基于邊緣圖像采集的抽蓄電站重大風險圖像實時監測

朱海峰，聶 賽，彭緒意，劉 澤，章志平，吳中華，李桂林，鄭 源

（1.江西洪屏抽水蓄能有限公司，江西 宜春 330603；2.河海大學能源與電氣學院，江蘇 南京 211100）

0 引言

隨著社會工業化和信息化的相互融合，以及5G、物聯網和大數據等技術突飛猛進，萬物互聯的時代已經到來。由此產生了大量的網絡邊緣設備，并且產生了大量的邊緣數據，已經達到了澤字節（ZB）的水平。而當前的處理模式大多還是以云計算模型為核心，對眾多數據進行集中式處理，然而面對海量的邊緣設備產生的數據，云計算模式顯然已經有些乏力，主要表現在：

（1）云端算力不足。邊緣設備數據爆炸式增長，而云計算的算力增長速度無法滿足。

（2）能量消耗大。網絡邊緣設備傳輸數據到云端會消耗較多電能，經濟性差。

（3）帶寬限制。海量邊緣設備產生的數據傳到計算中心需占用大量帶寬，造成網絡擁堵，增加網絡延遲，還存在丟包的風險。

（4）數據安全性不能保障。由于網絡邊緣數據涉及個人隱私,數據在傳回云端時容易泄露。

因此,以邊緣計算為核心的數據處理模式產生了，其計算模式就是在產生邊緣數據的設備附近進行計算，并與以云計算模型為核心的數據處理模式互相配合，從而應對信息時代數據處理中的各種問題。

目前，關于圖像采集和識別技術在電廠的安全生產管理上已經有了相關的研究和應用。馬進、鄭衛東 等人對基于圖像識別的電站控制方法和巡檢方法做了指導[1，2]。對于云計算，浙江省麗水市水利局已經開始應用以圖像智能識別技術為基礎的監管平臺[3]。對于邊緣計算，施巍松 等人詳細介紹總結了邊緣計算的基本理念與規律，促進了邊緣計算技術的發展[4]；李子姝和謝人超 等學者團隊對邊緣計算進行了詳細的分類規劃[5-8]；項弘禹 等將網絡切片和邊緣計算融合，能夠滿足5G 中廣泛的用例和商業模型[9]；齊彥麗團隊提出了融合MEC 的5G 網絡架構，并解決了多項關鍵技術，為邊緣計算實際應用打下基礎[10]。

本文將依托洪屏抽水蓄能電站，以云編排平臺為支撐，進行邊緣圖像采集在抽水蓄能電站的標準化現場應用探討，并進行了基于邊緣計算的圖像實時監測系統的實際應用。

1 邊緣圖像采集理論

1.1 理論依據

所謂邊緣計算，即在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供本地化智能服務。邊緣計算是對云計算的補充和延伸，可以為物聯網中的終端設備提供更便捷、豐富的彈性資源，是連接信息和通信技術與操作技術的重要一環。運算任務在網絡邊緣側完成，一方面對云端的算力要求極低，能夠節省帶寬，節約電能和網絡資源，有利于在低延時下完成網絡服務響應，另一方面，能滿足客戶在安全性、隱私性、實時性、智能化等方面的需求。

圖像視頻作為一種流媒體數據，其特征主要有：

（1）內容主要是時間上連續的媒體數據；

（2）內容可以不經過轉換就采用流式傳輸技術傳輸；

（3）具有較強的實時性，交互性；

（4）啟動延時大幅度減少，縮短了用戶的等待時間；

（5）對系統緩存容量的要求大大降低。

然而在實際生產過程中，現場作業面多數不能被工業電視精準覆蓋，因此需在靠近設備側采用移動式圖像采集終端進行現場畫面采集，依靠邊緣計算讓移動終端實現圖像的智能分析，從而減輕管理人員的工作量。

抽水蓄能電站作業現場環境復雜，不同的廠房有不同的設備和環境，對應的也有不同的操作規范。需高效自動識別人員行為風險和作業環境風險。邊緣端采用移動圖像采集終端，需要滿足多類風險畫面的采集，而且對硬件包容性和現場覆蓋度有較高的要求。

1.2 工作原理

邊緣圖像采集依托于圖像識別，首先是圖像采集設備將現場信息轉化為電子信息，形成視頻信息流，之后對圖像進行預處理，使用降噪、去霧、處理清晰度等過程，提高圖像質量，從而更容易提取出圖像中的信息和特征，通過特定的識別規則利用圖像特征進行圖像分類，最后反饋識別結果，對圖像進行評價。而在處理視頻數據時由于幀數較多，需要一定的算力，如果采用云計算方式，則要占用較多資源，視頻質量也不能保證。而基于邊緣計算的圖像采集則基于云編排平臺，統一調度各個邊緣設備的資源和負載，可以充分利用每臺邊緣設備的算力，一方面，在邊緣設備中完成實時檢測和處理，減少傳輸到服務器的網絡節點，避免因網絡問題導致視頻圖像質量下降，視頻延遲過高等情況；另一方面，減少了服務器的資源占用，因而提高響應速度，降低響應時間，做到更快速地識別圖像和發出預警。

2 重大風險圖像實時監測關鍵技術

本技術在靠近設備側采用移動式圖像采集終端進行現場畫面采集，依靠邊緣采集終端實現圖像的可視化。視頻圖像信息可實時傳輸至移動終端和PC 端圖像可視化模塊，供人員查看。并可與移動應用矩陣的任務子項對接，實現風險報警的精準時間定位。以下是重大風險圖像實時監測系統關鍵技術。

2.1 圖像采集終端選型

根據現場作業環境以及用戶使用需求，以硬件成本為基礎，對多種類型移動攝像頭進行對比，結果見表1。

表1 攝像頭選型表

考慮現場作業環境復雜，存在低光照環境，因此對攝像頭夜視拍攝功能做較高要求；攝像頭要求支持第三方開發，接入云編排平臺。根據現場網絡環境、電源配置等因素，選定的攝像頭型號為：海康威視400 萬3Q140IY-T/W-4MM。

2.2 圖像可視化

將攝像頭接入云編排平臺之后，配置和部署開發環境，從而通過平臺分配資源，編排設備的工作負載。所有的設備圖像在可視化平臺PC 端進行管理和查看，其功能有設備列表、設備新增、分屏展示和報警記錄等模塊。

（1）設備列表

設備列表指的是攝像頭列表，系統需要錄入激活的攝像頭信息，該列表用于展示錄入的攝像頭相關信息。

（2）設備新增

攝像頭激活后，會有相關信息返回，把相關的信息錄入到該處，用于調通攝像頭返回的圖像信息，展示在系統上。

（3）分屏展示

分屏展示能自定義在頁面同時展示1 個、4 個、以及9 個攝像頭播放，以便同時對多個設備進行管理；點擊圖像可選擇狀態為在線的攝像頭，查看其畫面。

（4）報警記錄

此模塊主要記錄攝像機捕捉到違反規則的錄像，比如工人違規操作等；可查看報警的時間地點，具體到任務，任務負責人等；便于發現問題，及時處理問題。由于采用邊緣計算，此系統的報警響應速度較快，報警靈敏度和準確性也較高。

2.3 移動端圖像可視化

為方便管理人員對圖像采集設備進行管理，開發了移動端APP，使得管理人員能隨時隨地進行設備管理，接收報警信息。該模塊包括設備列表，查看設備錄像等，可對攝像機進行錄入、刪除、修改等操作。操作界面簡潔明了，APP 學習成本較低，極大方便了管理人員的工作。

2.4 邊緣圖像采集的應用

在電廠的精細化安全管理中，需要系統地、全面地對所有設備和人員進行監管，避免人員的誤操作，減少電站事故發生。在智慧電廠中利用邊緣計算也可以大幅提高管理水平和管理效率[11]。

上文中介紹的邊緣圖像采集系統依靠各個移動設備，完成了在邊緣設備中進行智能圖像分析任務。目前可完成的圖像報警分析有人員服裝檢測、安全帽佩戴檢測、電子圍欄檢測、危險動作檢測、人臉識別等方面。并且在各個移動終端可以很方便地接收到圖像信息和報警信息，操作界面簡潔，操作邏輯合理。其技術性、經濟性的顯著水平體現在以下幾點：提高安全監管效率；提升現場作業安全；作業現場遠程可視；減少軟硬件研發成本。

3 總結與展望

3.1 總結分析

本文重點論述了邊緣側重大風險圖像實時監測關鍵技術，同時論證了該技術在抽水蓄能電站現場作業應用中的可用性和高效性，實現了研究目標。具體為：

（1）在靠近設備側采用移動式圖像采集終端進行現場畫面采集，滿足抽水蓄能電站作業現場環境復雜，需高效自動識別人員行為風險和作業環境風險的需求。

（2）解決了現場作業面多數不能被工業電視精準覆蓋，且中心化工業電視圖像采集成本高昂的痛點。

（3）構建了移動終端和PC 端圖像可視化模塊，供人員查看。并可與移動應用矩陣的任務子項對時，實現風險報警的精準時間定位。

（4）本文研究成果可基于邊緣圖像采集終端對重大風險圖像實時監測，解決傳統作業安全監管過度依賴人力的弊端。

3.2 研究展望

盡管本文對邊緣圖像采集與計算做出了詳細的論述與研究，但是由于實際研究中一些實施條件的缺乏，導致該研究仍存在著一些不足，具體體現為：

（1）硬件布置問題

抽水蓄能電站現場作業環境復雜，作業面廣，邊緣圖像采集分析設備布置需安全有序。從檢修管理模式上優化，將邊緣圖像采集分析設備的現場布置定置化，并納入修前準備的物料要素，形成安全有序的管理機制。

（2）融通互補問題

基于邊緣圖像采集的安全監管具有顯著的靈活性、高效性、經濟型，可與傳統人工監測、工業電視監測形成部分替代、整體互補的關系，后續研究應充分考慮與傳統模式的數據融通、功能互補。