里，管道線路途徑區(qū)域廣，自然、人文環(huán)境千差萬別，管道長期存在地質(zhì)災(zāi)害（滑坡、泥石流等）、第三方活動和打孔盜油等外來因素導(dǎo)致管道損壞的風(fēng)險[1]。如2003年12月19日，蘭成渝成品油管道廣元至綿陽段由于打孔盜油分子的破壞發(fā)生重大泄漏（圖1），泄漏處油柱高達(dá)40 m，使寶成鐵路中斷達(dá)7 h之久，管道停輸14 h，附近的清江河有500 m河面被污染，直接經(jīng)濟(jì)損失448萬元。

圖1 蘭成渝管道打孔盜油破壞現(xiàn)場

目前，我國油氣管道線路保衛(wèi)以人工巡線作為主要方式，部分地區(qū)還會采用直升機或無人機巡線的方式進(jìn)行補充，這種定期巡檢的方式時效性差，無法在第一時間發(fā)現(xiàn)風(fēng)險，維搶修滯后，導(dǎo)致小風(fēng)險轉(zhuǎn)化為大事故。為及時發(fā)現(xiàn)第三方施工、打孔盜油等潛在的管道威脅事件，防止發(fā)生嚴(yán)重事故，部分管道運營公司選擇在環(huán)境敏感區(qū)、人員密集區(qū)和打孔盜油高發(fā)區(qū)等重點區(qū)域安裝固定攝像頭，通過實時回傳攝像頭視頻或報警信息的方式實現(xiàn)區(qū)域不間斷24小時人工監(jiān)視[2-6]。近年來，以深度學(xué)習(xí)為代表的人工智能技術(shù)在圖像識別領(lǐng)域取得了突破性進(jìn)展，對物體的分類準(zhǔn)確度已經(jīng)達(dá)到甚至超過了人的水平。基于深度學(xué)習(xí)技術(shù)在目標(biāo)檢測的應(yīng)用中相繼出現(xiàn)了Faster R-CNN、SSD和YOLO等算法，這些算法具有較高的檢測準(zhǔn)確率，達(dá)到了工業(yè)應(yīng)用的要求。因此，將人工智能技術(shù)在目標(biāo)檢測中的成果應(yīng)用到管道線路保衛(wèi)中，成為了近期的研究熱點。

1 線路視頻的檢測對象

管道線路面臨的威脅主要有地質(zhì)災(zāi)害、第三方活動和打孔盜油等，地質(zhì)災(zāi)害可以利用其他技術(shù)手段進(jìn)行監(jiān)測，不在視頻檢測的研究范圍內(nèi)；打孔盜油活動是對管道的人為破壞；第三方活動主要是工業(yè)、農(nóng)業(yè)生產(chǎn)，如機械挖掘、定向鉆和土地深耕等。如果不采取有效的監(jiān)管措施，這些活動極易引起管道防腐層、管體和伴行光纜等的損壞，影響管道正常輸送，甚至造成管道泄漏。隨著經(jīng)濟(jì)的發(fā)展，產(chǎn)生了與工業(yè)、生活等人口密集區(qū)重疊或交叉的管段（圖2），這些區(qū)域第三方活動更加頻繁，管道被破壞的風(fēng)險更大。因此，為有效防范管道輸送過程中由第三方引起的事故發(fā)生，需要從視頻中檢測出人、施工車輛和機械（圖3），提前發(fā)現(xiàn)管道面臨的潛在威脅。

圖2 鄰管道的工業(yè)區(qū)和農(nóng)田

圖3 管道上方的施工

2 線路圖像智能識別算法

從線路視頻中檢測出人、施工車輛和機械屬于目標(biāo)檢測范疇。目前主流的目標(biāo)檢測算法大多基于深度學(xué)習(xí)技術(shù)，主要分為兩類：

（1）二階段目標(biāo)檢測算法，該類算法分2個步驟進(jìn)行目標(biāo)檢測，首先生成潛在的候選區(qū)域，然后對候選區(qū)域中的目標(biāo)進(jìn)行分類，典型算法有R-CNN系列算法[7]；

（2）一階段目標(biāo)檢測算法，該類算法省去了候選區(qū)域的選擇，直接從輸入圖像中得出目標(biāo)類別和位置坐標(biāo)，典型算法有YOLO、SSD[8]。與二階段目標(biāo)檢測算法相比，一階段目標(biāo)檢測算法通常速度更快，選擇YOLOv3算法[9-12]用于線路視頻的目標(biāo)檢測。

YOLOv3算法的基礎(chǔ)網(wǎng)絡(luò)為Darknet53，利用卷積層對輸入圖片降采樣，可實現(xiàn)大中小3個尺度下目標(biāo)類別和位置的預(yù)測，如圖4所示。應(yīng)用中首先將輸入圖像分辨率調(diào)整為448×448，再由網(wǎng)絡(luò)進(jìn)行運算獲得不同尺度下的檢測結(jié)果，檢測結(jié)果包括目標(biāo)類別和目標(biāo)邊界框。邊界框包含5個值：x，y，w，h和置信度，其中，（x，y）表示邊界框的中心點坐標(biāo)，w表示邊界框的寬度，h表示邊界框的高，置信度表示邊界框內(nèi)含有預(yù)測目標(biāo)類別的概率。由于網(wǎng)絡(luò)會生成10 647個邊界框，存在很多相似或無效的結(jié)果，因此采用非極大值抑制的方法對不同尺度下的預(yù)測值進(jìn)行篩選，得到最終的檢測結(jié)果。

圖4 識別算法的基本網(wǎng)絡(luò)結(jié)構(gòu)

3 線路圖像智能識別系統(tǒng)

管道線路點多線長，存在大量第三方活動頻繁的區(qū)域。為提升管道的安全防護(hù)水平，篩選出風(fēng)險等級高的重點區(qū)域安裝了線路攝像頭，實時檢測周邊環(huán)境，及時發(fā)現(xiàn)疑似威脅。管道線路處于野外，氣象、晝夜等環(huán)境因素變化大，攝像頭普遍選擇了具有紅外功能的星光級高清攝像頭，以保證低照度環(huán)境下的成像質(zhì)量。由于野外缺少供電，攝像頭安裝時自建了微型太陽能供電系統(tǒng)，利用4G無線通信上傳報警、圖像等數(shù)據(jù)。管道線路重點區(qū)域安裝的攝像頭如圖5所示。

圖5 管道線路重點區(qū)域安裝的攝像頭

管道線路攝像頭僅能檢測到移動物體，無法識別出物體的種類，日常應(yīng)用中會產(chǎn)生大量因風(fēng)吹植被引起的誤報警。為降低誤報警次數(shù)，需要對攝像頭報警信息進(jìn)行二次識別。實際應(yīng)用中，考慮到上傳視頻信息會帶來大量通信流量的浪費，首先設(shè)置攝像頭自帶識別功能，檢測移動的物體，僅將攝像頭監(jiān)測到報警后抓拍的圖片上傳至管理平臺，再由管理平臺將報警圖片推送至智能識別模塊進(jìn)行二次識別。智能識別模塊中運行智能識別算法對輸入圖片進(jìn)行分析，最后將分析結(jié)果反傳至管理平臺實現(xiàn)管道線路威脅事件的識別。線路圖像智能識別系統(tǒng)架構(gòu)及系統(tǒng)界面如圖6、圖7所示。

圖6 線路圖像智能識別系統(tǒng)架構(gòu)

圖7 線路圖像智能識別系統(tǒng)操作界面

為驗證應(yīng)用效果，在實際管道對線路圖像智能識別系統(tǒng)進(jìn)行了超過1年的運行測試。測試表明，線路圖像智能識別系統(tǒng)對管道沿線的工程車、農(nóng)用車、普通車輛和人員具有較高的識別準(zhǔn)確率（圖8），可以對攝像頭自動報警結(jié)果進(jìn)行二次識別，在不漏報的前提下提高了報警的準(zhǔn)確性，可將攝像頭的單日報警數(shù)量降低約65%（圖9、圖10）。

圖8 線路圖像智能識別系統(tǒng)檢測到的車輛、人員

圖9 攝像頭的單日報警記錄

圖10 二次識別后的單日報警記錄

4 結(jié) 語

采用視頻智能識別技術(shù)對攝像頭報警信息進(jìn)行二次識別，可有效提高油氣管道線路威脅事件的報警準(zhǔn)確率，降低人工核實的勞動強度，提升管道線路重點區(qū)域視頻監(jiān)視的效果。目前，北方管道公司主要高風(fēng)險管段實現(xiàn)了視頻監(jiān)控全覆蓋，可24小時全天候無死角預(yù)警監(jiān)控。預(yù)計到2022年，攝像頭總數(shù)將達(dá)到4 000個，普及視頻智能識別技術(shù)可彌補攝像頭識別能力弱的缺點，提升管道線路安全防護(hù)的智能化水平。