基于AI 識(shí)別的天然氣凈化廠管理模式探討

田偉杰，韋詣邃，周 潔

（中國(guó)石油長(zhǎng)慶油田分公司第一采氣廠，陜西靖邊 718500）

當(dāng)前石油工業(yè)面臨著嚴(yán)峻挑戰(zhàn)，油氣領(lǐng)域普遍存在兩個(gè)亟待解決的問(wèn)題，一是一線崗位或多或少存在工作強(qiáng)度大、危險(xiǎn)性高等狀況，二是低油價(jià)下高額的運(yùn)營(yíng)成本，大大壓縮了企業(yè)的利潤(rùn)。在國(guó)際低油價(jià)的驅(qū)使下，油氣行業(yè)面臨成本和效益的雙重壓力。從數(shù)字油田向智慧油田發(fā)展是世界石油行業(yè)信息技術(shù)管理發(fā)展的必然趨勢(shì)。進(jìn)入工業(yè)4.0 時(shí)代以來(lái)，國(guó)內(nèi)AI 識(shí)別市場(chǎng)常年以20%以上的增速飛速發(fā)展。大數(shù)據(jù)與人工智能掀起的科技浪潮給石油行業(yè)帶來(lái)了新的發(fā)展機(jī)遇，AI識(shí)別技術(shù)的研發(fā)與測(cè)試為油氣田企業(yè)帶來(lái)了福音。本文以某天然氣凈化廠為例，探討了基于工業(yè)視頻AI 識(shí)別技術(shù)為核心的安全生產(chǎn)管理模式，提出以工業(yè)視頻在線識(shí)別代替人工現(xiàn)場(chǎng)判斷的新方法，為進(jìn)一步推進(jìn)凈化廠可視化管理提供了理論及實(shí)踐支撐[1-2]。

1 現(xiàn)狀分析

天然氣凈化廠日常生產(chǎn)維護(hù)內(nèi)容按照頻次可分為：定期作業(yè)與臨時(shí)作業(yè)。定期作業(yè)分為操作類及巡護(hù)類，其中巡護(hù)工作作為保證工廠安全平穩(wěn)運(yùn)行的重要手段，通過(guò)對(duì)凈化廠儀器儀表進(jìn)行定期巡檢，能夠及時(shí)發(fā)現(xiàn)關(guān)鍵部位壓力、溫度、液位、流量異常，針對(duì)性的開(kāi)展檢修維護(hù)，盡早消除隱患，保證運(yùn)行平穩(wěn)。

為了有效解決生產(chǎn)規(guī)模擴(kuò)大和用工緊張的突出矛盾，降低員工在高含硫區(qū)域暴露時(shí)間及崗位工作量和工作強(qiáng)度，盤(pán)活內(nèi)部人力資源，全力推進(jìn)降本提質(zhì)增效，迫切需要借助新興人工智能技術(shù)建立智能巡護(hù)系統(tǒng)，提升凈化廠日常巡護(hù)的質(zhì)量及效率，推進(jìn)氣田管理工作由數(shù)字化向智能化邁進(jìn)。

該凈化廠成立于2014 年，工廠在建設(shè)初期即按照數(shù)字化管理的思路，建立了遠(yuǎn)傳儀表監(jiān)測(cè)系統(tǒng)，形成了相對(duì)獨(dú)立又互相聯(lián)系的過(guò)程控制系統(tǒng)、緊急停車系統(tǒng)和火/氣系統(tǒng)。同時(shí)，在廠區(qū)重點(diǎn)部位設(shè)置有高清數(shù)字工業(yè)視頻，實(shí)現(xiàn)了關(guān)鍵部位、重點(diǎn)區(qū)域的全覆蓋，這也為AI 識(shí)別技術(shù)在凈化廠的應(yīng)用打下了基礎(chǔ)。

2 技術(shù)路線選擇

凈化廠內(nèi)的遠(yuǎn)傳儀表集中傳輸至DCS 系統(tǒng)，當(dāng)遠(yuǎn)傳參數(shù)發(fā)生異常時(shí)，可通過(guò)聲光提示提醒崗位員工進(jìn)行參數(shù)調(diào)整與故障處理。同時(shí)，凈化廠內(nèi)設(shè)置有就地顯示儀表，用于與遠(yuǎn)傳儀表進(jìn)行比對(duì)，實(shí)現(xiàn)數(shù)據(jù)檢測(cè)“雙保險(xiǎn)”。就地儀表的判讀成為了員工日常巡護(hù)的重要內(nèi)容。因此，智能巡護(hù)系統(tǒng)的核心就是要實(shí)現(xiàn)現(xiàn)場(chǎng)只讀儀表的高速識(shí)別，從而大大降低人為巡護(hù)量。

整個(gè)識(shí)別的過(guò)程分為圖像采集、算法處理及數(shù)據(jù)庫(kù)幾個(gè)部分，流程見(jiàn)圖1。

圖1 AI 識(shí)別流程圖

其中，算法流程主要包括低級(jí)處理、高級(jí)處理和邏輯處理三個(gè)層次。低級(jí)處理包括圖像的獲取與預(yù)處理，高級(jí)處理包括目標(biāo)檢測(cè)與目標(biāo)分割，邏輯處理包括對(duì)上述處理結(jié)果的分析與解釋。

2.1 圖像預(yù)處理

通過(guò)攝像頭得到的圖像是彩色的，里面蘊(yùn)含了大量的信息，處理起來(lái)相當(dāng)繁瑣，經(jīng)過(guò)圖像的各通道減均值以及除以方差等運(yùn)算可簡(jiǎn)化運(yùn)算，為圖像處理打好基礎(chǔ)。預(yù)處理的目的是使各通道的特征信息更加明顯，提高不同特征之間的區(qū)分度，以此提高后續(xù)網(wǎng)絡(luò)對(duì)特征的敏感程度。

2.2 目標(biāo)檢測(cè)

目標(biāo)檢測(cè)算法用于定位圖像中所有感興趣目標(biāo)的位置信息，并獲取目標(biāo)類別信息，需要在圖像中自動(dòng)獲取表計(jì)的位置，并判斷其表計(jì)類別。主要性能指標(biāo)是檢測(cè)準(zhǔn)確度和速度，其中準(zhǔn)確度主要考慮物體的定位以及分類準(zhǔn)確度。目前主流的目標(biāo)檢測(cè)算法大概可以分成以下兩大類別。

2.2.1 Two-Stage 目標(biāo)檢測(cè)算法 將檢測(cè)問(wèn)題劃分為兩個(gè)階段，第一階段利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)圖像特征進(jìn)行提取，根據(jù)所提取的特征產(chǎn)生一系列候選框，根據(jù)每個(gè)候選框中包含目標(biāo)的概率和面積選擇接近表計(jì)真實(shí)位置的候選框，并通過(guò)回歸矯正得到目標(biāo)表計(jì)的粗略位置；隨后第二階段繼續(xù)將候選框?qū)?yīng)的特征圖輸入另一段CNN 網(wǎng)絡(luò)，對(duì)目標(biāo)表計(jì)的位置和類別進(jìn)行進(jìn)一步的精修，從而得到檢測(cè)結(jié)果。

2.2.2 One-Stage 目標(biāo)檢測(cè)算法 直接將圖片通過(guò)CNN 網(wǎng)絡(luò)提取特征，然后通過(guò)分類和回歸分別計(jì)算目標(biāo)表計(jì)的類別概率和位置坐標(biāo)值，即可得到檢測(cè)結(jié)果。隨著研究的發(fā)展，兩類算法均能在準(zhǔn)確度以及速度上取得較好的結(jié)果。本次表計(jì)檢測(cè)兩類算法均有涉及。通過(guò)目標(biāo)檢測(cè)可準(zhǔn)確定位到圖像中表計(jì)的位置，在液位計(jì)、指針表計(jì)等不同的表計(jì)中均得到了較好的效果。

2.3 目標(biāo)分割

目標(biāo)分割的任務(wù)是把目標(biāo)對(duì)應(yīng)的部分分割出來(lái)。在表計(jì)識(shí)別中，利用分割算法可以將表計(jì)的不同指針、液體位置區(qū)分出來(lái)，從而得到表計(jì)的讀數(shù)。表計(jì)分割主要運(yùn)用了全卷積神經(jīng)網(wǎng)絡(luò)（FCN），使任意圖像大小的輸入都變成可能。

通過(guò)目標(biāo)分割可以將表計(jì)中不同的部分進(jìn)行區(qū)分，例如對(duì)液位計(jì)的分割可以清晰的得到當(dāng)前液位所在的位置，對(duì)指針表計(jì)進(jìn)行分割可以得到不同指針的位置，隨后可以對(duì)分割結(jié)果進(jìn)行進(jìn)一步處理，則可準(zhǔn)確獲得表計(jì)的讀數(shù)。

3 AI 識(shí)別技術(shù)應(yīng)用

凈化廠采取的視頻AI 識(shí)別算法是基于IVSS 服務(wù)的視頻結(jié)構(gòu)化技術(shù)，將不可量化的圖片提取特征變成可量化的數(shù)據(jù)，完成目標(biāo)檢索。

3.1 儀表建模

對(duì)于指針類儀表其建模過(guò)程為：定位部件→設(shè)定需要識(shí)別的表查找范圍→設(shè)置儀表量程、刻度→標(biāo)記刻度值對(duì)應(yīng)的刻度點(diǎn)→添加輔助線、繪制橢圓→標(biāo)定指針。

對(duì)于液位儀表其建模過(guò)程為：定位部件→設(shè)定需要識(shí)別的表查找范圍→設(shè)置搜索區(qū)域→設(shè)置油位指針→設(shè)置刻度→液位分割。

3.2 巡護(hù)模式

按照巡護(hù)的頻率可分為定時(shí)巡護(hù)與手動(dòng)巡護(hù)兩種方式。

定時(shí)巡護(hù)：自動(dòng)巡護(hù)模式下，根據(jù)現(xiàn)場(chǎng)巡護(hù)需求，設(shè)定巡護(hù)時(shí)間，自動(dòng)按時(shí)巡護(hù)，產(chǎn)生報(bào)警及時(shí)推出。

手動(dòng)巡護(hù)：手動(dòng)巡護(hù)模式下，在每個(gè)站的實(shí)時(shí)狀態(tài)頁(yè)面有手動(dòng)巡護(hù)按鈕，點(diǎn)擊可隨時(shí)巡護(hù)。

3.3 異常處置

通過(guò)讀取現(xiàn)場(chǎng)表計(jì)數(shù)據(jù)與SCADA 系統(tǒng)數(shù)據(jù)自動(dòng)比對(duì)以及大數(shù)據(jù)分析，主動(dòng)發(fā)現(xiàn)壓力、液位、溫度、氣體濃度等異常情況，及時(shí)預(yù)警、報(bào)警，聯(lián)動(dòng)控制攝像機(jī)等推送現(xiàn)場(chǎng)圖像信息，實(shí)現(xiàn)現(xiàn)場(chǎng)智能巡檢與實(shí)時(shí)監(jiān)控，充分發(fā)揮智能識(shí)別、判斷、預(yù)警優(yōu)勢(shì)，提升現(xiàn)有遠(yuǎn)程視頻監(jiān)控效率。

3.3.1 報(bào)警條件的設(shè)置 報(bào)警條件的設(shè)置可以是單個(gè)或多個(gè)數(shù)據(jù)點(diǎn)的組合。具體包括以下幾類：

限值報(bào)警：當(dāng)實(shí)時(shí)參數(shù)的瞬時(shí)值大于等于或小于等于某一固定數(shù)值時(shí)觸發(fā)該事件；

偏差報(bào)警：當(dāng)實(shí)時(shí)參數(shù)與設(shè)定值的偏差（差值的絕對(duì)值）大于某一固定數(shù)值時(shí)觸發(fā)該事件；

速率報(bào)警：當(dāng)實(shí)時(shí)參數(shù)3 s 內(nèi)最大值和最小值的差值大于某個(gè)設(shè)定值時(shí)觸發(fā)該事件。

3.3.2 報(bào)警內(nèi)容的設(shè)置

（1）語(yǔ)音播報(bào)：當(dāng)參數(shù)發(fā)生報(bào)警時(shí)，對(duì)報(bào)警點(diǎn)的詳情進(jìn)行播報(bào)。包括報(bào)警點(diǎn)所處的生產(chǎn)區(qū)域、報(bào)警點(diǎn)位號(hào)、檢測(cè)內(nèi)容、報(bào)警級(jí)別。根據(jù)報(bào)警后果的嚴(yán)重程度設(shè)置四種報(bào)警級(jí)別：高高報(bào)、高報(bào)、低報(bào)、低低報(bào)。不同的報(bào)警級(jí)別，語(yǔ)音報(bào)警的急促程度不同。

（2）視頻聯(lián)動(dòng)：通過(guò)預(yù)先設(shè)置好的攝像機(jī)云臺(tái)角度和攝像頭的焦距，自動(dòng)調(diào)整工業(yè)視頻的角度至最佳視角。

（3）處置措施推送：參數(shù)發(fā)生報(bào)警后，自動(dòng)推送對(duì)應(yīng)的處置措施，為人員操作及處置提供參考。

4 效果分析

以天然氣凈化裝置為例，說(shuō)明AI 識(shí)別的效果。

4.1 目標(biāo)選擇

傳統(tǒng)模式下凈化裝置的巡護(hù)內(nèi)容見(jiàn)表1。本著安全標(biāo)準(zhǔn)不降低的原則，AI 視頻分析的內(nèi)容也是針對(duì)上述目標(biāo)進(jìn)行設(shè)置。

表1 凈化裝置的巡護(hù)內(nèi)容

4.2 準(zhǔn)確率統(tǒng)計(jì)

根據(jù)現(xiàn)場(chǎng)測(cè)試的結(jié)果，利用工業(yè)視頻抓取的圖像進(jìn)行AI 識(shí)別的效率能夠達(dá)到95%以上，具體見(jiàn)表2。

表2 天然氣凈化裝置AI 識(shí)別結(jié)果統(tǒng)計(jì)

識(shí)別結(jié)果產(chǎn)生誤差的原因歸結(jié)為以下幾方面：

（1）光線影響：當(dāng)陽(yáng)光直射在壓力表、溫度計(jì)玻璃表盤(pán)上時(shí)，工業(yè)視頻前端設(shè)備取到的圖像不可避免的會(huì)產(chǎn)生過(guò)度曝光現(xiàn)象，無(wú)法準(zhǔn)確進(jìn)行特征分析。經(jīng)過(guò)設(shè)置工業(yè)視頻的白平衡模式可消除一部分反光造成的影響。

（2）儀表安裝角度：當(dāng)儀表校驗(yàn)或更換后，重新安裝過(guò)程中會(huì)造成安裝角度偏差，實(shí)踐證明，當(dāng)儀表安裝位置與模型位置偏差<10°時(shí)，AI 識(shí)別結(jié)果準(zhǔn)確率維持在90%以上。

實(shí)踐證明，通過(guò)天然氣凈化裝置內(nèi)工業(yè)視頻抓取圖片，利用AI 識(shí)別算法能夠代替人工巡護(hù)的工作量，達(dá)到將圖片轉(zhuǎn)換為數(shù)字參數(shù)的目的。

5 結(jié)語(yǔ)

經(jīng)過(guò)現(xiàn)場(chǎng)的測(cè)試及穩(wěn)定運(yùn)行，將圖像AI 識(shí)別技術(shù)應(yīng)用于凈化廠安全生產(chǎn)管理，可取代一部分人工工作量。隨著站場(chǎng)數(shù)字監(jiān)控視頻的不斷升級(jí)和AI 識(shí)別技術(shù)的不斷優(yōu)化，工業(yè)視頻AI 識(shí)別的速度和準(zhǔn)確率也會(huì)不斷提升。下一階段，需要著眼于復(fù)雜工況的工業(yè)視頻AI 識(shí)別，如夜間光線暗淡或者午間光照較強(qiáng)的時(shí)間段內(nèi)，如何保證工業(yè)圖像的準(zhǔn)確率。同時(shí)，經(jīng)過(guò)大量的模擬訓(xùn)練，實(shí)現(xiàn)凈化廠異常工況的主動(dòng)檢測(cè)（如漏液、漏氣等），進(jìn)一步提高故障處理速度與效率，最大限度的解決人工現(xiàn)場(chǎng)核實(shí)的問(wèn)題，降低人員勞動(dòng)強(qiáng)度，提高凈化廠的智能化水平及應(yīng)急決策效率。