基于人工智能的土壤外運(yùn)管控方案

于營(yíng)東 蘇礦軍

上海建工集團(tuán)工程研究總院 上海 201114

《中華人民共和國(guó)土壤污染防治法》出臺(tái)后，土壤修復(fù)成為監(jiān)督管理的新對(duì)象，但現(xiàn)場(chǎng)人員往往難以把握土壤修復(fù)過(guò)程中的檢查要點(diǎn)。土壤修復(fù)既要關(guān)注修復(fù)方案是否落實(shí)到位，又要關(guān)注污染土壤是否得到妥善處置。現(xiàn)階段污染土壤的外運(yùn)主要依靠人工進(jìn)行檢查記錄，檢查結(jié)果完全取決于現(xiàn)場(chǎng)人員的判斷，無(wú)法保證檢查結(jié)果的有效性和及時(shí)性。通過(guò)人工智能對(duì)異位修復(fù)過(guò)程中的土壤外運(yùn)車輛進(jìn)行分析，可以自動(dòng)檢查車輛頂蓋是否覆蓋到位、車身是否存在泥土以及輪胎是否帶土等，解決污染土壤外運(yùn)過(guò)程中的人為失誤、不及時(shí)等問(wèn)題[1-5]。人工智能將逐漸打通傳統(tǒng)領(lǐng)域的各個(gè)環(huán)節(jié)，從而有效降低人工成本，提高工作效率。

1 研究背景

在工程建設(shè)中，運(yùn)送污染土壤的外運(yùn)土方車在離開(kāi)施工場(chǎng)地前，必須沖洗干凈、遮擋嚴(yán)實(shí)，要適量裝載，防止在運(yùn)輸過(guò)程中出現(xiàn)泄漏、遺撒、污染路面等情況，以免造成二次污染。現(xiàn)階段的管控方案主要依靠人工手抄記錄，負(fù)責(zé)人無(wú)法及時(shí)了解現(xiàn)場(chǎng)情況。依靠人工智能的圖像識(shí)別技術(shù)，可對(duì)運(yùn)送污染土壤的外運(yùn)土方車的視頻或多角度照片進(jìn)行分析，判斷是否存在“跑冒滴漏”，如果存在“跑冒滴漏”現(xiàn)象，可以通過(guò)短信、微信等方式及時(shí)通知相關(guān)負(fù)責(zé)人，以便及時(shí)進(jìn)行處理，防止二次污染的發(fā)生。

2 土壤外運(yùn)現(xiàn)狀及問(wèn)題分析

現(xiàn)階段土壤外運(yùn)的主要管控方案有專人排查法、崗位上報(bào)法和公司檢查法。

1）專人排查法：安排專人檢查“跑冒滴漏”，將檢查情況記錄下來(lái)形成文檔，存在問(wèn)題時(shí)要及時(shí)上報(bào)，安排專人負(fù)責(zé)跟蹤落實(shí)整改情況。

2）崗位上報(bào)法：崗位員工在處理日常工作的同時(shí)還要檢查“跑冒滴漏”，將檢查情況記錄到記錄本上，如果檢查過(guò)程中發(fā)現(xiàn)問(wèn)題要及時(shí)上報(bào)。

3）公司檢查法：對(duì)檢查過(guò)程中不作為或未采取有效措施的人員和部門進(jìn)行檢查通報(bào)，限期整改。

現(xiàn)階段的“跑冒滴漏”檢查，只能依靠人工手抄記錄，費(fèi)時(shí)費(fèi)力。同時(shí)，人際關(guān)系、現(xiàn)場(chǎng)工期、自身責(zé)任感等因素都可能會(huì)影響檢查人員的判斷。對(duì)于記錄的存檔，人為操作很難做到長(zhǎng)時(shí)間保存，甚至都沒(méi)有記錄保存的步驟。如此一來(lái)，就很容易造成車輛夾帶污染的土壤、封閉不嚴(yán)實(shí)或裝載過(guò)多，從而在運(yùn)輸過(guò)程中因車速過(guò)快、急剎車、道路不平等造成“跑冒滴漏”的二次污染，不僅給環(huán)境和人員造成不必要的危害，還增加了環(huán)境治理的重復(fù)工作量和難度。

3 圖像識(shí)別技術(shù)

隨著人工智能的迅速發(fā)展，人工智能將在各行各業(yè)中發(fā)揮重要作用，不斷孕育出新的應(yīng)用形式，人工智能在傳統(tǒng)領(lǐng)域中的運(yùn)用將成為競(jìng)爭(zhēng)的焦點(diǎn)。使用圖像識(shí)別技術(shù)對(duì)“跑冒滴漏”進(jìn)行檢測(cè)，可減少人為原因?qū)е碌臋z測(cè)結(jié)果不準(zhǔn)確的問(wèn)題。

人工智能的圖像識(shí)別是依靠計(jì)算機(jī)實(shí)現(xiàn)的，在圖像識(shí)別技術(shù)上，計(jì)算機(jī)和人類在原理上是相同的，只是人類的識(shí)別過(guò)程包含主觀因素，而計(jì)算機(jī)則更為客觀，無(wú)感情和視覺(jué)的影響。

人類的圖像識(shí)別過(guò)程是先通過(guò)對(duì)圖像本身的特征進(jìn)行分類，然后對(duì)比圖像的特征來(lái)進(jìn)行圖像識(shí)別的。當(dāng)我們看到圖像時(shí)，會(huì)先判斷是否存在相同或類似的圖像，在“看到”和“判斷”之間存在一個(gè)快速識(shí)別過(guò)程，這個(gè)過(guò)程和我們使用百度搜索數(shù)據(jù)的過(guò)程比較相似，我們的大腦會(huì)按照記憶中分好的類別進(jìn)行對(duì)比，查看是否存在類似特征的記憶，從而判斷出是否見(jiàn)過(guò)該圖像。

計(jì)算機(jī)的圖像識(shí)別過(guò)程和人類的識(shí)別過(guò)程類似，但計(jì)算機(jī)提取的特征是多樣的，既包含關(guān)鍵性特征，又包括一般性特征，會(huì)在一定程度上影響識(shí)別的準(zhǔn)確率。

總之，計(jì)算機(jī)一般是利用提取到的各種各樣的特征來(lái)進(jìn)行圖像識(shí)別的。

4 基于ModelArts的“跑冒滴漏”管控方案

使用華為ModelArts技術(shù)（圖1）將視頻監(jiān)控和圖像識(shí)別技術(shù)相結(jié)合，利用現(xiàn)代科學(xué)技術(shù)和傳統(tǒng)檢測(cè)方法綜合進(jìn)行“跑冒滴漏”的科學(xué)管控。運(yùn)送污染土壤的土方車從清洗池出來(lái)之后，會(huì)停留在一個(gè)檢測(cè)區(qū)域，由四周的攝像頭進(jìn)行拍照并將照片實(shí)時(shí)傳遞到服務(wù)終端。服務(wù)終端在收到圖片之后調(diào)用在線服務(wù)，通過(guò)提前準(zhǔn)備好的圖片數(shù)據(jù)、標(biāo)簽和預(yù)置算法訓(xùn)練好的模型進(jìn)行分析標(biāo)記處理，當(dāng)識(shí)別確信度超過(guò)預(yù)設(shè)值時(shí)，則認(rèn)為存在“跑冒滴漏”現(xiàn)象，對(duì)相應(yīng)的土方車發(fā)出警告，可以通過(guò)短信、微信等方式把警告信息通知到相關(guān)負(fù)責(zé)人，以便相關(guān)負(fù)責(zé)人及時(shí)進(jìn)行處理，防止二次污染的發(fā)生。

圖1 ModelArts技術(shù)

ModelArts是華為技術(shù)有限公司研發(fā)的一款技術(shù)產(chǎn)品，可通過(guò)算法實(shí)現(xiàn)模型訓(xùn)練和自動(dòng)調(diào)優(yōu)，快速完成模型的訓(xùn)練和部署。目前，ModelArts提供有豐富的預(yù)置算法，支持用戶通過(guò)AI市場(chǎng)訂閱之后，可以基于自己的業(yè)務(wù)數(shù)據(jù)進(jìn)行訓(xùn)練，支持昇騰910訓(xùn)練→昇騰310推理以及GPU（圖形處理器）訓(xùn)練→昇騰310推理方式，包括圖像分類（識(shí)別圖片中是否包含某種特定物體）、物體檢測(cè)（識(shí)別圖片中各個(gè)物體的位置和類別）、預(yù)測(cè)分析（對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分類或數(shù)值預(yù)測(cè)）、聲音分類（識(shí)別音頻中是否包含某種特定的聲音）、文本分類（對(duì)文本的內(nèi)容按照標(biāo)簽進(jìn)行分類處理）等應(yīng)用場(chǎng)景。

“跑冒滴漏”符合物體檢測(cè)場(chǎng)景，可以通過(guò)創(chuàng)建物體檢測(cè)類型的數(shù)據(jù)集，對(duì)圖片數(shù)據(jù)進(jìn)行標(biāo)注。使用算法創(chuàng)建訓(xùn)練作業(yè)，訓(xùn)練完成后部署為在線服務(wù)。

使用預(yù)置算法實(shí)現(xiàn)物體檢測(cè)的具體過(guò)程為：創(chuàng)建物體檢測(cè)項(xiàng)目→上傳圖片數(shù)據(jù)→數(shù)據(jù)標(biāo)注→模型訓(xùn)練→部署上線。

1）數(shù)據(jù)準(zhǔn)備：創(chuàng)建一個(gè)“物體檢測(cè)”類型的數(shù)據(jù)集→上傳現(xiàn)有的土方車運(yùn)輸過(guò)程中的圖片→設(shè)計(jì)標(biāo)簽，標(biāo)簽設(shè)計(jì)需要對(duì)應(yīng)所檢測(cè)圖片的明顯特征，并且選擇的標(biāo)簽最好比較容易識(shí)別（畫面主體物與背景區(qū)分度較高），每個(gè)標(biāo)簽就是對(duì)所檢測(cè)圖片期望識(shí)別的全部結(jié)果→對(duì)圖片進(jìn)行標(biāo)注（圖2）→發(fā)布數(shù)據(jù)集。

圖2 圖片標(biāo)注界面

2）通過(guò)預(yù)置算法創(chuàng)建訓(xùn)練作業(yè)，獲得相應(yīng)的模型。

3）模型轉(zhuǎn)換：使用預(yù)置算法訓(xùn)練所得的模型，通過(guò)轉(zhuǎn)換功能，轉(zhuǎn)成對(duì)應(yīng)的格式。

4）導(dǎo)入模型。

5）部署在線服務(wù)。

6）服務(wù)測(cè)試：如果模型的準(zhǔn)確率不能滿足要求，可繼續(xù)添加圖片并進(jìn)行標(biāo)注，重新進(jìn)行模型訓(xùn)練然后部署上線。如果對(duì)模型預(yù)測(cè)結(jié)果滿意，則可訪問(wèn)在線服務(wù)。

7）“跑冒滴漏”檢測(cè)：一是訪問(wèn)服務(wù)，即通過(guò)postman工具或使用curl命令發(fā)送請(qǐng)求；二是預(yù)測(cè)，即上傳一張或幾張現(xiàn)場(chǎng)圖片進(jìn)行預(yù)測(cè)，查看預(yù)測(cè)結(jié)果是否滿意（圖3）。

圖3 預(yù)測(cè)結(jié)果

通過(guò)上述過(guò)程可完成“跑冒滴漏”的模型訓(xùn)練，在實(shí)際工作中可以調(diào)用部署的在線服務(wù)進(jìn)行“跑冒滴漏”的實(shí)時(shí)檢測(cè)。

5 結(jié)語(yǔ)

基于人工智能的圖像識(shí)別技術(shù)在土壤外運(yùn)的“跑冒滴漏”現(xiàn)象中具有很高的運(yùn)用空間和使用價(jià)值。雖然人工智能在圖像識(shí)別技術(shù)方面具有很大的優(yōu)勢(shì)，但仍存在一些問(wèn)題：首先，圖像識(shí)別是要反復(fù)訓(xùn)練數(shù)據(jù)模型的，只有不斷強(qiáng)化和完善現(xiàn)有的模型庫(kù)，使模型的判斷準(zhǔn)確率提升，才能有效降低圖像識(shí)別的誤差；其次，具有人工智能操作系統(tǒng)的物聯(lián)終端對(duì)信息安全有較高要求，如果遭遇黑客攻擊，整個(gè)系統(tǒng)的運(yùn)行將會(huì)受到影響，如何解決信息安全問(wèn)題是重中之重。總之，基于人工智能的圖像識(shí)別技術(shù)在“跑冒滴漏”中的應(yīng)用代表了未來(lái)數(shù)字化智能檢測(cè)的發(fā)展方向。隨著人工智能技術(shù)的不斷發(fā)展，基于人工智能的圖像識(shí)別技術(shù)將會(huì)在土壤修復(fù)中得到廣泛應(yīng)用，發(fā)揮越來(lái)越重要的作用。