一种用于航油长输管道的防外破智能预警方法及系统与流程

1.本发明涉及航油传输技术领域，尤其涉及一种用于航油长输管道的防外破智能预警方法及系统。


背景技术：

2.航油长输管道大多分布在荒野地带，线路分布广、由于管道上方“无围墙”容易导致管道周边第三方施工、人为破坏、重车碾压等诸多影响管道安全的问题，虽然企业投入了大量人力物力，但一直以来油气管道安全防护形势依然严峻。现在主要采用人工徒步巡线、无人机巡线、人工监控摄像头等通过人眼监测管道重点部位周边环境变换判断是否存在外力破坏危险的手段。
3.但是，对于现在的人工徒步巡线、无人机巡线、人工监控摄像头等手段难以解决管道巡护“空窗期”问题，即不能做到实时发现、实时告警、实时响应的有效监管。特别是对于监控摄像头或无人机巡检时视频数据量大，传统人眼监测方式存在不持续，效率低等缺点，可能导致不能及时发现外力破坏危险，给管道的运行安全带来较大的风险系数。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种用于航油长输管道的防外破智能预警方法，能够克服传统人眼监测方式存在不持续，效率低等缺点，实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管。
5.为了解决上述技术问题，本发明第一方面公开了一种用于航油长输管道的防外破智能预警方法，所述方法包括：获取用于监测航油长输管道的视频数据和/或图像数据；对所述视频数据和/或图像数据基于目标检测算法进行防外破智能识别处理生成外力破坏危险类别；根据所述外力破坏危险类别判断所述视频数据和/或图像数据是否属于外力破坏危险的预警范围；若所述外力破坏危险类别属于外力破坏危险的预警范围，则生成任务工单输出。
6.在一些实施方式中，对所述视频数据和/或图像数据基于目标检测算法进行防外破智能识别处理生成外力破坏危险类别，包括：获取所述视频数据和/或图像数据的原始图像；将所述原始图像经过可分离卷积层生成低通道数的特征图；根据所述特征图在rpn层生成候选框；利用softmax函数判断所述候选框是前景特征还是背景特征，若所述候选框是前景特征，则调整所述候选框的位置生成特征子图；在roi层将大小尺寸不同的特征子图池化成大小尺寸相同的特征子图；将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别。
7.在一些实施方式中，将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别，之后还包括：对所述特征子图进行二次回归计算处理生成归一化特征子图。
8.在一些实施方式中，根据所述外力破坏危险类别判断所述视频数据和/或图像数
据是否属于外力破坏危险的预警范围，包括：构建标注检测模型，所述标注检测模型包括安全标注类型范围和危险标注类型范围；当所述外力破坏危险类别属于危险标注类型范围，则判断所述视频数据和/或图像数据属于外力破坏危险的预警范围。
9.在一些实施方式中，所述方法还包括：获取任务工单包含的任务归属信息；将所述任务工单根据所述任务归属信息实时发送至对应的任务归属地址。
10.在一些实施方式中，将所述任务工单根据所述任务归属信息实时发送至对应的任务归属地址，之后还包括：根据预置的危险处理时间监测所述任务工单的处理进度信息；若在所述危险处理时间截止时，所述处理进度信息未更新，则将所述任务工单发送至上级任务归属地址。
11.根据本发明的第二个方面，提供了一种用于航油长输管道的防外破智能预警系统，所述系统包括：数据源接口，用于获取用于监测航油长输管道的视频数据和/或图像数据；防外破处理模块，用于对所述视频数据和/或图像数据基于目标检测算法进行防外破智能识别处理生成外力破坏危险类别；预警模块，用于根据所述外力破坏危险类别判断所述视频数据和/或图像数据是否属于外力破坏危险的预警范围；任务分配模块，用于在所述外力破坏危险类别属于外力破坏危险的预警范围，则生成任务工单输出。
12.在一些实施方式中，防外破处理模块，包括：数据处理单元，用于获取所述视频数据和/或图像数据的原始图像；特征处理单元，用于将所述原始图像经过可分离卷积层生成低通道数的特征图，根据所述特征图在rpn层生成候选框，利用softmax函数判断所述候选框是前景特征还是背景特征，若所述候选框是前景特征，则调整所述候选框的位置生成特征子图，在roi层将大小尺寸不同的特征子图池化成大小尺寸相同的特征子图；类别处理单元，用于将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别。
13.在一些实施方式中，所述特征处理单元还用于对所述特征子图进行二次回归计算处理生成归一化特征子图。
14.在一些实施方式中，所述预警模块，包括：标注检测模型，所述标注检测模型包括安全标注类型范围和危险标注类型范围；危险判定单元，用于在所述外力破坏危险类别属于危险标注类型范围，判断所述视频数据和/或图像数据属于外力破坏危险的预警范围。
15.与现有技术相比，本发明的有益效果在于：
16.实施本发明能够利用外部监控设备的数据，通过内置高准确率智能防外破的算法进行处理，将人力从繁多的数据分析工作中解放出来，实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管，进而提高管道日常运行管理维护的效率，降低发生事故的概率。相比传统人眼监测方式的不持续、效率低，容易导致对外力破坏危险的漏判和误判，本发明能够在一定程度上解决管道巡护“空窗期”问题，同时可实现降本增效。
附图说明
17.图1为本发明实施例公开的一种用于航油长输管道的防外破智能预警的方法流程示意图；
18.图2为本发明实施例公开的又一种用于航油长输管道的防外破智能预警的方法流程示意图；
19.图3为本发明实施例公开的一种用于航油长输管道的防外破智能预警的应用流程示意图；
20.图4为本发明实施例公开的一种用于航油长输管道的防外破智能预警系统示意图；
21.图5为本发明实施例公开的一种于航油长输管道的防外破智能预警装置结构示意图。
具体实施方式
22.为了更好地理解和实施，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
24.本发明实施例公开了一种用于航油长输管道的防外破智能预警方法及系统，能够利用外部监控设备的数据，通过内置高准确率智能防外破的算法进行处理，将人力从繁多的数据分析工作中解放出来，实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管，进而提高管道日常运行管理维护的效率，降低发生事故的概率。相比传统人眼监测方式的不持续、效率低，容易导致对外力破坏危险的漏判和误判，本发明能够在一定程度上解决管道巡护“空窗期”问题，同时可实现降本增效。
25.实施例一
26.请参阅图1，图1为本发明实施例公开的一种用于航油长输管道的防外破智能预警方法的流程示意图。其中，该用于航油长输管道的防外破智能预警方法可以应用在航海油管道的检测系统，但是，对于该应用系统本发明实施例不做限制。如图1所示，该用于航油长输管道的防外破智能预警方法可以包括以下操作：
27.101、获取用于监测航油长输管道的视频数据和/或图像数据。
28.为了对航油长输管道进行监测，特别是航油长输管道的重点部位，通过设置在航油长输管道的重点部位的监控设备，例如无人机巡线、高后果区(管道泄漏后可能对公众和环境造成较大不良影响的区域)监控等设备监控航油长输管道的重点部位的周边环境，也可以对航油长输管道的其他部分进行监控，本发明不对监控部分的进行限制，不同监控设备以及不同的传输方式将视频数据和/或图像数据收集，示例性地，通过4g图传输获取无人机巡线的视频数据，通过有线或无线网络获取高后果区监控的图像数据。
29.102、对视频数据和/或图像数据基于目标检测算法进行防外破智能识别处理生成外力破坏危险类别。
30.在获取了视频数据和/或图像数据后，就开始进行防外破智能识别的处理，在本实施例中选用目标检测算法(light-head rcnn)实现，相比于现有的resnet网络，本发明所选用的算法在速度和准确率上都有很明显的优势。具体实现为：首先，获取视频数据的原始图
像，在本实施例中通过抽帧的方式生成视频数据的原始图像，之后将原始图像经过可分离卷积层生成低通道数的特征图，即将原始图像先经过large separable convolution生成通道数更少的特征图(featuremap)，对于featuremap而言指代从多个角度去分析图片，不同的特征提取会提取不同的feature，由此可以供后续的rpn网络和全连接层使用。从而减少计算量，可以更好得平衡精准度和速度，速度和精度都较高。
31.进一步地，根据特征图在rpn层生成候选框，利用softmax函数判断候选框是前景特征还是背景特征，因为物体一般在前景中，所以在softmax函数的判断方式中主要识别出前景特征的二分类类别，在其他实施方式中，也可以采用其他逻辑回归算法进行判断，并利用边框回归(bounding box regression)调整候选框的位置，从而得到特征子图，也可称为proposals。
32.进一步地，在roi层将大小尺寸不同的特征子图池化(pooling，对信息进行抽象的过程)成大小尺寸相同的特征子图，将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别。其中，外力破坏危险类别如下表显示：
[0033][0034][0035]
可见，在本实施例中，外力破坏危险类别主要由序号和序号对应的标注类型组成。
[0036]
在其他优选实施例中，为了进一步精确特征子图的形状和位置，将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别之后还对特征子图进行二次回归计算处理生成归一化特征子图。
[0037]
103、根据外力破坏危险类别判断视频数据和/或图像数据是否属于外力破坏危险的预警范围。
[0038]
为了提高预警的精度，还设置有标注检测模型，构建的方式可以参考现有的机器学习模型、神经网络卷积模型等实现，其中，该标注检测模型包括安全标注类型范围和危险标注类型范围，如上表所示的序号1-9设置为危险标注类型范围，其他设置为安全标注类型范围，当外力破坏危险类别属于危险标注类型范围，则判断视频数据和/或图像数据属于外力破坏危险的预警范围。由此，能够轻易辨别不同种类的车和物件，例如在此区域中设定侦
测外力破外，则当动物及其他普通车辆经过，皆不会造成误报，可减少90％的误报率。
[0039]
104、若外力破坏危险类别属于外力破坏危险的预警范围，则生成任务工单输出。
[0040]
若检测出外力破坏危险类别属于外力破坏危险的预警范围，即存在外力破坏危险，可以外力破坏识别结果自动生成任务工单并生成预警记录，若未检测出外力破坏危险类别属于外力破坏危险的预警范围，则不生成预警记录和任务工单。由此，能够及时发现外力破坏危险，降低管道运行安全的风险系数。
[0041]
根据本实施例提供的方法，能够利用外部监控设备的数据，通过内置高准确率智能防外破的算法进行处理，将人力从繁多的数据分析工作中解放出来，实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管，进而提高管道日常运行管理维护的效率，降低发生事故的概率。相比传统人眼监测方式的不持续、效率低，容易导致对外力破坏危险的漏判和误判。
[0042]
实施例二
[0043]
请参阅图2，图2为本发明实施例公开的又一种用于航油长输管道的防外破智能预警方法的流程示意图。其中，该用于航油长输管道的防外破智能预警方法可以应用在航海油管道的检测系统，但是，对于该应用系统本发明实施例不做限制。如图2所示，该用于航油长输管道的防外破智能预警方法可以包括以下操作：
[0044]
步骤201-步骤204的实现方式与步骤101-步骤104基本一致，在此不进行赘述。
[0045]
205、获取任务工单包含的任务归属信息。
[0046]
为了清楚的梳理整个方法的完整流程，示例性地，如图3所示，为应用用于航油长输管道的防外破智能预警方法的具体应用示意图，结合图3可见，在输出任务工单时，会根据任务工单包含的任务归属信息发送至对应的终端设备上，一般任务归属信息为终端设备的发送地址ip等信息。
[0047]
206、将任务工单根据任务归属信息实时发送至对应的任务归属地址。
[0048]
根据任务归属信息就可以将任务工单自动发送至相关巡线人员或监控人员的手持终端，由此，具有实时监控的效果。之后，相关的巡线人员或监控人员需就会根据任务工单在限定时间内核实是否存在外力破坏危险，并进行危险排除处理，完成后通过手持终端将处理结果上传至系统。
[0049]
但是，存在相关巡线人员或监控人员疏忽延迟处理的情况，为了尽可能的提高危险处理的效率，还会根据预置的危险处理时间监测任务工单的处理进度信息，其中，预置的危险处理信息可以根据经验设定，使得航油长输管道处于安全状态的时间，若在危险处理时间截止时，处理进度信息还未更新，则将任务工单发送至上级任务归属地址，实例性地，若没有在限定时间内处理任务工单，自动将任务超时警告发送至管理层手持终端，管理层手持终端就可以将任务工单重新激活重新派送给原任务人员或其他人，直至任务工单完成。
[0050]
根据本实施例提供的方法，能够提高监控效率，避免巡线人员或监控人员注意力分散所产生的不良后果，可实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管，同时可降低人力成本投入。
[0051]
实施例三
[0052]
请参阅图4，图4为本发明实施例公开的一种用于航油长输管道的防外破智能预警
系统示意图。如图4所示，该用于航油长输管道的防外破智能预警系统可以包括：
[0053]
数据源接口1，用于获取用于监测航油长输管道的视频数据和/或图像数据。可以实现为各监控设备通信的api数据传输接口，为了对航油长输管道进行监测，特别是航油长输管道的重点部位，通过设置在航油长输管道的重点部位的监控设备，例如无人机巡线、高后果区(管道泄漏后可能对公众和环境造成较大不良影响的区域)监控等设备监控航油长输管道的重点部位的周边环境，也可以对航油长输管道的其他部分进行监控，本发明不对监控部分的进行限制，不同监控设备以及不同的传输方式将视频数据和/或图像数据收集，示例性地，通过4g图传输获取无人机巡线的视频数据，通过有线或无线网络获取高后果区监控的图像数据。
[0054]
防外破处理模块2，用于对视频数据和/或图像数据基于目标检测算法进行防外破智能识别处理生成外力破坏危险类别。
[0055]
预警模块3，用于根据外力破坏危险类别判断视频数据和/或图像数据是否属于外力破坏危险的预警范围。
[0056]
任务分配模块4，用于在外力破坏危险类别属于外力破坏危险的预警范围，则生成任务工单输出。
[0057]
其中，防外破处理模块2，包括：数据处理单元21，用于获取视频数据和/或图像数据的原始图像。特征处理单元22，用于将原始图像经过可分离卷积层生成低通道数的特征图，根据特征图在rpn层生成候选框，利用softmax函数判断所述候选框是前景特征还是背景特征，若候选框是前景特征，则调整候选框的位置生成特征子图，在roi层将大小尺寸不同的特征子图池化成大小尺寸相同的特征子图。类别处理单元23，用于将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别。
[0058]
特征处理单元22还用于对所述特征子图进行二次回归计算处理生成归一化特征子图。
[0059]
在获取了视频数据和/或图像数据后，就开始进行防外破智能识别的处理，在本实施例中选用目标检测算法(light-head rcnn)实现，相比于现有的resnet网络，本发明所选用的算法在速度和准确率上都有很明显的优势。具体实现为：首先，获取视频数据的原始图像，在本实施例中通过抽帧的方式生成视频数据的原始图像，之后将原始图像经过可分离卷积层生成低通道数的特征图，即将原始图像先经过large separable convolution生成通道数更少的特征图(featuremap)，对于featuremap而言指代从多个角度去分析图片，不同的特征提取会提取不同的feature，由此可以供后续的rpn网络和全连接层使用。从而减少计算量，可以更好得平衡精准度和速度，速度和精度都较高。
[0060]
进一步地，根据特征图在rpn层生成候选框，利用softmax函数判断候选框是前景特征还是背景特征，因为物体一般在前景中，所以在softmax函数的判断方式中主要识别出前景特征的二分类类别，在其他实施方式中，也可以采用其他逻辑回归算法进行判断，并利用边框回归(bounding box regression)调整候选框的位置，从而得到特征子图，也可称为proposals。
[0061]
进一步地，在roi层将大小尺寸不同的特征子图池化(pooling，对信息进行抽象的过程)成大小尺寸相同的特征子图，将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别。其中，外力破坏危险类别如下表显示：
[0062][0063][0064]
可见，在本实施例中，外力破坏危险类别主要由序号和序号对应的标注类型组成。
[0065]
在其他优选实施例中，为了进一步精确特征子图的形状和位置，将池化后的特征子图传输至全连接层进行物体分类和位置调整回归生成外力破坏危险类别之后还对特征子图进行二次回归计算处理生成归一化特征子图。
[0066]
预警模块3，包括：标注检测模型31，标注检测模型包括安全标注类型范围和危险标注类型范围。32，用于在外力破坏危险类别属于危险标注类型范围，判断视频数据和/或图像数据属于外力破坏危险的预警范围。
[0067]
为了提高预警的精度，还设置有标注检测模型，构建的方式可以参考现有的机器学习模型、神经网络卷积模型等实现，其中，该标注检测模型包括安全标注类型范围和危险标注类型范围，如上表所示的序号1-9设置为危险标注类型范围，其他设置为安全标注类型范围，当外力破坏危险类别属于危险标注类型范围，则判断视频数据和/或图像数据属于外力破坏危险的预警范围。由此，能够轻易辨别不同种类的车和物件，例如在此区域中设定侦测外力破外，则当动物及其他普通车辆经过，皆不会造成误报，可减少90％的误报率。
[0068]
若检测出外力破坏危险类别属于外力破坏危险的预警范围，即存在外力破坏危险，可以外力破坏识别结果自动生成任务工单并生成预警记录，若未检测出外力破坏危险类别属于外力破坏危险的预警范围，则不生成预警记录和任务工单。由此，能够及时发现外力破坏危险，降低管道运行安全的风险系数。
[0069]
根据本实施例提供的系统，能够利用外部监控设备的数据，通过内置高准确率智能防外破的算法进行处理，将人力从繁多的数据分析工作中解放出来，实现对管道重点部位周边环境进行实时发现、实时告警、实时响应的有效监管，进而提高管道日常运行管理维护的效率，降低发生事故的概率。相比传统人眼监测方式的不持续、效率低，容易导致对外力破坏危险的漏判和误判。
[0070]
实施例四
[0071]
请参阅图5，图5是本发明实施例公开的一种用于航油长输管道的防外破智能预警
装置的结构示意图。如图5所示，该装置可以包括：
[0072]
存储有可执行程序代码的存储器501；
[0073]
与存储器501耦合的处理器502；
[0074]
处理器502调用存储器501中存储的可执行程序代码，用于执行实施例一所描述的用于航油长输管道的防外破智能预警方法。
[0075]
实施例五
[0076]
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的用于航油长输管道的防外破智能预警方法。
[0077]
实施例六
[0078]
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的用于航油长输管道的防外破智能预警方法。
[0079]
以上所描述的实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0080]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
[0081]
最后应说明的是：本发明实施例公开的一种用于航油长输管道的防外破智能预警方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。