基于激光检测的小区天然气泄漏无人机巡检方法及系统与流程

本发明涉及天然气泄漏无人机巡检，尤其涉及基于激光检测的小区天然气泄漏无人机巡检方法及系统。

背景技术：

1、随着小区天然气管道敷设密度持续增大且服役年限不断延长，管道接头、阀门及焊缝处因材料老化、地基沉降或施工损伤引发的微泄漏事件频发，此类泄漏具有隐蔽性强、扩散速率受气象条件影响显著的特点，传统人工巡检方式难以在广域小区环境中实现快速全覆盖探测。同时，无人机平台与激光光谱探测技术的协同发展为高空俯视巡检提供了物理承载基础，但如何从强背景噪声中准确识别微弱泄漏信号并精确定位泄漏源，成为该领域亟需攻克的核心技术难题。

2、现有技术实现方式主要包括以下几类：其一，采用手持式激光甲烷探测仪或车载式激光雷达沿管道走向进行逐点扫描，操作人员依据探测仪显示的浓度数值判断泄漏是否存在；其二，利用搭载单波长激光器的无人机对巡检区域进行航拍式扫描，通过记录激光反射强度变化来反演大气中的气体浓度分布；其三，将巡检采集的浓度数据上传至地面监控中心，由运维人员依据经验阈值判定报警条件并人工标定泄漏位置。上述实现方式依赖人工操作与经验判别，缺乏多源数据融合定位机制和自适应抗干扰处理能力。

3、现有技术的主要缺点集中于两个方面：单波长激光扫描仅能获取浓度幅值信息，无法有效区分泄漏气体特征吸收谱线与环境干扰信号，导致低浓度微泄漏状态下的虚警率与漏检率均较高；泄漏定位过程依赖人工比对标定或简单几何插值，缺乏将光谱异常强度与小区三维地理坐标进行耦合解算的定量化手段，难以在复杂建筑遮挡环境下给出精确的泄漏点空间坐标。

技术实现思路

1、为了克服现有技术存在的缺点与不足，本发明提供基于激光检测的小区天然气泄漏无人机巡检方法及系统，其能够提高泄漏信息的可靠性及巡检报告的空间精度。

2、为实现上述目的，本发明提供如下技术方案：

3、基于激光检测的小区天然气泄漏无人机巡检方法，包括以下步骤：

4、s1，由机载激光探测单元向巡检区域发射调频连续波激光束并接收回波信号，依据回波信号的时间延迟与频率差异解析获得原始光谱数据；

5、s2，记录机载激光探测单元发射时刻的空间位置，作为初始参考坐标，调用视觉激光耦合泄漏定位算法，将原始光谱数据与同步采集的小区三维地理网格进行空间坐标融合，通过迭代寻优解算泄漏点位的空间坐标集合，并标记各坐标处的光谱异常强度值；

6、s3，将包含空间坐标与光谱异常强度值的融合数据输入光谱特征层级映射感知模型，经由多尺度特征变换与非线性映射操作，生成表征泄漏特征的高维特征张量；

7、s4，对高维特征张量执行激光光谱微泄漏差分辨识算法，依据光谱吸收峰形态差异与背景噪声分布特性，从高维特征张量中分离出微泄漏信号分量并量化其浓度梯度；

8、s5，将微泄漏信号分量及其浓度梯度关联至小区管网拓扑结构，结合管网巡检数据智慧运维平台存储的历史检修记录与管龄参数，生成泄漏风险等级标记；

9、s6，依据泄漏风险等级标记驱动无人机搭载的指向性激光扫描装置对风险点位进行二次精扫，更新泄漏定位结果并输出巡检报告。

10、具体地，所述视觉激光耦合泄漏定位算法配置为：

11、首先，计算各网格节点的光谱异常强度值：

12、

13、其中，为三维地理网格中任意网格节点的空间坐标，为坐标处经大气衰减补偿后的光谱异常强度值；为空间坐标处的原始光谱响应密度，由机载激光探测单元采集的原始光谱数据经定标转换得到；为激光在大气传输路径中的衰减系数，由大气环境参数实时测定或查表获取；为空间坐标与机载激光探测单元初始参考坐标之间的欧氏距离，由无人机机载定位模块在激光发射时刻同步记录获取；

14、继而，基于各网格节点处的光谱异常强度值，采用空间中心差分法计算第个网格节点坐标处的光谱异常强度梯度矢量：

15、

16、继而，以如下优化目标函数迭代求解泄漏点位空间坐标集合：

17、其中，为经迭代寻优解算出的泄漏点位空间坐标集合，包含一个或多个网格节点的空间坐标；为巡检区域内所有三维地理网格节点的空间坐标集合，n为网格节点总数；为优化过程中当前评估的候选泄漏点坐标，表示候选点从所有网格节点中选取；为第个节点相对于候选泄漏点坐标的权重系数，其值与节点到候选泄漏点坐标的空间距离负相关，距离越近权重越大，用于限定局部搜索范围；

18、为第个网格节点处的光谱异常强度梯度矢量，通过上述空间中心差分法计算得到；

19、为第个网格节点处由三维地理网格导出的地形梯度矢量，具体为以该节点为中心、由周围网格节点高程值拟合的空间坡度矢量；为欧几里得范数的平方，用于度量光谱梯度与地形梯度之间的差异程度；

20、为泄漏点稀疏性惩罚因子，为正实数，用于控制泄漏点数量的稀疏程度，值越大则输出的泄漏点越少；

21、为异常强度极值点的总数，通过对光谱异常强度值在全场网格节点上进行局部极值检测获得；

22、为第个极值点的置信度调节系数，其值由该极值点处的局部信噪比映射得到，取值范围为，信噪比越高则越大；

23、为第个极值点相对候选点的空间距离指示函数，定义为：，其中为第个极值点的空间坐标，为预设的空间尺度参数，该函数值随候选点与极值点之间距离的增大而单调递减至趋近于零；

24、迭代寻优过程中，以各异常强度极值点作为迭代初始种子点，采用梯度下降法对上述目标函数进行最小化求解，当相邻两次迭代的候选点坐标变化量小于预设阈值时停止迭代，输出所有满足收敛条件的候选点坐标集合作为，并依据目标函数数值由小至大的顺序对中各点位进行置信度排序。

25、具体地，所述光谱特征层级映射感知模型配置为：

26、将所述各网格节点光谱异常强度值与其对应的空间坐标进行通道级拼接，构建初始输入张量，其中为网格节点总数，为输入特征通道数，包含空间坐标通道和光谱强度通道；

27、然后，以所述初始输入张量作为第0层级输入，按如下公式逐层级进行特征变换：

28、

29、其中：为当前层级索引，，为特征层级总数；

30、为第层级输出的特征映射张量，其空间维度与输入网格节点总数保持一致；

31、为第层级在网格节点处输出的特征向量；

32、为以当前节点为中心的第层级局部邻域所包含的相邻网格节点集合，邻域半径随层级加深而增大，以实现多尺度感受野；

33、为第层级中节点处的核权重函数，其值由该节点与邻域内其他节点的空间距离决定，采用高斯距离核或可学习位置编码生成；

34、为逐元素乘积运算符号，表示核权重对邻域内各节点特征的加权调制；为非线性激活算子，采用修正线性单元或其变体；

35、为第层级的可学习投影矩阵，用于将输入特征向量映射至隐层特征空间；为第层级的偏置向量；

36、各层级输出特征经批归一化处理后传递至下一层级；

37、继而，将所有层级输出的特征映射张量按如下公式进行自适应融合，生成表征泄漏特征的高维特征张量：

38、

39、其中，为表征泄漏特征的高维特征张量，其维度为，为融合后的特征通道数；

40、为第层级输出特征的自适应融合权重，为可学习标量参数，满足；

41、为第层级对应的空间注意力掩模矩阵，维度与的空间维度相同（即），其每个元素通过对该节点处的特征向量进行通道压缩（采用卷积或全局平均池化）后，再经softmax函数在空间维度上归一化得到，用于增强显著泄漏特征区域并抑制无关背景区域；

42、所述高维特征张量作为s4步骤的输入，用于后续激光光谱微泄漏差分辨识算法。

43、具体地，所述激光光谱微泄漏差分辨识算法配置为：

44、以所述高维特征张量作为输入，沿光谱频率维度提取各网格节点处的光谱特征向量，构建特征矩阵，其中为网格节点总数，为光谱频率通道数，即离散化的频点总数；

45、然后，按如下公式对各频点处的光谱幅度进行二阶差分运算，提取吸收峰曲率特征：

46、

47、其中，为第个网格节点的空间坐标，；

48、为光谱频率通道索引，；为节点处第个频点的光谱幅度二阶差分值，表征该频点处吸收峰的曲率/尖锐程度；

49、为节点处第个频点的实测光谱幅度值，从中沿光谱频率通道索引提取；为相邻光谱频率通道的间隔步长；

50、继而，按如下公式计算各节点各频点的背景差分判别值：

51、

52、其中，为节点处第个频点的背景剔除差分值；为节点处第个频点的自适应背景调节系数，其值由该节点处历史光谱数据或空间邻域均值统计得到；为节点处第个频点的背景光谱基准值，由同一巡检区域内非异常区域的光谱数据经平滑滤波或主成分分析重构得到；

53、继而，按下式融合各频点信息，得到每个网格节点的微泄漏信号强度：

54、

55、其中，为节点处的微泄漏信号强度表征值，取值范围为非负实数；为预定的天然气特征吸收峰所在的频点索引集合，；为第个特征吸收峰频点的差分增益系数，其值由该频点的吸收截面系数与系统光路参数共同标定得到；为截断线性激活函数，仅保留大于背景阈值的正向差分值，抑制背景波动；

56、继而，对提取出的微泄漏信号强度，按如下公式计算各节点处的浓度梯度：

57、

58、其中，为节点处的天然气浓度梯度矢量，包含三个方向的分量；为浓度标定系数，由激光吸收光谱的朗伯-比尔定量关系及环境温压参数预先标定得到；为微泄漏信号强度在节点处的空间梯度矢量，采用空间中心差分法计算；

59、所述微泄漏信号强度梯度及其浓度梯度作为s5步骤的输入，用于关联至小区管网拓扑结构并生成泄漏风险等级标记。

60、具体地，所述机载激光探测单元包含分布式反馈半导体激光器、光纤耦合器、平衡光电探测器和数据采集卡，分布式反馈半导体激光器输出波长范围为1.60微米至1.70微米，调频斜率设置为0.5纳米每毫秒至2.0纳米每毫秒，平衡光电探测器的响应带宽为10兆赫兹至100兆赫兹，数据采集卡的采样率设置为200兆样本每秒至500兆样本每秒；指向性激光扫描装置包含二维转台和聚焦透镜组，二维转台的水平旋转角分辨率为0.01度，俯仰旋转角分辨率为0.01度，聚焦透镜组的焦距为50毫米至150毫米；二次精扫过程中，指向性激光扫描装置以风险点位为中心执行螺旋式扫描轨迹，螺旋扫描半径设置为0.5米至3.0米，扫描线速度设置为0.1弧度每秒至0.5弧度每秒。

61、具体地，所述s2包括：

62、读取机载激光探测单元输出的原始光谱数据，提取各采样点处的光谱强度值与对应的激光发射时刻及接收时刻，根据光速与时间差计算各采样点至机载激光探测单元的距离值，并记录机载激光探测单元在发射时刻的空间位置作为初始参考坐标；

63、读取小区三维地理网格，从地理网格中提取各网格节点的空间坐标及地表覆盖类型编码，建立空间索引树结构；

64、将各采样点的距离值与空间索引树结构中的网格节点进行最邻近匹配，将原始光谱强度值赋值至匹配的网格节点处，得到各网格节点处的原始光谱响应密度；

65、按所述的光谱异常强度计算公式，将各网格节点处的原始光谱响应密度乘以以自然常数为底、以负的衰减系数与欧氏距离的乘积为指数的指数衰减因子，得到各网格节点处经大气衰减补偿后的光谱异常强度值；基于该光谱异常强度值，采用空间中心差分法计算各网格节点处的光谱异常强度梯度矢量；

66、以所述的优化目标函数为依据，所述优化目标函数为：对所有网格节点，计算各节点的光谱异常强度梯度矢量与地形梯度矢量之差的平方的加权和，再加上稀疏性惩罚项，所述稀疏性惩罚项为稀疏性惩罚因子乘以各异常强度极值点的置信度调节因子与空间距离指示函数值的乘积加一后的连乘积；以各异常强度极值点作为迭代初始种子点，执行梯度下降寻优直至候选点坐标变化量小于预设阈值，输出泄漏点位的空间坐标集合及对应的光谱异常强度值。

67、具体地，所述s3包括：

68、将所述的泄漏点位空间坐标集合中各坐标值与其对应的光谱异常强度值进行通道级拼接，构建初始输入张量，并根据坐标值从小至大的顺序重新排列张量维度；

69、以初始输入张量作为第零层级输入，逐层级执行多尺度邻域特征变换：对每个网格节点，提取其局部邻域内各节点的特征向量，将各邻域节点的特征向量经可学习投影矩阵和偏置向量进行线性变换后，输入非线性激活算子进行激活，再与基于空间距离生成的核权重函数进行逐元素加权，最后将邻域内所有节点的加权结果求和，作为该层级的输出特征映射；邻域范围随层级加深而逐级扩大；

70、将所有层级的输出特征映射分别与各自对应的空间注意力掩模矩阵进行逐元素乘积后，按自适应融合权重进行加权求和，生成高维特征张量；所述空间注意力掩模矩阵由各层级输出特征经通道压缩与空间归一化操作生成。

71、具体地，所述s4包括：

72、以所述高维特征张量作为输入，沿光谱频率维度提取各网格节点处的光谱幅度值；

73、对每个网格节点的各光谱频率通道，计算其当前频率通道的上一相邻通道与下一相邻通道的光谱幅度值之和减去该通道光谱幅度值的两倍，再除以相邻通道间隔步长的平方，得到该通道处的光谱幅度二阶差分值，作为吸收峰曲率特征；

74、将各频点处的二阶差分值减去该节点处自适应背景调节系数与背景光谱基准值的乘积，得到背景剔除差分值；所述自适应背景调节系数由该节点处历史光谱数据或空间邻域均值统计得到，所述背景光谱基准值由同一巡检区域内非异常区域的光谱数据经平滑滤波或主成分分析重构得到；

75、从所有光谱频率通道中选取天然气特征吸收峰所在的频点，将各选定频点的背景剔除差分值经截断线性激活函数处理，即保留正值、将负值置零，再与各频点对应的差分增益系数相乘后求和，得到各网格节点处的微泄漏信号强度；

76、对微泄漏信号强度在空间上采用中心差分法计算空间梯度，再乘以预先标定的浓度标定系数，得到各网格节点处的浓度梯度，输出微泄漏信号分量及其浓度梯度。

77、具体地，所述s5包括：

78、读取管网巡检数据智慧运维平台中存储的小区管网拓扑结构数据，提取各管段端点坐标、管段材质编码和管段敷设年份字段；

79、将所述微泄漏信号强度梯度及其浓度梯度中的空间坐标映射至管网拓扑结构数据中，计算各泄漏信号空间坐标与各管段端点坐标之间的投影距离；

80、依据投影距离小于预设匹配阈值判定关联管段，提取关联管段的历史检修记录中的检修频次和管龄参数，计算累积风险系数；

81、将累积风险系数与多个风险等级阈值区间进行比较，确定每个泄漏点位对应的泄漏风险等级标记。

82、基于激光检测的小区天然气泄漏无人机巡检系统，该系统应用于所述的基于激光检测的小区天然气泄漏无人机巡检方法，包括：

83、机载激光光谱数据采集与回波解析单元，搭载于无人机机体下方，用于向巡检区域发射调频连续波激光束并接收回波信号，依据回波信号的时间延迟与频率差异解析获得原始光谱数据；

84、空间坐标融合与异常强度标记单元，输入端耦接至机载激光光谱数据采集与回波解析单元的输出端，用于调用视觉激光耦合泄漏定位算法，将原始光谱数据与同步采集的小区三维地理网格进行空间坐标融合，通过迭代寻优解算泄漏点位的空间坐标集合，并标记各坐标处的光谱异常强度值；

85、高维特征张量生成单元，输入端耦接至空间坐标融合与异常强度标记单元的输出端，用于将包含空间坐标与光谱异常强度值的融合数据输入光谱特征层级映射感知模型，经由多尺度特征变换与非线性映射操作生成表征泄漏特征的高维特征张量；

86、微泄漏信号分离与浓度量化单元，输入端耦接至高维特征张量生成单元的输出端，用于对高维特征张量执行激光光谱微泄漏差分辨识算法，依据光谱吸收峰形态差异与背景噪声分布特性分离出微泄漏信号分量并量化浓度梯度；

87、风险等级评估与标记单元，输入端耦接至微泄漏信号分离与浓度量化单元的输出端，用于将微泄漏信号分量及其浓度梯度关联至小区管网拓扑结构，结合管网巡检数据智慧运维平台存储的历史检修记录与管龄参数生成泄漏风险等级标记；

88、二次精扫驱动与报告输出单元，输入端耦接至风险等级评估与标记单元的输出端，用于依据泄漏风险等级标记驱动指向性激光扫描装置对风险点位进行二次精扫，更新泄漏定位结果并输出巡检报告。

89、本发明有益效果：

90、本发明提出基于激光检测的小区天然气泄漏无人机巡检方法及系统，通过机载激光探测单元发射调频连续波激光束并解析回波信号获得原始光谱数据，解决了单波长激光扫描仅获取浓度幅值信息而无法有效区分泄漏气体特征吸收谱线与环境干扰信号的缺陷，为后续微弱信号分离提供了宽谱段信息基础；在此基础上调用视觉激光耦合泄漏定位算法将原始光谱数据与小区三维地理网格进行空间坐标融合并通过迭代寻优解算泄漏点位坐标集合，取代了人工比对标定或简单几何插值的粗放定位方式，从而在复杂建筑遮挡环境下仍能给出精确的泄漏点空间坐标，有效降低了漏检率；继而将融合数据输入光谱特征层级映射感知模型生成高维特征张量，再通过激光光谱微泄漏差分辨识算法依据光谱吸收峰形态差异与背景噪声分布特性分离出微泄漏信号分量并量化其浓度梯度，从根本上解决了低浓度微泄漏状态下虚警率偏高的问题；随后将微泄漏信号分量关联至小区管网拓扑结构并结合管网巡检数据智慧运维平台存储的历史检修记录与管龄参数生成泄漏风险等级标记，使泄漏判别不再依赖单一经验阈值而是融合多维度历史数据进行综合评估；最终驱动指向性激光扫描装置对风险点位进行二次精扫更新定位结果，进一步验证了泄漏信息的可靠性并提高了巡检报告的空间精度，实现了从光谱采集、坐标融合、特征提取、信号分离到风险分级与精扫验证的全流程自动化泄漏巡检。