機(jī)器視覺技術(shù)在油氣儲運(yùn)領(lǐng)域中的應(yīng)用優(yōu)勢研究

中圖分類號：TQ077;TE319 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-5922（2025）07-0125-04

Abstract：Asthe cutting-edge technology of artificial intellgence and computer science，machine vision has been widelyused in allareas of human lifebecause itcan help many industries gain a significant competitiveadvantage intermsof beter productquality，highercustomersatisfaction，and higher productivity.Thispaper firstintroduced the definition，main tasksand mainuses of machine vision technology，and then focused on the application of machine vision technology inthe fieldof oil andgas storageand transportation，including safety monitoringand management，construction operation management and supervision，equipmentand facility monitoring，etc.Finally，the application prospect of machine vision technology in the field of oil and gas storageand transportation was analyzed and prospected，aiming to provide reference for the future research and practice of this technology.

Key words：machine vision；oil andgas storage and transportation；artificial inteligence；security management; device detection

視覺被認(rèn)為是人類最重要的感官之一，幫助人們以不同的方式感知周圍的一切。20世紀(jì)80年代以來，研究人員一直致力于為機(jī)器提供這種能力，以觀察和感知周圍環(huán)境，創(chuàng)造一個被廣泛稱為“機(jī)器視覺”的研究領(lǐng)域[1-3]。機(jī)器視覺涵蓋的領(lǐng)域比人類的視覺更廣泛[4]。在圖像傳感器的幫助下，以圖像、視頻、多維圖像等多種形式獲得數(shù)字視覺數(shù)據(jù)，并與圖像處理算法和通信等支持技術(shù)一起創(chuàng)建機(jī)器

視覺系統(tǒng)[5]

工業(yè)上的機(jī)器視覺系統(tǒng)由大量的攝像頭組成，攝像頭根據(jù)現(xiàn)有的要求放置在裝配線上用于產(chǎn)品觀察和數(shù)據(jù)收集，提供讀取標(biāo)簽和自動分類產(chǎn)品的功能。自動化的一致性與人工參與的減少相結(jié)合，提高了檢測、識別、監(jiān)督、測量等的準(zhǔn)確性[6]。Javaid等認(rèn)為，機(jī)器視覺之所以至關(guān)重要，原因之一是機(jī)器、系統(tǒng)和機(jī)器人具有更精確的觀察、通信和工作能力[7]。機(jī)器視覺與工業(yè)物聯(lián)網(wǎng)的進(jìn)一步結(jié)合為工業(yè)環(huán)境帶來了重大變化，工業(yè)物聯(lián)網(wǎng)網(wǎng)絡(luò)可以有效地收集和分析來自多臺機(jī)器的數(shù)據(jù)，從而以更低的成本實(shí)現(xiàn)高質(zhì)量的生產(chǎn)[8]。在工業(yè)領(lǐng)域，機(jī)器視覺的使用是為了解決檢測、分類、識別、物料質(zhì)量、控制、監(jiān)控、維護(hù)、存儲等問題[9]

油氣儲運(yùn)基地是連接油氣開采與消費(fèi)的重要樞紐，其生產(chǎn)運(yùn)維的復(fù)雜性和安全性要求極高[10]。傳統(tǒng)的生產(chǎn)運(yùn)維方式存在效率低下、安全隱患多等問題，難以滿足現(xiàn)代油氣行業(yè)的發(fā)展需求[11]。機(jī)器視覺技術(shù)通過圖像處理和分析技術(shù)，自動完成設(shè)備檢測、管道監(jiān)測、泄漏檢測和安全管理，從而提高生產(chǎn)運(yùn)維的智能化水平[12]。本文通過描述機(jī)器視覺技術(shù)及其發(fā)展，論述了機(jī)器視覺技術(shù)在安全監(jiān)控與管理、施工作業(yè)管理與監(jiān)督以及設(shè)備設(shè)施檢測的油氣儲運(yùn)領(lǐng)域的應(yīng)用，旨在為機(jī)器視覺技術(shù)在工業(yè)領(lǐng)域的應(yīng)用發(fā)展提供參考。

1機(jī)器視覺技術(shù)優(yōu)勢介紹

計算機(jī)視覺是人工智能的一個重要分支，旨在使計算機(jī)能夠像人類一樣“看”和理解世界。通過分析和理解數(shù)字圖像或視頻流中的視覺信息，計算機(jī)視覺技術(shù)能夠讓機(jī)器識別對象、場景和活動，并據(jù)此做出決策或提供信息，其應(yīng)用范圍涉及安防監(jiān)控、自動駕駛、醫(yī)療診斷、工業(yè)生產(chǎn)等多個領(lǐng)域。機(jī)器視覺主要任務(wù)包括圖像分類、目標(biāo)檢測、圖像分割、場景理解、圖像生成及三維重建等[13]

1.1 深度學(xué)習(xí)與計算機(jī)視覺

在深度學(xué)習(xí)算法出來之前，計算機(jī)視覺算法大致可分為特征感知、圖像預(yù)處理、特征提取、特征篩選和推理預(yù)測與識別5種方式，計算機(jī)視覺都需要人們自主設(shè)計特征感知、提取、預(yù)處理和篩選的部分，但這無疑是一個相當(dāng)困難的挑戰(zhàn)。以往的識別方法，主要是把特征值的提取和用于分類存放特征值的容器分開設(shè)計，直到兩者需要應(yīng)用時再融合。這樣的操作意味著首先需要有一個特征表達(dá)式或者特征值提取過程，再把表達(dá)收斂到的特征植入學(xué)習(xí)算法中進(jìn)行分類學(xué)習(xí)。

在深度學(xué)習(xí)出現(xiàn)之后，理論上可以不通過人工篩選特征值、定義特征值，同時也不需要人工來描述這些特征值，算法能夠代替人工完成這類工作。最具有代表性的是卷積神經(jīng)網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)（CNN）是深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域中的代表算法之一。它通過模擬人腦視覺皮層的層次化結(jié)構(gòu)，對圖像進(jìn)行逐層抽象和特征提取。CNN的核心結(jié)構(gòu)包括卷積層、池化層和全連接層。在圖像分類任務(wù)中，CNN通過卷積層提取圖像的局部特征，并通過池化層降低特征維度，最后通過全連接層對特征進(jìn)行分類。CNN的局部連接和權(quán)值共享的特性使得它能夠有效處理圖像數(shù)據(jù)，并在圖像分類任務(wù)中取得了極高的準(zhǔn)確率。除了圖像分類，CNN還被廣泛應(yīng)用于目標(biāo)檢測、圖像分割等任務(wù)。在目標(biāo)檢測中，CNN通過引入候選區(qū)域（RegionProposal）等機(jī)制，實(shí)現(xiàn)了對圖像中多個目標(biāo)的定位和分類。在圖像分割中，CNN通過像素級的分類，實(shí)現(xiàn)了對圖像中不同區(qū)域的準(zhǔn)確分割。

1.2機(jī)器視覺應(yīng)用方法概述

隨著人工智能的進(jìn)步，物體和動作可以被一個簡單、低成本的攝像頭識別和監(jiān)控。有了足夠的視覺數(shù)據(jù)，相機(jī)就可以訓(xùn)練成執(zhí)行目前由人類完成的觀察。這將后者從日常任務(wù)中解放出來，從事更抽象的工作，并減少或消除可能削弱安全系統(tǒng)的人為故障模式。工業(yè)4.0中的大多數(shù)機(jī)器視覺應(yīng)用都涉及工業(yè)/工廠， 29% 主要用于質(zhì)量控制，而 24% 對應(yīng)監(jiān)控某些物體/產(chǎn)品， 21% 用于檢測目的，例如產(chǎn)品中的缺陷或異常檢測。然后是 10% 的識別任務(wù)，例如對某一品種的產(chǎn)品進(jìn)行識別，進(jìn)行產(chǎn)品分離等。其他應(yīng)用是指用于庫存目的的產(chǎn)品計數(shù)，以及用于分類和評估的特定任務(wù)（見圖1）。進(jìn)入工業(yè)5.0后，機(jī)器視覺報告了6種不同的用途（見圖2）， 30% 對應(yīng)監(jiān)控，剩余平均 14% 分別用于故障診斷、檢測、成像、識別與數(shù)據(jù)收集[14-15]

2機(jī)器視覺在油氣儲運(yùn)領(lǐng)域應(yīng)用優(yōu)勢研究

2.1安全監(jiān)控與管理研究

2.1.1 場站危險行為監(jiān)控

可通過視頻監(jiān)控融合AI算法對場站的人員危險行為進(jìn)行監(jiān)控和告警。在油氣場站中，工作人員須穿戴符合規(guī)定的安全帽、工服和勞保鞋，以確保人身安全。計算機(jī)視覺技術(shù)可以通過圖像識別算法，實(shí)時檢測工作人員的穿戴情況。一旦檢測到未穿戴或穿戴不規(guī)范的情況，系統(tǒng)可以立即發(fā)出警報，提醒工作人員進(jìn)行整改。這種技術(shù)不僅提高了安全監(jiān)控的效率，也降低了人工檢查的成本。

此外，油氣場站中的人員眾多，有時難免會出現(xiàn)打架斗毆等危險行為。通過計算機(jī)視覺技術(shù)，可實(shí)時監(jiān)測場站內(nèi)的視頻畫面，利用AI打架識別算法對人員行為進(jìn)行分析和判斷。一旦檢測到打架斗毆等異常行為系統(tǒng)可以立即發(fā)出警報，通知管理人員進(jìn)行干預(yù)，避免事態(tài)進(jìn)一步升級。這種技術(shù)對于維護(hù)油氣場站的秩序和保障人員安全具有重要意義。

2.1.2 火焰煙霧識別

機(jī)器視覺與激光云臺聯(lián)動融合可用于火焰煙霧識別。油氣場站中的火災(zāi)風(fēng)險較高，因此火焰和煙霧的識別報警尤為重要。機(jī)器視覺技術(shù)可以實(shí)時捕捉場站內(nèi)的視頻畫面，利用火焰識別預(yù)警系統(tǒng)對畫面中的火焰和煙霧進(jìn)行識別，同時激光云臺可以提供更精確的定位和追蹤功能。當(dāng)機(jī)器視覺系統(tǒng)檢測到火焰或煙霧時，可以聯(lián)動激光云臺進(jìn)行精確定位，并觸發(fā)警報系統(tǒng)，通知管理人員進(jìn)行緊急處理。這種技術(shù)可以大大提高火災(zāi)預(yù)警的準(zhǔn)確性和及時性。

2.1.3 非法人員入侵檢測

機(jī)器視覺與周界預(yù)警系統(tǒng)聯(lián)動融合進(jìn)行非法人員人侵檢測。油氣場站需要嚴(yán)格控制人員進(jìn)出，防止非法人員入侵。周界預(yù)警系統(tǒng)通過光纖震蕩技術(shù)感知周界是否存在非法入侵，但是該方法誤報率較高，常見的誤報場景如飛鳥撞擊周界墻引發(fā)告警。通過計算機(jī)視覺技術(shù)與周界預(yù)警系統(tǒng)聯(lián)動，當(dāng)系統(tǒng)感知到周界入侵時，通過控制相機(jī)云臺、調(diào)整相機(jī)角度和焦距，通過視覺任務(wù)識別是否存在人員非法越界、非法攀爬等行為，從而產(chǎn)生精確告警，提升安全防護(hù)的效率和準(zhǔn)確性。

2.1.4油氣泄漏檢測

機(jī)器視覺技術(shù)可以與紅外熱成像相機(jī)融合，實(shí)時捕捉場站內(nèi)的紅外圖像，并利用圖像識別算法對圖像中的溫度異常進(jìn)行分析和判斷。一旦發(fā)現(xiàn)溫度異常區(qū)域，系統(tǒng)可以立即發(fā)出警報，并通知管理人員進(jìn)行檢修和處理。這種技術(shù)可以實(shí)現(xiàn)對油氣泄漏的快速定位和及時預(yù)警，降低泄漏事故的風(fēng)險。

2.1.5 管線破壞風(fēng)險識別

機(jī)器視覺與光纖預(yù)警系統(tǒng)、無人機(jī)控制系統(tǒng)聯(lián)動融合識別管線破壞風(fēng)險。光纖預(yù)警系統(tǒng)能夠?qū)崟r感知管道周圍的微小振動發(fā)出預(yù)警，再通過無人機(jī)搭載高清攝像頭，能夠?qū)崟r傳輸管道周圍的圖像信息，為計算機(jī)視覺分析提供重要數(shù)據(jù)支持。計算機(jī)視覺通過小目標(biāo)識別技術(shù)，能夠準(zhǔn)確識別出管道周圍的小目標(biāo)物體，如挖掘機(jī)、鏟車等，進(jìn)而精確識別引發(fā)危險的行為，降低光纖預(yù)警的告警誤報率。

2.2施工作業(yè)管理及監(jiān)督研究

油氣儲運(yùn)作業(yè)包括原油、成品油、天然氣等液態(tài)和氣態(tài)能源的儲存、裝卸、輸送等環(huán)節(jié)，對保障國家能源安全和社會經(jīng)濟(jì)發(fā)展具有重要意義。生產(chǎn)經(jīng)營中某些作業(yè)涉及危險性較高，可能對人員安全、環(huán)境、設(shè)備設(shè)施造成嚴(yán)重危害，因此需要加強(qiáng)嚴(yán)格安全管理措施，涉及動火作業(yè)、進(jìn)人受限空間作業(yè)、管線打開作業(yè)、高處作業(yè)、吊裝作業(yè)、動土作業(yè)、斷路作業(yè)等。在管理上通常要求辦理作業(yè)許可證或高風(fēng)險作業(yè)安全票、并進(jìn)行安全風(fēng)險評估，指定相應(yīng)的安全措施，并由專業(yè)人員現(xiàn)場監(jiān)督執(zhí)行。

機(jī)器視覺技術(shù)具有自動化、高精度、高效等特點(diǎn)，可以利用機(jī)器視覺OCR、智能監(jiān)控等技術(shù)，輔助上述施工作業(yè)管理，規(guī)范作業(yè)行為、降低安全風(fēng)險。

2.2.1 作業(yè)許可證、安全作業(yè)票審核

利用機(jī)器視覺技術(shù)，可以對許可證和作業(yè)票的內(nèi)容進(jìn)行自動識別和驗證，例如作業(yè)類型、人員資質(zhì)、安全措施等信息，從而提高審核效率，降低人工成本。

2.2.2 動土作業(yè)監(jiān)控

在動土作業(yè)過程中，坡邊穩(wěn)定程度關(guān)乎施工人員生命安全。作業(yè)規(guī)范中明確當(dāng)動土深度超過1.2m 且有人員進(jìn)行溝下作業(yè)時，必須落實(shí)放坡及設(shè)置保護(hù)系統(tǒng)的有關(guān)要求。使用的材料，挖出的泥土應(yīng)堆在距坑、槽、井，溝邊沿至少 1m 處，堆土高度不應(yīng)大于 1.5m ，坡度不大于 45^° 。使用傾斜攝影融合機(jī)器視覺技術(shù)，在施工現(xiàn)場部署無人機(jī)搭載相機(jī)，對現(xiàn)場坑道周圍進(jìn)行拍攝和3D還原，通過數(shù)字化自動化手段輔助測量坡邊堆土與溝道距離、放坡坡度、坑道溝道深度等。作業(yè)規(guī)范中還規(guī)定采用機(jī)械設(shè)備動土?xí)r，人員不應(yīng)進(jìn)人機(jī)械旋轉(zhuǎn)半徑內(nèi)。可以在現(xiàn)場部署高清攝像頭或執(zhí)法音視頻儀，實(shí)時監(jiān)控機(jī)械設(shè)備，當(dāng)機(jī)械旋轉(zhuǎn)半徑內(nèi)檢測到人體目標(biāo)，發(fā)出預(yù)警信息，降低安全風(fēng)險。

2.2.3登高作業(yè)監(jiān)控

在登高作業(yè)中，要做好防止墜落措施。通過機(jī)器視覺技術(shù)，在作業(yè)區(qū)域部署攝像頭進(jìn)行實(shí)時監(jiān)控，識別梯子或升降梯擺放位置是否規(guī)范、是否完好，監(jiān)控作業(yè)人員是否正確佩戴安全繩、緩沖裝置，檢查安全帶錨點(diǎn)固定位置是否符合作業(yè)規(guī)范等，一旦識別安全隱患，發(fā)出預(yù)警信息，提醒作業(yè)人員注意安全。

2.2.4受限空間作業(yè)監(jiān)控

受限空間主要包括反應(yīng)器、塔、釜、槽、罐、爐膛、鍋筒、管道以及地下室、窨井、坑（池）、管溝或其他封閉、半封閉場所。受限空間作業(yè)存在多種安全風(fēng)險，可以利用機(jī)器視覺技術(shù)提供輔助解決方案：

（1）缺氧、室息、中毒風(fēng)險：受限空間內(nèi)可能存在氧氣含量不足導(dǎo)致作業(yè)人員室息，也可能存在有毒有害氣體吸人后會對人體造成危害。現(xiàn)場視頻設(shè)備或執(zhí)法音視頻儀可以對人員是否正確佩戴防護(hù)面罩進(jìn)行檢測，如不符合規(guī)范則發(fā)出預(yù)警。可通過機(jī)器視覺技術(shù)檢測人員狀態(tài)，如長時間不動、倒地昏厥等，還可以通過機(jī)器視覺檢測進(jìn)出受限空間入口的人員數(shù)量，通過人數(shù)異常預(yù)判風(fēng)險；

（2）燃爆、火焰灼傷風(fēng)險：受限空間內(nèi)可能存在易燃易爆氣體、粉塵等，一旦達(dá)到爆炸極限，遇明火或靜電等火源就會發(fā)生爆炸。另外，受限空間內(nèi)可能存在高溫設(shè)備或液體，接觸后會造成火災(zāi)或灼傷。通過氣體檢測儀融合機(jī)器視覺技術(shù)，將氣體溫度、氣體濃度成像，將成像信息發(fā)送給監(jiān)護(hù)人進(jìn)行監(jiān)控、分析和判斷。

2.3智能設(shè)備融合檢測設(shè)備及設(shè)施

變電站智能巡視系統(tǒng)用于輔助運(yùn)維人員遠(yuǎn)程開展站內(nèi)設(shè)備例行巡視工作，部署在變電站端，主要具備變電設(shè)備缺陷就地智能分析、靜默監(jiān)視、智能聯(lián)動和三維展示等功能，具體包括：（1）遠(yuǎn)程下發(fā)機(jī)器控制、巡視任務(wù)等指令開展站端設(shè)備自動聯(lián)合巡檢，主動推送告警信息；（2）就地實(shí)時識別變壓器、斷路器、開關(guān)柜、電壓互感器、避雷器、隔離開關(guān)、端子箱等變電站本體設(shè)備；（3）識別表計表盤模糊、表計表盤破損、表計外殼破損、絕緣子劈裂、掛空懸浮物等16類設(shè)備外觀缺陷，如圖3所示，為巡檢發(fā)現(xiàn)的變壓器吸潮呼吸器油位低報警；（4）對站內(nèi)重點(diǎn)設(shè)備及出入口按照設(shè)定頻率（1s-1h）實(shí)時分析、告警越線、闖入和煙火等6類安全風(fēng)險的靜默監(jiān)視；（5）算法遠(yuǎn)程在線更新升級。此外，可通過智能巡視系統(tǒng)實(shí)時監(jiān)視變電站內(nèi)作業(yè)人員行為規(guī)范，利用圖像識別、智能分析技術(shù)，智能識別作業(yè)過程中違反作業(yè)安全的行為并告警，增強(qiáng)安全管控，降低事故發(fā)生的可能性。

3結(jié)語

通過論述機(jī)器視覺技術(shù)及其發(fā)展，結(jié)合現(xiàn)場研究了機(jī)器視覺技術(shù)在安全監(jiān)控與管理、施工作業(yè)管理與監(jiān)督以及設(shè)備設(shè)施檢測的油氣儲運(yùn)領(lǐng)域的應(yīng)用，可為機(jī)器視覺技術(shù)在工業(yè)領(lǐng)域的應(yīng)用發(fā)展提供參考。未來，隨著機(jī)器視覺技術(shù)進(jìn)一步發(fā)展，可針對定范圍邊界的不安全行為識別、承包商第三方資質(zhì)智能核驗、智慧庫房等方面，提升企業(yè)數(shù)智管理管理水平。

【參考文獻(xiàn)】

［1]趙唯.基于機(jī)器視覺的人防門智能打磨系統(tǒng)[J].科學(xué)技術(shù)與工程，2024，24（20）：8550-8557.

［2]孫志巖，張輝，劉小雋.常減壓裝置高溫?zé)嵊凸艿赖膽?yīng)力分析及優(yōu)化設(shè)計[J].當(dāng)代化工，2024，53（7）：1697-1702.

［3]康曉梅，康哲.車頂焊縫涂膠機(jī)器人智能視覺系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].粘接，2024，51（5）：41-44.

[4]FRANCO M C J，AIVAREZ R A，TABARES A，et al. La-tent space representations for marker-less realtime hand-eye calibration[J]. Sensors，2024，24（14） ：4662-4662.

[5]黃爍，談宏華，滕達(dá).基于機(jī)器視覺的光纖端帽缺陷檢測系統(tǒng)設(shè)計[J].自動化與儀表，2024，39（6）：96-100.

[6]季現(xiàn)亮，張文杰，王玉強(qiáng)，等.基于機(jī)器視覺的帶式輸送機(jī)高精度煤流檢測研究［J].工礦自動化，2024，50（5） ：75-83.

[7]JAVAID M，HALEEM A，SINGHR P，et al. Exploring impactand features of machine vision for progressive industry 4.0culture[J].SensorsInternational，2021，3：100132.

[8]徐哲壯，黃平，陳丹，等.融合機(jī)器視覺與鄰近度估計的相似工業(yè)設(shè)備識別策略研究[J].儀器儀表學(xué)報，2023，44（1） ：283-290.

[9]LIN MY，CHEN CH，DONG Z B，et al. Gigabit modbususer datagram protocol fieldbus network integrated withindustrial vision communication[J].Microprocess.Micr-osystems，2022，94：104682.

[10]賀飛虎，趙華，姚軍.面向油氣儲運(yùn)管道的直進(jìn)式日常監(jiān)測機(jī)器人設(shè)計[J].自動化與儀器儀表，2023（12）：182-186.

[11］劉明.基于計算機(jī)視覺的虛擬現(xiàn)實(shí)技術(shù)在體育動作糾正領(lǐng)域的應(yīng)用框架[J].粘接，2020，41（5）：185-188.

[12] 魏瑞軍，高潔，劉可峰，等.油田井下輸送原油管道保溫結(jié)構(gòu)及性能[J].當(dāng)代化工，2024，53（7）：1720-1724.

[13]何新宇，趙時璐，張震，等.機(jī)器視覺的研究及應(yīng)用發(fā)展趨勢[J].機(jī)械設(shè)計與制造，2020，（10）：281-283.

［14］杜紅勇，隋顧磊.基于CNN的抽油機(jī)井故障診斷方法研究[J].當(dāng)代化工，2021，50（12）：2909-2913.

[15]張飛云，周帥.基于計算機(jī)視覺技術(shù)的體育運(yùn)動員錯誤動作智能化識別[J].粘接，2020，44（12）：82-85.