第二講 無人機管道巡檢系統(tǒng)是如何進行數(shù)據(jù)分析的

上期科普講座向大家介紹了無人機管道巡線系統(tǒng)方案，概況講就是一個核心：地理信息系統(tǒng)；二個管理：管理人和設備；三個保證：無人機培訓，無人機保險，無人機空域申請；四個層次：數(shù)據(jù)采集，數(shù)據(jù)存儲，數(shù)據(jù)分析，數(shù)據(jù)展示。在這套方案中，最核心的就是數(shù)據(jù)分析。系統(tǒng)是如何將無人機采集的巡線數(shù)據(jù)，進行分析比對的，它是靠什么技術實現(xiàn)的?

1 9 8 1年的諾貝爾醫(yī)學獎，頒發(fā)給了 D a v i dHubel（出生于加拿大的美國神經(jīng)生物學家） 和TorstenWiesel，以及 Roger Sperry。前兩位的主要貢獻，是“發(fā)現(xiàn)了視覺系統(tǒng)的信息處理”，可視皮層是分級的。根據(jù)人類這個特點，構造多層的神經(jīng)網(wǎng)絡，較低層的識別初級的圖像特征，若干底層特征組成更上一層特征，通過多個層級的組合，最終在頂層做出分類，這就是許多深度學習算法的靈感來源。今天我們介紹的就是根據(jù)這一靈感來源開發(fā)的，基于卷積神經(jīng)網(wǎng)絡技術對無人機采集的管線數(shù)據(jù)進行數(shù)據(jù)分析的手段。

首先卷積神經(jīng)網(wǎng)絡算法是基于“YOLO（YouOnly Look Once）”項目進行卷積層重新組合設計，這樣可以將整個圖像由神經(jīng)網(wǎng)絡進行評估，提高檢測準確率及效率。其次向卷積神經(jīng)網(wǎng)絡輸入無人機遙感影像，并對無人機遙感影像進行數(shù)據(jù)對比，分析疑似對象（圖 1）。

根據(jù)計算機圖像識別需要，北京道信科技有限公司目前已采集10萬多張圖形樣本。隨著時間推移，圖形樣本數(shù)量持續(xù)增加并優(yōu)化計算機識別能力。前期根據(jù)所設計的神經(jīng)網(wǎng)絡，共訓練了6類特征目標，分別為：工程車輛、地表破壞、非法占壓、溝槽開挖、土地塌陷、水土流失。

為 了 對 算 法 進 行 更 好 地 測 試 ， 搭 載 佳 能（Canon） EOS 5D Mark IV相機進行拍攝，無人機行高為100～120 m，時速100～120 km/h，采集的數(shù)據(jù)圖像分辨率為5760×3860，地面分辨率為0.5～0.3 m。對檢測結果進行對比分析，正樣本檢測識別準確率高達96.6 %，其中誤檢率為0.8 %。

基于卷積神經(jīng)網(wǎng)絡的無人機油氣管線巡檢系統(tǒng)可以實現(xiàn)實時影像檢測，效果如圖 2所示。前期針對非法占壓、工程車輛、溝槽開挖、動土痕跡、鉤機、鏟機、地表破壞、水土流失等特征進行自動識別檢測，并自動出具報表和統(tǒng)計分析。及時發(fā)現(xiàn)和定位違法及安全隱患點，及時處理推送執(zhí)法信息，做到防患于未然，實現(xiàn)采用自主航跡規(guī)劃巡視的巡檢方式，高效安全地執(zhí)行巡檢任務。

主講人：李曉彤，北京道信科技有限公司總經(jīng)理。