水收集系統(tǒng)排水管網(wǎng)檢測排查問題及對策

萬佳明

（長沙市規(guī)劃勘測設(shè)計(jì)研究院，湖南 長沙 410000）

0 引言

城市排水系統(tǒng)是城市市政系統(tǒng)的重要組成部分。但是，隨著管道壽命的增加，管道老化和外部因素干擾的加劇，一些城市的管道出現(xiàn)了各種問題。這時(shí)就需要采用科學(xué)的檢測技術(shù)，通過對管線的各種缺陷進(jìn)行判斷，并對其進(jìn)行正確的處理，以確保管網(wǎng)的正常使用。

1 管道CCTV檢測技術(shù)系統(tǒng)現(xiàn)狀

CCTV檢測技術(shù)是一種管道閉路電視的內(nèi)窺鏡技術(shù)，它采用閉路電視的方式，利用攝像機(jī)進(jìn)入排水管，把視頻資料傳送到控制計(jì)算機(jī)，然后進(jìn)行數(shù)據(jù)分析。CCTV是管線閉路電視監(jiān)控系統(tǒng)中使用時(shí)間最長、使用最廣泛的一種技術(shù)。采用CCTV監(jiān)控技術(shù)，可以實(shí)現(xiàn)對地下管線的監(jiān)測和實(shí)時(shí)監(jiān)測，能夠有效及時(shí)發(fā)現(xiàn)管路發(fā)生的故障。管道故障如圖1至圖3所示。

圖1 管道破裂

圖3 管道障礙物

從管道的視頻采集到最終的管線檢測報(bào)告，是一項(xiàng)非常煩瑣復(fù)雜的工作。其影響因素主要有人工判斷類型、人工評估等級等。并且它的工作主要形式有視頻數(shù)據(jù)導(dǎo)入、視頻播放預(yù)覽、添加檢測信息、截取管道缺陷圖像、添加管道缺陷說明等。它的缺點(diǎn)是自動化程度不高，人工效率低。尤其是管線缺陷的判斷，耗費(fèi)了大量的人力和財(cái)力，從而影響了工程的進(jìn)度。因此，針對CCTV管線缺陷技術(shù)的研究重點(diǎn)是對管線缺陷進(jìn)行智能化、自動化識別的功能升級。圖4為CCTV視頻管道缺陷檢測模式[1]。

圖2 管道沉積

圖4 CCTV視頻管道缺陷檢測模式

目前，管道CCTV故障的智能檢測技術(shù)已由單一的檢測方式逐漸發(fā)展為多重檢測并存的工作形式，并將深度學(xué)習(xí)技術(shù)等先進(jìn)應(yīng)用引入管道故障診斷中，已有了一定的研究基礎(chǔ)和成果，并在市政工程中得到了初步的應(yīng)用，但還處在初步的探索和研究階段，還沒有完全實(shí)現(xiàn)管道故障的自動提取，目前還需要結(jié)合人工的主觀判斷才能實(shí)現(xiàn)故障檢測，所以其技術(shù)還需要進(jìn)一步的研究和發(fā)展。

2 城市管道CCTV視頻檢測方法

2.1 基于人工識別的檢測方法

傳統(tǒng)的基于人工視覺的CCTV技術(shù)在城市管線中的應(yīng)用最為廣泛。然而，隨著管線的自然老化，長時(shí)間運(yùn)行造成的自然磨損、人為損壞、監(jiān)測設(shè)備老化等問題的出現(xiàn)，造成了城市CCTV的視頻質(zhì)量不能得到保障。并且隨著測量工作的增加，對測量精度的要求也越來越高，導(dǎo)致城市管線的人工識別已經(jīng)不能滿足對管線的檢測需求。裂紋和其他缺陷相比，都是微不足道的，用肉眼觀察很可能會忽略，而高強(qiáng)度的工作也會造成工人的疲勞，從而增加漏檢的可能性。此外，人工辨識主要依靠經(jīng)驗(yàn)，且具有較強(qiáng)的主觀性，不同技術(shù)人員的判斷結(jié)果會有差異，從而影響到判斷的一致性，從而導(dǎo)致錯(cuò)誤的發(fā)生。因此，傳統(tǒng)的人工篩選方法效率低下，必將逐漸被智能化的檢測技術(shù)所代替[2]。

2.2 基于傳統(tǒng)機(jī)器學(xué)習(xí)的檢測方法

在現(xiàn)有的基于機(jī)器學(xué)習(xí)的管線缺陷識別技術(shù)中，常用的有支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等。支持向量機(jī)可以通過結(jié)合紋理特征進(jìn)行圖像的自動分類，具有很好的準(zhǔn)確率，可以達(dá)到90%以上。但是，基于對偶優(yōu)化問題引入核函數(shù)，支撐向量機(jī)的選取與參數(shù)的調(diào)整密切相關(guān)。因而，不宜用于連續(xù)探測管線；BP神經(jīng)網(wǎng)絡(luò)可以以任何精度近似任何非線性函數(shù)，達(dá)到92%的準(zhǔn)確率。隨機(jī)森林算法通過對已標(biāo)注的圖像進(jìn)行訓(xùn)練，能夠較好地區(qū)分出有問題的和沒有問題的圖像，其準(zhǔn)確率可達(dá)88%。但是，由于隨機(jī)森林法對識別結(jié)果的影響，不能通過訓(xùn)練得到，必須手工進(jìn)行調(diào)整，從而不能對缺陷進(jìn)行自動分類。由于管道的缺陷類型很多，單一的方法很難對各種類型的缺陷進(jìn)行有效的識別，而且由于管線的內(nèi)部環(huán)境比較復(fù)雜，因此常規(guī)的檢測方法在精度上受到了一定的限制。因此，對高精度、自動化和智能化的識別技術(shù)成為亟待解決的問題[3]。

3 管道CCTV視頻智能檢測面臨的問題

3.1 樣本數(shù)量不足

深度學(xué)習(xí)是一種典型的學(xué)習(xí)方法，它可以通過大量的樣本來獲得對象的特性，以達(dá)到與人相似甚至超過人的程度。然而，在實(shí)際的管線缺陷抽樣中，尚無正規(guī)的管線缺陷資料。而在一般情況下，如破裂、變形、障礙物等故障問題，都可以得到較多的樣品，而異物穿透故障問題，則很難采集到管線中的缺陷樣品，因而不能滿足動輒幾萬、幾十萬甚至上百萬的深度學(xué)習(xí)模型，對模型的結(jié)構(gòu)和性能都有很高的要求。由于管線的內(nèi)部環(huán)境比較復(fù)雜，圖像質(zhì)量難以保證，嚴(yán)重影響了管線的識別，降低了智能識別的精度。

3.2 無法實(shí)現(xiàn)管道缺陷自動定級

管線的缺陷主要有兩類：功能缺陷和結(jié)構(gòu)缺陷，細(xì)分為16個(gè)小類。并按其不良程度進(jìn)行分級。結(jié)構(gòu)檢查中的缺陷主要有四級變形、四級脫節(jié)、四級滲漏、四級斷裂、四級斷裂、三級腐蝕、支管暗接、三級異物穿入、三級錯(cuò)口、三級接口材料脫落。功能上的缺陷主要有四級障礙、四級結(jié)垢、四級沉積、四級殘墻、四級樹根、四級樹根、三級浮渣。目前，智能檢測技術(shù)大多采用Faster-RCNN等對象探測技術(shù)來進(jìn)行管線缺陷的識別和探測，從而有效地解決了多個(gè)缺陷的發(fā)生。但是，目前的檢測技術(shù)很難對所有的缺陷進(jìn)行準(zhǔn)確的識別，而且不能對其進(jìn)行準(zhǔn)確的分級，從而使其不能進(jìn)行定量的檢測。對缺陷進(jìn)行準(zhǔn)確的分類和分級，是進(jìn)行缺陷修復(fù)工程、估算缺陷處理費(fèi)用的關(guān)鍵?，F(xiàn)有的智能技術(shù)不僅不能準(zhǔn)確地辨識出所有的缺陷，而且很難對其進(jìn)行分類和定級，從而使其在工程中的應(yīng)用產(chǎn)生了很大的困難和不便。

3.3 場景坐標(biāo)無法有效轉(zhuǎn)換

實(shí)時(shí)實(shí)現(xiàn)視頻空間坐標(biāo)和實(shí)際空間坐標(biāo)的轉(zhuǎn)換是故障檢測和排除的關(guān)鍵。利用GPS定位信息中的故障信息進(jìn)行定位，同時(shí)對電子地圖進(jìn)行多種標(biāo)識分類，可以清楚地反映城市地下管線的健康狀況及缺陷的分布。為快速確定缺陷部位、及時(shí)進(jìn)行規(guī)劃和實(shí)施工作提供了依據(jù)，建立了實(shí)時(shí)的影像-場景坐標(biāo)變換系統(tǒng)是必要的。目前的智能管線缺陷檢測技術(shù)雖然能夠?qū)σ曨l進(jìn)行識別，但是CCTV攝像機(jī)只能在視頻中統(tǒng)一的呈現(xiàn)出實(shí)時(shí)的視頻信息，具體坐標(biāo)不能從后臺獲得，因此要從視頻中提取坐標(biāo)、距離等信息并進(jìn)行轉(zhuǎn)換，這就增加了實(shí)時(shí)的視頻坐標(biāo)和空間坐標(biāo)變換的困難，很難將圖像中的內(nèi)容與實(shí)際情況進(jìn)行有效的融合。

4 管道CCTV視頻智能檢測技術(shù)改進(jìn)措施

4.1 小樣本深度學(xué)習(xí)模型的應(yīng)用，以提升識別精度

隨著管線缺陷智能化的研究，管線缺陷數(shù)據(jù)的收集會越來越豐富，而且在數(shù)量和質(zhì)量上都會得到提高。同時(shí)，由于當(dāng)前深度學(xué)習(xí)技術(shù)的海量樣本頗豐，因此如何降低其對樣本的依賴性也是今后的一個(gè)重要課題。當(dāng)前，深度學(xué)習(xí)正逐步向降低樣本依賴性方向發(fā)展，其方法是：模擬訓(xùn)練樣本，增加數(shù)據(jù)集，運(yùn)用先驗(yàn)知識，提高學(xué)習(xí)能力，以最大限度地降低樣本數(shù)對模型的影響，加快模型的收斂，提高模型的推廣精度，使其達(dá)到半監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、小樣本學(xué)習(xí)乃至零樣本學(xué)習(xí)的目標(biāo)。針對管線缺陷質(zhì)量不能保證、數(shù)量極度缺乏的現(xiàn)狀，采用小樣本學(xué)習(xí)技術(shù)為管線缺陷的智能識別提供了新的思路和機(jī)會[4]。

4.2 運(yùn)用語義分割深度學(xué)習(xí)模型，以實(shí)現(xiàn)管道缺

卷積神經(jīng)網(wǎng)絡(luò)是一種用于圖像分類和回歸的智能方法。全卷積神經(jīng)網(wǎng)絡(luò)（FCN）采用上取樣層取代卷積神經(jīng)網(wǎng)絡(luò)的全連通層，從而達(dá)到對物體的象素級分割，并在醫(yī)學(xué)圖像分割、道路場景語義分割、環(huán)境感知等方面進(jìn)行了大量的研究。利用語義分割技術(shù)對管線進(jìn)行分類，可以有效地識別出各種缺陷，標(biāo)注出缺陷的區(qū)域，并對其進(jìn)行劃分，并利用劃分面積進(jìn)行精確劃分，從而有效地解決了實(shí)際情況下的病害映射問題。圖5為卷積神經(jīng)網(wǎng)絡(luò)。

圖5 卷積神經(jīng)網(wǎng)絡(luò)

4.3 坐標(biāo)轉(zhuǎn)換問題的解決，以實(shí)現(xiàn)缺陷尺寸大小的自動估算

即時(shí)定位與地圖構(gòu)建（simultaneouslocalizationand mapping,SLAM）首先被用于機(jī)器人，它的目的是利用傳感器的信息來實(shí)現(xiàn)對周圍環(huán)境的實(shí)時(shí)繪制，并通過對其進(jìn)行預(yù)測。該系統(tǒng)采用了全景攝像機(jī)，并將激光雷達(dá)和SLAM技術(shù)相結(jié)合，實(shí)現(xiàn)了管道的三維立體成像，如圖6所示。通過將影像和GIS技術(shù)相結(jié)合，可以實(shí)現(xiàn)實(shí)時(shí)的視頻坐標(biāo)和實(shí)際的空間坐標(biāo)變換，便于工作人員根據(jù)缺陷的空間信息，及時(shí)確定管道缺陷所在的位置，并對管道缺陷進(jìn)行精確測量，并依據(jù)缺陷類型、等級等信息，及時(shí)制訂出相應(yīng)的解決措施，為后續(xù)的管道修復(fù)過程設(shè)計(jì)和造價(jià)計(jì)算提供了可靠的依據(jù)。

圖6 激光SLAM的地圖構(gòu)建

4.4 建立軟-硬件一體化系統(tǒng)，以實(shí)現(xiàn)管道缺陷識別的自動化流程

隨著城市管線缺陷識別的自動化和智能化進(jìn)程的不斷加快，今后的軟硬件集成是必然的。采用軟硬件集成的方法，可以根據(jù)現(xiàn)場采集的資料自動識別病害類型，判斷病害等級，自動分析和提取管線缺陷，為管線缺陷增加詳細(xì)的說明，并將其標(biāo)記為電子地圖，并可通過電子地圖查看管線的總體健康情況與檢測點(diǎn)的影像，并根據(jù)以上的智能提取信息，形成一套固定的規(guī)范格式的管線缺陷報(bào)表，實(shí)現(xiàn)一圖整體統(tǒng)一管理[5]。

5 結(jié)語

綜上所述，對管道進(jìn)行質(zhì)量檢查和故障排查，可以為管道的維修和恢復(fù)提供準(zhǔn)確的科學(xué)依據(jù)。文章就排水管網(wǎng)的檢查和分析技術(shù)問題進(jìn)行了較為詳盡的論述，以期達(dá)到對管道故障進(jìn)行智能檢測，提升CCTV監(jiān)測技術(shù)的應(yīng)用和推廣，降低人工投入，提高檢測的效率和準(zhǔn)確度。