基于“5G+AI+大數(shù)據(jù)”的原水管線智慧化巡檢研究

摘要：為滿足社會(huì)發(fā)展的需求，開展各類生產(chǎn)，須引進(jìn)科學(xué)技術(shù)，建立智慧化系統(tǒng)。基于此，為了提高原水管線巡檢效率和質(zhì)量，提升巡檢質(zhì)量和效率，對(duì)利舊槍機(jī)攝像頭、利舊球機(jī)攝像頭定點(diǎn)巡航等開展數(shù)據(jù)采集，并在后臺(tái)進(jìn)行AI分析，對(duì)需要報(bào)警的行為或者信息在前端和后臺(tái)都發(fā)出預(yù)警，做到事前預(yù)防、事中預(yù)警、事后回溯，達(dá)到7×24"h自動(dòng)對(duì)管道環(huán)境進(jìn)行“體檢掃描”效果。

關(guān)鍵詞：5G+AI+大數(shù)據(jù)""原水管線""智慧化巡檢""管道環(huán)境

中圖分類號(hào)：TP393

Research"on"Intelligent"Inspection"of"Raw"Water"Pipeline"Based"on"\"5G+AI+Big"Data\"

GE"Junjie"""MAO"Yangfan"""SHEN"Kai

Raw"Water"Co.，"Ltd."of"Hangzhou"Water"Group"Co.，"Ltd."Hangzhou，"Zhejiang"Province，"311122"China

Abstract："In"order"to"meet"the"needs"of"social"developmentand"carry"out"various"types"of"production，"it"is"necessary"to"introduce"science"and"technology"and""establish"intelligent"systems."Based"on"this，"in"order"to"improve"the"efficiency"and"qualitynbsp;of"raw"water"pipeline"inspections，"and"enhance"the"quality"and"efficiency"of"inspections，"data"collection"is"carried"out"on"the"fixed-point"cruising"of"used"gun"cameras"and"used"ball"camera"cameras，"and"AI"analysis"is"performed"in"the"backstage."Early"warnings"are"issued"for"behaviors"or"information"that"require"alarms"in"both"the"front"and"back"ends，"achieving"pre"prevention，"mid"event"warning，"and"post"event"backtracking，"achieving"a"7"×"24-hour"automatic"\"physical"examination"scan\""effect"on"the"pipeline"environment.

Key"Words："5G+AI+big"data;"Raw"water"pipeline;"Intelligent"inspection;"Pipeline"environment

隨著經(jīng)濟(jì)社會(huì)的飛速發(fā)展，給科學(xué)技術(shù)的進(jìn)步提供了強(qiáng)有力的支持，科學(xué)技術(shù)被應(yīng)用于不同領(lǐng)域與行業(yè)之中，為提升生產(chǎn)效率與生產(chǎn)質(zhì)量奠定了堅(jiān)實(shí)的基礎(chǔ)。城市化發(fā)展建設(shè)的過程中，原水管線在其中發(fā)揮著重要的作用和價(jià)值，但是其與普通管線之間具有一定的差異性，原水管線巡檢存在一定難度，傳統(tǒng)巡檢方式存在漏檢情況，針對(duì)此情況，技術(shù)人員與研究人員提出應(yīng)用“5G+AI+大數(shù)據(jù)”技術(shù)，以此為基礎(chǔ)針對(duì)原水管線開展智慧化巡檢，進(jìn)一步提升巡檢質(zhì)量以及巡檢效率[1-2]。

1工程概況

本文將杭州原水管線巡檢作為案例進(jìn)行研究。杭州原水管道埋平均深度為地下25"m，管道總長(zhǎng)度為28.6"km，其中20.2"km為輸水鋼管，包括14個(gè)伸縮節(jié)、22個(gè)閥門、9個(gè)配電間、數(shù)十個(gè)插座箱、數(shù)百個(gè)焊縫。現(xiàn)階段，為保證原水管線滿足社會(huì)發(fā)展需求，巡檢采用人工巡檢方式，但是原水管線運(yùn)行環(huán)境較為特殊，建設(shè)于地下封閉環(huán)境內(nèi)，且空間有限，此種環(huán)境很容易導(dǎo)致巡檢人員出現(xiàn)惰性、疲勞感的情緒，降低巡檢質(zhì)量，無法第一時(shí)間獲取異常情況，無法及時(shí)對(duì)故障缺陷進(jìn)行處理。雖然為滿足巡檢需求，裝有液位傳感器等設(shè)備，但是巡檢較為單一，無法對(duì)巡檢進(jìn)行驗(yàn)證，缺乏自主學(xué)習(xí)能力，也并未預(yù)留升級(jí)空間[3]。

2“5G+AI+大數(shù)據(jù)”的原水管線智慧化巡檢建設(shè)

2.1確定監(jiān)控點(diǎn)位

首先需要明確監(jiān)控?cái)z像頭安裝位置。工作人員須按照實(shí)際情況以及巡檢要求布置安裝監(jiān)控?cái)z像頭。本次地下管道監(jiān)控點(diǎn)位部署算法如表1所示。

2.2硬件設(shè)計(jì)

2.2.1服務(wù)器選型與部署

（1）服務(wù)器選型。服務(wù)器是系統(tǒng)重要組成部分，其是保證系統(tǒng)正常運(yùn)行的關(guān)鍵，為計(jì)算機(jī)視覺算法運(yùn)行提供保障，因此需要明確服務(wù)器類型，根據(jù)系統(tǒng)與選件要求，確定服務(wù)器選型。對(duì)于本次建設(shè)來說，采用機(jī)架式服務(wù)器，其型號(hào)為：CPU"20核*2/64G內(nèi)存/480G固態(tài)硬盤+8TB機(jī)械硬盤/RTX"3090"24G顯存/DVDRW/機(jī)架式。

（2）服務(wù)器部署安裝。安裝之前，需對(duì)整體系統(tǒng)進(jìn)行探索，將服務(wù)器部署安裝在G3井配電室機(jī)柜中，并做好線路連接，允許監(jiān)控網(wǎng)絡(luò)訪問，部署安裝位置如圖1所示。在進(jìn)行安裝的過程中，第一步，取下滑軌，根據(jù)服務(wù)器安裝高度明確具體位置，并安裝滑軌；第二步，在對(duì)應(yīng)位置安裝與之相匹配的螺帽；第三步，利用螺絲固定滑軌，保證安裝穩(wěn)固性，保證固定不動(dòng)；第四步，將服務(wù)器放入滑軌內(nèi)，并保證不對(duì)服務(wù)器造成損傷；最后，將服務(wù)器劃入機(jī)柜內(nèi)，并進(jìn)行規(guī)定處理[2]。此外，需要注意的一點(diǎn)是，要做好網(wǎng)絡(luò)配置，Ubuntu"18.04采用netplan來管理網(wǎng)絡(luò)配置計(jì)劃，在/etc/netplan/目錄下有一個(gè)以yaml結(jié)尾的文件。

2.2.2監(jiān)控?cái)z像頭選型與部署

（1）監(jiān)控?cái)z像頭選型。攝像頭是獲取圖像信息的關(guān)鍵，須保證圖像信息的精準(zhǔn)性，選擇400"W及以上像素的攝像頭，且需滿足云臺(tái)運(yùn)行需求（可設(shè)置預(yù)置點(diǎn)巡航，做變焦和云臺(tái)動(dòng)），對(duì)于本次工程項(xiàng)目來說，選擇DS-2DF82CBXMH-A型號(hào)的攝像頭。

（2）攝像頭部署與安裝。首先，須根據(jù)巡檢需求明確攝像頭部署點(diǎn)位，并明確走線方向；其次，在進(jìn)行安裝的過程中，須完全按照施工方案進(jìn)行，并強(qiáng)化安裝過程中的監(jiān)督控制，保證安裝質(zhì)量；最后，進(jìn)行驗(yàn)收工作，保證攝像頭正常運(yùn)行，滿足監(jiān)控需求。

2.3智慧化巡檢平臺(tái)部署

2.3.1平臺(tái)部署

部署采用基于docker容器或者K8S的主流方式，保證可以整合到大的系統(tǒng)和平臺(tái)上，也容易保證兼容性和部署的統(tǒng)一性。架構(gòu)采用多種接口和服務(wù)化部署，以Serving方式提供接口，Web方式訪問和管理，以此保證整體平臺(tái)運(yùn)行質(zhì)量與效率[3]。本工程決定采用基于docker容器，以此為基礎(chǔ)進(jìn)行平臺(tái)部署。

首先，須按照需求安裝GPU服務(wù)器（“sudo"apt"install"nvidia-driver-470"nvidia-dkms-470"sudo"ubuntu-drivers"devices”）；其次，構(gòu)建視頻流服務(wù)，此時(shí)采用Install"GStreamer，并按照實(shí)際要求安裝依賴包、更新依賴包，以此保證編譯的精準(zhǔn)性與可靠性，為巡檢工作的開展提供支持；再次，安裝容器與docker容器；最后，開展驗(yàn)收工作，顯示英偉達(dá)信息則說明容器安裝正常，可正常運(yùn)轉(zhuǎn)。此外，還需將其與AI平臺(tái)容器進(jìn)行連接，并將文件導(dǎo)入其中，完成全部部署安裝[4-5]。

2.3.2視頻采集

視頻采集可獲取具體運(yùn)行信息，包括設(shè)備機(jī)械、工作人員等情況。在開展工作之前，工作人員需明確算法部署，根據(jù)不同區(qū)域的需求設(shè)計(jì)算法部署，包括人員分布、吸煙識(shí)別、人員跌倒識(shí)別以及配電異常單元識(shí)別、配電柜溫度異常識(shí)別、儀表識(shí)別。根據(jù)視頻采集需求，部署監(jiān)控?cái)z像頭，并設(shè)置IP地址以及賬號(hào)密碼等信息。須重點(diǎn)部署設(shè)計(jì)配電柜異常檢測(cè)單元，將配電柜分為ABCD"4個(gè)單元，并根據(jù)不同單元需求設(shè)置報(bào)警裝置，如故障指示燈、旋轉(zhuǎn)開關(guān)，通過判斷其狀態(tài)，明確是否存在故障缺陷。同時(shí)，工作人員還需采樣方法，攝像頭放置在某一個(gè)預(yù)置點(diǎn)，對(duì)目標(biāo)配電單元進(jìn)行正常狀態(tài)和異常狀態(tài)的模擬，記錄下模擬時(shí)間，在所有預(yù)置點(diǎn)及采樣目標(biāo)均完成模擬后將對(duì)應(yīng)時(shí)間的視頻錄像從監(jiān)控平臺(tái)中拷貝出來。

此外，還需進(jìn)行測(cè)溫紙顏色檢測(cè)、人員分布檢測(cè)、人員跌倒識(shí)別、抽煙檢測(cè)等，將其監(jiān)控系統(tǒng)、AI平臺(tái)進(jìn)行管理，對(duì)圖像信息進(jìn)行分析，在“5G+AI+大數(shù)據(jù)”技術(shù)的支持下，平臺(tái)具有自主學(xué)習(xí)的能力，利用算法可明確當(dāng)前運(yùn)行存在的故障問題。在此過程中，需根據(jù)配電柜實(shí)際情況，部署監(jiān)測(cè)點(diǎn)位，并利用算法進(jìn)行識(shí)別，隨后在AI平臺(tái)的支持下，對(duì)數(shù)據(jù)進(jìn)行分析，判斷故障類型、程度以及影響。

2.4算法開發(fā)

算法開發(fā)是智慧化巡檢中重要項(xiàng)目之一，是保證檢測(cè)與識(shí)別精準(zhǔn)性的關(guān)鍵，對(duì)于人員識(shí)別以及配電柜識(shí)別等算法來說，技術(shù)較為成熟，但是對(duì)于“抽煙識(shí)別算法”來說研究較少，而此項(xiàng)內(nèi)容是本次建設(shè)的重點(diǎn)內(nèi)容之一，因此需要做好抽煙識(shí)別算法開發(fā)。

根據(jù)本次建設(shè)項(xiàng)目實(shí)際需求，將MobileNetV2的深度學(xué)習(xí)模型作為抽煙識(shí)別算法模型，以此為基礎(chǔ)開展項(xiàng)目訓(xùn)練，此種模型應(yīng)用具有較強(qiáng)的優(yōu)勢(shì)，精準(zhǔn)度高、識(shí)別速度快，且安裝便捷。在開展項(xiàng)目訓(xùn)練的過程中，實(shí)現(xiàn)了現(xiàn)場(chǎng)采集圖像信息的目的，并及時(shí)開展訓(xùn)練，為后續(xù)工作部署提供支持，根據(jù)實(shí)際情況建設(shè)真實(shí)模型，提升了模型適應(yīng)性，以此保證后續(xù)工作的順利進(jìn)行實(shí)現(xiàn)智慧化巡檢的目的[4]。本次采用MobileNetV2的深度學(xué)習(xí)模型，其體積較小，因此在進(jìn)行部署時(shí)，可將其安裝到嵌入式設(shè)備內(nèi)，并將其與整體系統(tǒng)平臺(tái)進(jìn)行連接，通過并發(fā)運(yùn)算的方式開展后續(xù)工作，其可以與其他識(shí)別等流程共同進(jìn)行，降低了的時(shí)間資源的消耗。同時(shí)，在進(jìn)行模型安裝的過程中，在高適應(yīng)性的支持下，可與云平臺(tái)以及AI入云有效融合，且其運(yùn)行只需應(yīng)用1個(gè)普通網(wǎng)絡(luò)攝像頭即可，降低了成本支出。

2.5系統(tǒng)試運(yùn)行

完成上述工作之后，需將各個(gè)系統(tǒng)進(jìn)行有效連接，并進(jìn)行相應(yīng)的調(diào)試，最后針對(duì)整體系統(tǒng)開展試運(yùn)行，對(duì)試運(yùn)行過程中產(chǎn)生的數(shù)據(jù)與異常行為進(jìn)行記錄，對(duì)數(shù)據(jù)參數(shù)進(jìn)行分析與討論，判斷系統(tǒng)是否存在問題。在開展試運(yùn)行的過程中，需重點(diǎn)針對(duì)圖像識(shí)別系統(tǒng)與數(shù)據(jù)分析系統(tǒng)進(jìn)行觀察，保證系統(tǒng)運(yùn)行穩(wěn)定性，同時(shí)還需針對(duì)監(jiān)控?cái)z像頭進(jìn)行重點(diǎn)檢查，尤其是圖像信息以及影像信息的重要來源，需保存在表面不存在磨損等情況，并對(duì)采集的圖像信息進(jìn)行檢查，保證其清晰性，滿足巡檢要求。

3結(jié)語

綜上所述，在開展城市化建設(shè)的過程中，原水管線是其中最為重要的基礎(chǔ)設(shè)施，為居民提供充足的水源，但是由于其長(zhǎng)期處于運(yùn)行狀態(tài)，且受到環(huán)境的影響，巡檢難度以及巡檢強(qiáng)度較大，人工巡檢的方式無法滿足當(dāng)前發(fā)展建設(shè)的需求，針對(duì)此情況技術(shù)人員提出智慧化巡檢方式。在建設(shè)智慧化巡檢的過程中，須引進(jìn)“5G+AI+大數(shù)據(jù)”技術(shù)，確定監(jiān)控點(diǎn)位，并做好硬件設(shè)計(jì)、智慧化巡檢平臺(tái)部署以及算法開發(fā)工作，完成建設(shè)之后，須進(jìn)行試運(yùn)行，以此保證系統(tǒng)運(yùn)行的穩(wěn)定性，滿足巡檢需求。

參考文獻(xiàn)

[1]郭容昱.基于CIM+AI機(jī)器人的大型城市綜合體智慧化運(yùn)維框架研究[J].住宅與房地產(chǎn)，2023（23）：60-64.

[2]徐旺，張磊，胡金勇.基于用戶大數(shù)據(jù)的5G天線權(quán)值優(yōu)化方法研究[J].佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)（自然科學(xué)版），2022，40（6）：11-20

[3]范敏，劉春陽，陳宇恒，等.基于5G，物聯(lián)網(wǎng)技術(shù)和微服務(wù)架構(gòu)的智慧園區(qū)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J].長(zhǎng)江信息通信，2023，36（11）：35-37.

[4]胡巍，楊強(qiáng).基于5G+AI的智慧工地安全監(jiān)督平臺(tái)創(chuàng)新實(shí)踐[J].電力大數(shù)據(jù)，"2023，26（9）：79-85.

[5]李都望，黃有文，鄧慧萍，等.中長(zhǎng)距離輸水管線壓力管控智慧化改造實(shí)踐與分析[J].給水排水，2023，59（3）：116-120.