摘要：為滿足社會發(fā)展的需求，開展各類生產(chǎn)，須引進科學技術，建立智慧化系統(tǒng)?；诖耍瑸榱颂岣咴芫€巡檢效率和質(zhì)量，提升巡檢質(zhì)量和效率，對利舊槍機攝像頭、利舊球機攝像頭定點巡航等開展數(shù)據(jù)采集，并在后臺進行AI分析，對需要報警的行為或者信息在前端和后臺都發(fā)出預警，做到事前預防、事中預警、事后回溯，達到7×24"h自動對管道環(huán)境進行“體檢掃描”效果。

關鍵詞：5G+AI+大數(shù)據(jù)""原水管線""智慧化巡檢""管道環(huán)境

中圖分類號：TP393

Research"on"Intelligent"Inspection"of"Raw"Water"Pipeline"Based"on"\"5G+AI+Big"Data\"

GE"Junjie"""MAO"Yangfan"""SHEN"Kai

Raw"Water"Co.，"Ltd."of"Hangzhou"Water"Group"Co.，"Ltd."Hangzhou，"Zhejiang"Province，"311122"China

Abstract："In"order"to"meet"the"needs"of"social"developmentand"carry"out"various"types"of"production，"it"is"necessary"to"introduce"science"and"technology"and""establish"intelligent"systems."Based"on"this，"in"order"to"improve"the"efficiency"and"qualitynbsp;of"raw"water"pipeline"inspections，"and"enhance"the"quality"and"efficiency"of"inspections，"data"collection"is"carried"out"on"the"fixed-point"cruising"of"used"gun"cameras"and"used"ball"camera"cameras，"and"AI"analysis"is"performed"in"the"backstage."Early"warnings"are"issued"for"behaviors"or"information"that"require"alarms"in"both"the"front"and"back"ends，"achieving"pre"prevention，"mid"event"warning，"and"post"event"backtracking，"achieving"a"7"×"24-hour"automatic"\"physical"examination"scan\""effect"on"the"pipeline"environment.

Key"Words："5G+AI+big"data;"Raw"water"pipeline;"Intelligent"inspection;"Pipeline"environment

隨著經(jīng)濟社會的飛速發(fā)展，給科學技術的進步提供了強有力的支持，科學技術被應用于不同領域與行業(yè)之中，為提升生產(chǎn)效率與生產(chǎn)質(zhì)量奠定了堅實的基礎。城市化發(fā)展建設的過程中，原水管線在其中發(fā)揮著重要的作用和價值，但是其與普通管線之間具有一定的差異性，原水管線巡檢存在一定難度，傳統(tǒng)巡檢方式存在漏檢情況，針對此情況，技術人員與研究人員提出應用“5G+AI+大數(shù)據(jù)”技術，以此為基礎針對原水管線開展智慧化巡檢，進一步提升巡檢質(zhì)量以及巡檢效率[1-2]。

1工程概況

本文將杭州原水管線巡檢作為案例進行研究。杭州原水管道埋平均深度為地下25"m，管道總長度為28.6"km，其中20.2"km為輸水鋼管，包括14個伸縮節(jié)、22個閥門、9個配電間、數(shù)十個插座箱、數(shù)百個焊縫?，F(xiàn)階段，為保證原水管線滿足社會發(fā)展需求，巡檢采用人工巡檢方式，但是原水管線運行環(huán)境較為特殊，建設于地下封閉環(huán)境內(nèi)，且空間有限，此種環(huán)境很容易導致巡檢人員出現(xiàn)惰性、疲勞感的情緒，降低巡檢質(zhì)量，無法第一時間獲取異常情況，無法及時對故障缺陷進行處理。雖然為滿足巡檢需求，裝有液位傳感器等設備，但是巡檢較為單一，無法對巡檢進行驗證，缺乏自主學習能力，也并未預留升級空間[3]。

2“5G+AI+大數(shù)據(jù)”的原水管線智慧化巡檢建設

2.1確定監(jiān)控點位

首先需要明確監(jiān)控攝像頭安裝位置。工作人員須按照實際情況以及巡檢要求布置安裝監(jiān)控攝像頭。本次地下管道監(jiān)控點位部署算法如表1所示。

2.2硬件設計

2.2.1服務器選型與部署

（1）服務器選型。服務器是系統(tǒng)重要組成部分，其是保證系統(tǒng)正常運行的關鍵，為計算機視覺算法運行提供保障，因此需要明確服務器類型，根據(jù)系統(tǒng)與選件要求，確定服務器選型。對于本次建設來說，采用機架式服務器，其型號為：CPU"20核*2/64G內(nèi)存/480G固態(tài)硬盤+8TB機械硬盤/RTX"3090"24G顯存/DVDRW/機架式。

（2）服務器部署安裝。安裝之前，需對整體系統(tǒng)進行探索，將服務器部署安裝在G3井配電室機柜中，并做好線路連接，允許監(jiān)控網(wǎng)絡訪問，部署安裝位置如圖1所示。在進行安裝的過程中，第一步，取下滑軌，根據(jù)服務器安裝高度明確具體位置，并安裝滑軌；第二步，在對應位置安裝與之相匹配的螺帽；第三步，利用螺絲固定滑軌，保證安裝穩(wěn)固性，保證固定不動；第四步，將服務器放入滑軌內(nèi)，并保證不對服務器造成損傷；最后，將服務器劃入機柜內(nèi)，并進行規(guī)定處理[2]。此外，需要注意的一點是，要做好網(wǎng)絡配置，Ubuntu"18.04采用netplan來管理網(wǎng)絡配置計劃，在/etc/netplan/目錄下有一個以yaml結尾的文件。

2.2.2監(jiān)控攝像頭選型與部署

（1）監(jiān)控攝像頭選型。攝像頭是獲取圖像信息的關鍵，須保證圖像信息的精準性，選擇400"W及以上像素的攝像頭，且需滿足云臺運行需求（可設置預置點巡航，做變焦和云臺動），對于本次工程項目來說，選擇DS-2DF82CBXMH-A型號的攝像頭。

（2）攝像頭部署與安裝。首先，須根據(jù)巡檢需求明確攝像頭部署點位，并明確走線方向；其次，在進行安裝的過程中，須完全按照施工方案進行，并強化安裝過程中的監(jiān)督控制，保證安裝質(zhì)量；最后，進行驗收工作，保證攝像頭正常運行，滿足監(jiān)控需求。

2.3智慧化巡檢平臺部署

2.3.1平臺部署

部署采用基于docker容器或者K8S的主流方式，保證可以整合到大的系統(tǒng)和平臺上，也容易保證兼容性和部署的統(tǒng)一性。架構采用多種接口和服務化部署，以Serving方式提供接口，Web方式訪問和管理，以此保證整體平臺運行質(zhì)量與效率[3]。本工程決定采用基于docker容器，以此為基礎進行平臺部署。

首先，須按照需求安裝GPU服務器（“sudo"apt"install"nvidia-driver-470"nvidia-dkms-470"sudo"ubuntu-drivers"devices”）；其次，構建視頻流服務，此時采用Install"GStreamer，并按照實際要求安裝依賴包、更新依賴包，以此保證編譯的精準性與可靠性，為巡檢工作的開展提供支持；再次，安裝容器與docker容器；最后，開展驗收工作，顯示英偉達信息則說明容器安裝正常，可正常運轉。此外，還需將其與AI平臺容器進行連接，并將文件導入其中，完成全部部署安裝[4-5]。

2.3.2視頻采集

視頻采集可獲取具體運行信息，包括設備機械、工作人員等情況。在開展工作之前，工作人員需明確算法部署，根據(jù)不同區(qū)域的需求設計算法部署，包括人員分布、吸煙識別、人員跌倒識別以及配電異常單元識別、配電柜溫度異常識別、儀表識別。根據(jù)視頻采集需求，部署監(jiān)控攝像頭，并設置IP地址以及賬號密碼等信息。須重點部署設計配電柜異常檢測單元，將配電柜分為ABCD"4個單元，并根據(jù)不同單元需求設置報警裝置，如故障指示燈、旋轉開關，通過判斷其狀態(tài)，明確是否存在故障缺陷。同時，工作人員還需采樣方法，攝像頭放置在某一個預置點，對目標配電單元進行正常狀態(tài)和異常狀態(tài)的模擬，記錄下模擬時間，在所有預置點及采樣目標均完成模擬后將對應時間的視頻錄像從監(jiān)控平臺中拷貝出來。

此外，還需進行測溫紙顏色檢測、人員分布檢測、人員跌倒識別、抽煙檢測等，將其監(jiān)控系統(tǒng)、AI平臺進行管理，對圖像信息進行分析，在“5G+AI+大數(shù)據(jù)”技術的支持下，平臺具有自主學習的能力，利用算法可明確當前運行存在的故障問題。在此過程中，需根據(jù)配電柜實際情況，部署監(jiān)測點位，并利用算法進行識別，隨后在AI平臺的支持下，對數(shù)據(jù)進行分析，判斷故障類型、程度以及影響。

2.4算法開發(fā)

算法開發(fā)是智慧化巡檢中重要項目之一，是保證檢測與識別精準性的關鍵，對于人員識別以及配電柜識別等算法來說，技術較為成熟，但是對于“抽煙識別算法”來說研究較少，而此項內(nèi)容是本次建設的重點內(nèi)容之一，因此需要做好抽煙識別算法開發(fā)。

根據(jù)本次建設項目實際需求，將MobileNetV2的深度學習模型作為抽煙識別算法模型，以此為基礎開展項目訓練，此種模型應用具有較強的優(yōu)勢，精準度高、識別速度快，且安裝便捷。在開展項目訓練的過程中，實現(xiàn)了現(xiàn)場采集圖像信息的目的，并及時開展訓練，為后續(xù)工作部署提供支持，根據(jù)實際情況建設真實模型，提升了模型適應性，以此保證后續(xù)工作的順利進行實現(xiàn)智慧化巡檢的目的[4]。本次采用MobileNetV2的深度學習模型，其體積較小，因此在進行部署時，可將其安裝到嵌入式設備內(nèi)，并將其與整體系統(tǒng)平臺進行連接，通過并發(fā)運算的方式開展后續(xù)工作，其可以與其他識別等流程共同進行，降低了的時間資源的消耗。同時，在進行模型安裝的過程中，在高適應性的支持下，可與云平臺以及AI入云有效融合，且其運行只需應用1個普通網(wǎng)絡攝像頭即可，降低了成本支出。

2.5系統(tǒng)試運行

完成上述工作之后，需將各個系統(tǒng)進行有效連接，并進行相應的調(diào)試，最后針對整體系統(tǒng)開展試運行，對試運行過程中產(chǎn)生的數(shù)據(jù)與異常行為進行記錄，對數(shù)據(jù)參數(shù)進行分析與討論，判斷系統(tǒng)是否存在問題。在開展試運行的過程中，需重點針對圖像識別系統(tǒng)與數(shù)據(jù)分析系統(tǒng)進行觀察，保證系統(tǒng)運行穩(wěn)定性，同時還需針對監(jiān)控攝像頭進行重點檢查，尤其是圖像信息以及影像信息的重要來源，需保存在表面不存在磨損等情況，并對采集的圖像信息進行檢查，保證其清晰性，滿足巡檢要求。

3結語

綜上所述，在開展城市化建設的過程中，原水管線是其中最為重要的基礎設施，為居民提供充足的水源，但是由于其長期處于運行狀態(tài)，且受到環(huán)境的影響，巡檢難度以及巡檢強度較大，人工巡檢的方式無法滿足當前發(fā)展建設的需求，針對此情況技術人員提出智慧化巡檢方式。在建設智慧化巡檢的過程中，須引進“5G+AI+大數(shù)據(jù)”技術，確定監(jiān)控點位，并做好硬件設計、智慧化巡檢平臺部署以及算法開發(fā)工作，完成建設之后，須進行試運行，以此保證系統(tǒng)運行的穩(wěn)定性，滿足巡檢需求。

參考文獻

[1]郭容昱.基于CIM+AI機器人的大型城市綜合體智慧化運維框架研究[J].住宅與房地產(chǎn)，2023（23）：60-64.

[2]徐旺，張磊，胡金勇.基于用戶大數(shù)據(jù)的5G天線權值優(yōu)化方法研究[J].佛山科學技術學院學報（自然科學版），2022，40（6）：11-20

[3]范敏，劉春陽，陳宇恒，等.基于5G，物聯(lián)網(wǎng)技術和微服務架構的智慧園區(qū)平臺設計與實現(xiàn)[J].長江信息通信，2023，36（11）：35-37.

[4]胡巍，楊強.基于5G+AI的智慧工地安全監(jiān)督平臺創(chuàng)新實踐[J].電力大數(shù)據(jù)，"2023，26（9）：79-85.

[5]李都望，黃有文，鄧慧萍，等.中長距離輸水管線壓力管控智慧化改造實踐與分析[J].給水排水，2023，59（3）：116-120.