一种油气管道监控系统及方法与流程

1.本发明属于油气管道监控技术领域，特别涉及一种油气管道监控系统及方法。


背景技术：

2.油气管道的日常修检工作是管道运输领域的难点，巡线工作需要对自然环境的变化对管线造成的损坏、人为的对管道的破坏、设备老化情况及附属设备运行情况等进行巡查；发现问题及时记录上报，根据现场情况及时处理；目前，常用的巡检手段包括人工巡检，由于油气管线距离较长，环境复杂；同时，现有的人工巡检过程信息采集不及时，数据管理难度大，导致巡检成本较高，且巡检效率较低。


技术实现要素：

3.针对现有技术中存在的技术问题，本发明提供了一种油气管道监控系统，以解决现有的油气管道巡检过程信息采集录入不及时，数据整理难度较大，实现数字化管理难度大的技术问题。
4.为达到上述目的，本发明采用的技术方案为：
5.本发明提供了一种油气管道监控系统，包括巡检无人机、若干地面监控设备、智能分析终端、流媒体服务器、系统服务器、管理中心及应急中心；
6.巡检无人机，用于根据预设指令或自主巡航，沿待巡检油气管道线路运动，采集待巡检油气管道的现场信息，并传送至智能分析终端；
7.若干地面监控设备沿待巡检油气管道线路均匀布设，分别用于获取地面监控设备所在区域的待巡检待巡检油气管道的现场信息，并传送至智能分析终端；
8.智能分析终端，用于对巡检无人机及地面监控设备回传的待巡检油气管道的现场信息进行风险识别，得到风险识别结果，并传送风险识别结果至流媒体服务器；
9.流媒体服务器，用于对风险识别结果进行实时转发至用户；
10.系统服务器，用于实时拉取风险识别结果，并提供数据接口；
11.管理中心，调用系统服务器实时拉取的风险识别结果，并根据风险识别结果，生成应急指令，并传送至应急中心；
12.应急中心，用于响应应急指令，生成风险等级评估结果及应急预案。
13.进一步的，巡检无人机搭载有机载设备，机载设备包括工业双光吊舱及图像传输模块；工业双光吊舱的输出端与图像传输模块的输入端连接，图像传输模块的输出端与智能分析终端相连；工业双光吊舱，用于采集待巡检油气管道的现场信息；图像传输模块，用于将工业双光吊舱采集的待巡检油气管道的现场信息传输至智能分析终端。
14.进一步的，图像传输模块采用1.3-1.5ghz图传设备。
15.进一步的，巡检无人机还搭载有无人机喊话器，无人机喊话器通过4g链路与管理中心远程连接。
16.进一步的，地面监控设备通过4g/5g通信网络或自组网络方式与智能分析终端连
接；地面监控设备采用二自由度摄像头或三轴吊舱。
17.进一步的，智能分析终端包括gpu图像加速模块、目标检测模型模块及通信模块；
18.gpu图像加速模块，用于对待巡检油气管道的现场信息进行加速处理，得到加速处理后的现场信息图像；
19.目标检测模块，用于采用目标检测算法或深度学习算法，进行风险目标识别，得到风险识别结果；
20.通信模块，用于将风险识别结果发送至流媒体服务器。
21.进一步的，系统服务器包括用于用户接口层、数据库层及文件管理层；
22.用户接口层，用于提供访问风险识别结果的数据接口；
23.数据库层，用于系统服务器内部和文件管理层进行数据交换、查询及存储操作；
24.文件管理层，用于文件存储和管理。
25.进一步的，巡检无人机采用复合翼无人机、多旋翼无人机或系留无人机。
26.本发明还提供了一种油气管道监控方法，利用所述的一种油气管道监控系统；具体包括以下步骤：
27.采集待巡检油气管道的现场信息；
28.对待巡检油气管道的现场信息进行风险识别，得到风险识别结果；
29.根据风险识别结果生成应急指令；
30.响应应急指令，生成风险等级评估结果及应急预案。
31.与现有技术相比，本发明的有益效果为：
32.本发明提供了一种油气管道监控系统及方法，通过巡检无人机及地面监控设备对待巡检油气管路的现场信息进行采集，利用智能分析终端对采集的现场信息进行风险识别，能够实现长输管道和站场的实时监控管理；确保了信息采集录入的及时性，数据整理难度小，提高了油气管道的安全管控水平，实现了数字化管理，提高了管道巡护的协同合作快速应变能力和巡检的工作效率。
附图说明
33.图1为本发明所述的油气管道监控系统的结构框图。
具体实施方式
34.为了使本发明所解决的技术问题，技术方案及有益效果更加清楚明白，以下具体实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
35.本发明提供了一种油气管道监控系统，包括巡检无人机、若干地面监控设备、智能分析终端、流媒体服务器、系统服务器、管理中心及应急中心。
36.巡检无人机，用于根据预设指令或自主巡航，沿待巡检油气管道线路运动，采集待巡检油气管道的现场信息，并传送至智能分析终端；若干地面监控设备沿待巡检油气管道线路均匀布设，分别用于获取地面监控设备所在区域的待巡检待巡检油气管道的现场信息，并传送至智能分析终端；智能分析终端，用于对巡检无人机及地面监控设备回传的待巡检油气管道的现场信息进行风险识别，得到风险识别结果，并传送风险识别结果至流媒体
服务器；流媒体服务器，用于对风险识别结果进行实时转发至用户；系统服务器，用于实时拉取风险识别结果，并提供数据接口；管理中心，调用系统服务器实时拉取的风险识别结果，并根据风险识别结果，生成应急指令，并传送至应急中心；应急中心，用于响应应急指令，生成风险等级评估结果及应急预案。
37.本发明中，巡检无人机采用复合翼无人机、多旋翼无人机或系留无人机，巡检无人机搭载有机载设备及无人机喊话器；机载设备包括工业双光吊舱及图像传输模块；工业双光吊舱的输出端与图像传输模块的输入端连接，图像传输模块的输出端与智能分析终端相连；工业双光吊舱，用于采集待巡检油气管道的现场信息；图像传输模块，用于将工业双光吊舱采集的待巡检油气管道的现场信息传输至智能分析终端；无人机喊话器通过4g链路与管理中心远程连接；优选的，图像传输模块采用1.3-1.5ghz图传设备。
38.地面监控设备采用二自由度摄像头或三轴吊舱，地面监控设备通过4g/5g通信网络或自组网络方式与智能分析终端连接。
39.智能分析终端包括gpu图像加速模块、目标检测模型模块及通信模块；gpu图像加速模块，用于对待巡检油气管道的现场信息进行加速处理，得到加速处理后的现场信息图像；目标检测模块，用于采用目标检测算法或深度学习算法，进行风险目标识别，得到风险识别结果；通信模块，用于将风险识别结果发送至流媒体服务器。
40.系统服务器包括用于用户接口层、数据库层及文件管理层；用户接口层，用于提供访问风险识别结果的数据接口；数据库层，用于系统服务器内部和文件管理层进行数据交换、查询及存储操作；文件管理层，用于文件存储和管理。
41.本发明所述的一种油气管道监控系统，通过巡检无人机及地面监控设备对待巡检油气管路的现场信息进行采集，利用智能分析终端对采集的现场信息进行风险识别，能够实现长输管道和站场的实时监控管理；确保了信息采集录入的及时性，数据整理难度小，提高了油气管道的安全管控水平，实现了数字化管理，提高了管道巡护的协同合作快速应变能力和巡检的工作效率。
42.本发明还提供了一种油气管道监控方法，利用所述的一种油气管道监控系统，具体包括以下步骤：
43.步骤1、采集待巡检油气管道的现场信息；
44.步骤2、对待巡检油气管道的现场信息进行风险识别，得到风险识别结果；
45.步骤3、根据风险识别结果生成应急指令；
46.步骤4、响应应急指令，生成风险等级评估结果及应急预案。
47.本发明所述的油气管道监控系统，通过巡检无人机进行巡检，无人机巡检相比人工巡检具有具有覆盖范围广、构图精准、定位准确性高、探测能力强、智能识别及实时性高等优势；通过在无人机上搭载机载设备及无人机喊话器，利用监控摄像头、远程传输技术及互联网应用的配合，巡检无人机能够将拍摄的视频或图像传输至智能分析终端，可实现现场的可视化应急管理；结合智能分析终端的目标识别算法或深度学习算法，进行风险目标识别，能够有效提高现应急处理效率和应急反应能力；通过设置地面监控设备，利用空地结合协同监控，即以无人机作为机动平台，搭载高清摄像机在预设高度下巡航检查可能出现的危险目标，采集航拍影像作风险项数据分析，实时结果及时反馈到后端服务器；同时，配套重点区域地面监控设备，达到管线重点区域不间断监控，其他区域实行无人机常态化巡
检监控的全覆盖监控。
48.实施例
49.如附图1所示，本实施例提供了一种油气管道监控系统，所述油气管道监控系统，用于解决油气管道人工巡检过程，信息采集录入不及时，数据管理难度大及应急效率低的问题；所述油气管道监控系统，包括巡检无人机、若干地面监控设备、智能分析终端、流媒体服务器、系统服务器、管理中心及应急中心。
50.巡检无人机，用于根据预设指令或自主巡航，沿待巡检油气管道线路运动，采集待巡检油气管道的现场信息，并传送至智能分析终端；若干地面监控设备沿待巡检油气管道线路均匀布设，分别用于获取地面监控设备所在区域的待巡检油气管道的现场信息，并传送至智能分析终端；智能分析终端，用于对巡检无人机及地面监控设备回传的待巡检油气管道的现场信息进行风险识别，得到风险识别结果，并传送至流媒体服务器。
51.流媒体服务器，用于对风险识别后的风险识别结果进行实时转发，以供各用户端访问。
52.系统服务器，用于实时拉取流媒体服务器实时转发的风险识别结果，并提供数据接口供给用户端调用。
53.管理中心及应急中心作为用户端；管理中心，用于通过系统服务器的数据接口，对风险识别结果进行展示、汇总、存储、生成报表等操作；并根据风险识别结果，生成应急指令，并发送至应急中心；管理中心作为用户需求转化的首要环节，与用户直接交互；应急中心，用于通过响应管理中心下发的应急指令，进行应急预案部署、启动、处理、资源保障、风险等级评估、管控、应急关闭的操作，生成风险等级评估结果及应急预案。
54.巡检无人机搭载有机载设备及无人机喊话器，机载设备包括工业双光吊舱及图像传输模块；工业双光吊舱用于采集待巡检油气管道的现场信息，工业双光吊舱的输出端与图像传输模块的输入端连接，图像传输模块的输出端与风险识别模块连接；无人机喊话器通过4g链路远程和管理中心连接，应急中心能够通过无人机喊话器，进行远程喊话，以降低风险发生概率达到控制风险的目的。
55.巡检无人机采用复合翼无人机、多旋翼无人机或系留无人机，地面监控设备采用地面杆监控设备，地面杆监控设备通过通过4g/5g通信网络或自组网络方式与智能分析终端连接；地面监控设备采用二自由度摄像头或三轴吊舱，图像传输模块采用1.3-1.5ghz图传设备；1.3-1.5ghz图传设备作为高清数字图传，高清数字图传能够将机载吊舱拍摄的图像或者画面传回到智能分析终端，同时也可以将巡检无人机的姿态位置等数据传回到管理中心，管理中心能够通过高强数据图传向巡检无人机发送巡航指令；本实施例中，巡检无人机与机载设备为针对油气管道分布广，跨度大，地势险等特点，研发长航时，机动性能好的无人机至关重要。
56.待巡检油气管道的现场信息为1080p高清晰度图像，1080p高清晰度图像利用巡检无人机或地面监控设备巡检过程中进行实时拍摄，将1080p高清晰度图像转码加密后通过图像传输模块进行实时图传至智能分析终端；在智能分析终端进行解码并对图像进行风险识别，完成识别后将风险识别结果通过光纤网络/4g网络传输至流媒体服务器，用户可在gis油气管理系统上通过拉流流媒体服务器，获取无人机巡检实时观测到的结果以及流媒体中历史视频；本实施例中，数据信息传输过程中全程加密，保证数据传输安全，防止泄密。
57.本实施例中，地面监控设备采用海康威视二自由度摄像头，具有整体外形尺寸小、质量轻及防雨防尘等特点，通过控制回路设计，实现了可见光摄像仪和红外成像仪之间的随意切换，以应对时有时无的雾天，大大方便了监视作业。
58.智能分析终端包括gpu图像加速模块、目标检测模型模块及通信模块；gpu图像加速模块，用于对待巡检油气管道的现场信息进行加速处理，得到加速处理后的现场信息图像；gpu图像加速模块，采用nvidia 2080tigpu结合cuda cudnn实现；目标检测模块，用于采用目标检测算法或深度学习算法，进行风险目标识别，得到风险识别结果；通信模块，用于将风险识别结果发送至流媒体服务器。
59.本实施例中，目标检测模块采用目标检测算法或深度学习算法，进行风险目标识别过程，能够对待巡检管道的12项风险项进行识别；其中，12项风险项包括：(1)工程车辆，例如：铲车、推土机、打夯机及挖掘机；(2)房屋占压，例如：房屋、帐篷)；(3)可疑人员；(4)可疑车辆，例如小型汽车、自行车、摩托车、电动车、三轮车、货车及客车；(5)管道裸露；(6)打孔倒油；(7)三桩一牌，例如标志桩、测试桩、里程桩及安全警示牌；(8)石油泄漏；(9)土壤翻动，例如：挖掘、挖塘；(10)山体滑坡、崩塌；(11)烟雾起火，例如：泄漏起火、烧荒；(12)水毁、泥石流。
60.gpu图像加速模块，使用tensorrt实现目标检测模型的推理加速结构设计；tensorrt是一种高性能神经网络推理(inference)引擎，用于在生产环境中部署深度学习应用程序，应用有图像分类、分割和目标检测等，可提供最大的推理吞吐量和效率。tensorrt作为可编程推理加速器，能加速现有和未来的网络架构；tensorrt需要cuda的支持。
61.tensorrt包含一个为优化生产环境中部署的深度学习模型而创建的库，可获取经过训练的神经网络(通常使用32位或16位数据)，并针对降低精度的int8运算来优化这些网络。借助cuda的可编程性，tensorrt将能够加速助推深度神经网络日益多样化、复杂的增长趋势。通过tensorrt的大幅度加速，服务提供商能够以经济实惠的成本部署这些计算密集型人工智能工作负载。
62.由于利用巡检无人机或地面监控设备获取的待巡检油气管道的现场信息，进行目标检测时，存在摄取图像中实例纷杂，不同类之间检测效果差距大和摄取图像中含有大量的小目标实例，且密集分布，漏检、误检率较高的问题；本实施例中，通过基于增强感受野的算法、基于级联网络的算法和基于模型训练方式的算法；将询价无人机航拍图像中的最小目标，如行人的像素点尺寸小于30
×
30，属于小目标的范畴；过深的网络会导致提取到的特征坍塌到1个像素点，从而失去特征的表征意义。
63.本实施例中，在yolov4的基础上，对网络层数进行适当的删减和修改，使用较小深度的网络提升小目标的检测精度；同时，为保证小目标的检测准确率，提升输入图像的分辨率为896
×
896，进行目标网络的设计。目标检测网络设计完成后，使用rtx2080ti gpu对在构建好的目标数据集上对目标检测网络进行训练，训练次数为100个完整数据集迭代。最终得到的目标检测模型的平均均值精度map＝88.41％，输入图像分辨率为896
×
896时的运行效率为25帧每秒，完全满足实时性应用要求。
64.系统服务器，用于实时拉流流媒体服务器数据，并提供识别后的数据接口给用户调用；该服务器可以做局域网部署也可以做公网部署，系统服务器包含用户接口层、数据库
层以及文件管理层；其中，用户接口层，用于给用户提供访问数据的接口，也是系统服务器开放给用户的可调用的接口也即网址链接；数据库层，用于系统服务器内部和数据库进行数据交换，查询，存储操作使用，对用户屏蔽；文件管理层，用于系统服务器内部进行文件存储和管理，对用户屏蔽。
65.管理中心，通过系统客户端进行系统功能的使用和进行应急指挥将应急指令下发到应急中心；管理中心通过调用系统服务器提供的资源最终构建科学高效的无人机油气管道检测流程标准化，并对无人机检测数据、管道周边异常目标数据及其处理流程进行统一可视化管理，实现无人机油气管道检测工作精细化、高效集成化和数字化管理目标。
66.应急中心，用于及时响应管理中心指挥，通过4g/5g网络远程接收管理中心指令，通过积极响应管理中心下达的命令和任务进行应急预案部署、启动、处理、资源保障、风险等级评估、管控、应急关闭等流程环节。
67.本实施例所述的一种油气管道监控方法，具体包括以下步骤：
68.步骤1、采集待巡检油气管道的现场信息；
69.步骤2、对待巡检油气管道的现场信息进行风险识别，得到风险识别结果；
70.步骤3、根据风险识别结果生成应急指令；
71.步骤4、响应应急指令，生成风险等级评估结果及应急预案。
72.本发明所述的油气管道监控系统及方法，利用垂直起降无人机对长输管线进行巡检，通过巡检无人机及其搭载的机载设备及地面监控设备，获取待巡检油气管道的现场信息，利用智能分析终端进行待巡检油气管道的现场信息的视频图像智能分析处理，利用流媒体服务器实时转发风险识别结果，并汇总风险识别结果到系统服务器综合管理，借助4g或5g网络进行远程视频监控，然后在管理中心进行数据展示和应急指挥，能够实现长输管道及站场的实时监控管理，具有长远的应用价值。
73.上述实施例仅仅是能够实现本发明技术方案的实施方式之一，本发明所要求保护的范围并不仅仅受本实施例的限制，还包括在本发明所公开的技术范围内，任何熟悉本技术领域的技术人员所容易想到的变化、替换及其他实施方式。