第二講 無人機管道巡檢系統是如何進行數據分析的

上期科普講座向大家介紹了無人機管道巡線系統方案，概況講就是一個核心：地理信息系統；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：數據采集，數據存儲，數據分析，數據展示。在這套方案中，最核心的就是數據分析。系統是如何將無人機采集的巡線數據，進行分析比對的，它是靠什么技術實現的?

1 9 8 1年的諾貝爾醫學獎，頒發給了 D a v i dHubel（出生于加拿大的美國神經生物學家） 和TorstenWiesel，以及 Roger Sperry。前兩位的主要貢獻，是“發現了視覺系統的信息處理”，可視皮層是分級的。根據人類這個特點，構造多層的神經網絡，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這一靈感來源開發的，基于卷積神經網絡技術對無人機采集的管線數據進行數據分析的手段。

首先卷積神經網絡算法是基于“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網絡進行評估，提高檢測準確率及效率。其次向卷積神經網絡輸入無人機遙感影像，并對無人機遙感影像進行數據對比，分析疑似對象（圖 1）。

根據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，圖形樣本數量持續增加并優化計算機識別能力。前期根據所設計的神經網絡，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，采集的數據圖像分辨率為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 %。

基于卷積神經網絡的無人機油氣管線巡檢系統可以實現實時影像檢測，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計分析。及時發現和定位違法及安全隱患點，及時處理推送執法信息，做到防患于未然，實現采用自主航跡規劃巡視的巡檢方式，高效安全地執行巡檢任務。

主講人：李曉彤，北京道信科技有限公司總經理。