基于排水管道胶囊的城市管网病害检测研究

余建伟，周京春，李清泉，陈智鹏，方旭，郭文浩

(1.深圳大学，广东 深圳 518060； 2.云南师范大学，云南 昆明 650500)

1 引 言

城市地下排水管网是城市雨污水排放的重要通道，是维持城市安全运行的生命线。然而，在市政水利部门的运行管理过程中，因负荷流量远超设计标准、管材及设施老旧、新建重大工程影响、地下探测手段不足等因素，导致管网问题层出不穷，主要表现为：管网运行不良、排水不畅；雨污管混接、错接；管网现状信息缺失；管道破损、病害位置不详等。这些病害问题不仅严重影响城市日常雨、污水排放，在极端环境下还可能引发诸如内涝、环境污染等次生问题甚至地陷等城市灾害。以深圳市为例，仅2013年～2015年就发生地面坍塌事故579起，其中由排水管道破损导致的地面坍塌占57.4%。因此，对地下排水管网病害的大范围常态化检测意义重大。

目前城市排水管道检测技术手段主要有：目测法、潜水员人工检测、管道CCTV检测、管道潜望镜、声呐检测、红外成像检测等[1～7]，这些检测手段作业方式存在着很大差异，互助互补但仍存在很多缺陷和不足，具体描述如表1所示。

现有的排水管道检测方法 表1

针对上述城市地下排水管网隐患普查难、有水难测、检测设备贵且维护成本高等问题，为了实现快速、大规模、经济化的排水管网病害检测，本文提出了一种方便快捷、成本低廉的地下排水管网检测解决方案——排水管道检测胶囊系统。系统主要包括了管道胶囊数据采集硬件和数据处理软件两大部分，检测成果图像采用软件智能处理辅以人工判读，并可提供病害原始检测视频和精细的检测报告。

2 排水管道检测胶囊系统

2.1 概述

排水管道胶囊(如图1所示)是一种全新的排水管网病害的快速检测系统，它集成了低成本高清CMOS((Complementary Metal-Oxide Semiconductor)相机和9轴MEMS(Micro Electro Mechanical System)航姿参考系统，采用无动力设计随水流漂移运动，可实现大范围的管道内部图像数据和胶囊运动数据的快速采集。同时，系统还配备了一套完善的数据后处理软件，进行位置推算和图像处理，通过对积累的大量病害样本数据的训练学习，专门设计的图像处理算法可智能化准确地提取出检测视频中的管道病害，并生成精细的管道病害检测报告。

图1 排水管道病害检测胶囊

管道胶囊的内部带有四个电子模块：定位定姿模块、视频采集模块、集成控制模块和供电模块。定位定姿模块包含了MEMS加速度计、陀螺仪、磁力计等传感器，为胶囊提供运动定位和姿态数据；视频采集模块包含了集照明、高清广角/鱼眼数字摄像头的大视角拍照模块，一方面提供管道内壁视觉状态数据，一方面辅助运动估计，进行辅助定位定姿；采集控制模块包含了ARM电路板、存储卡和WIFI通信模块，可实现与手机终端连接、数据采集控制、数据下载等功能；供电模块由锂电池和电源管理电路组成。

2.2 数据采集流程

系统进行外业数据的采集流程如图2所示：

(1)首先通过WIFI与手机端数据采集App软件进行连接，进行作业参数设置，包括：起止管井号、管材、管径、作业位置等。

(2)在待检查管道段上游起始检查井投放胶囊设备，结合前期物探和测绘数据，以及管道布设图纸，在下游检查井进行胶囊回收。

(3)再次与手机端数据采集App软件连接，通过内置WIFI进行数据下载，同时进行视频数据的现场质量检查，并进行初步病害标识。

(4)数据下载完毕后，对胶囊进行初始化，以便于下次作业。

图2 数据采集流程

为了保证作业中胶囊设备顺利通过待检管道，正式采集作业前，可选择快速验证预判、穿线器串通测试或对管道进行清淤处理等措施，以保障管道内部影像数据的有效采集。

2.3 数据处理流程

数据采集完成后，用户可将数据导入系统的数据处理软件或者上传至云服务器进行处理(如图4所示)，具体流程主要分为位置推算和图像处理两个部分(如图3所示)。其中位置推算融合了视频、IMU、磁力计等多种数据，采用综合定位方法对管道胶囊的位置进行推算，得到其空间轨迹；图像处理部分对运动图像进行去旋转、去模糊预处理，然后基于图像对病害进行检测。参照《城镇排水管道检测与评估技术规程》(CJJ181-2012)[8]，最终得到符合作业标准的管道病害检测报告，同时也可以和GIS管网系统无缝结合[9～10]，辅助用户进行管道维修养护决策。

图3 数据处理流程

图4 云端/后台数据处理软件

3 关键技术

3.1 图像质量增强技术

排水管道作业环境复杂，管道胶囊在管道中运行，图像质量受光照和运动影响，会产生曝光不足、对焦模糊和运动模糊等问题，需要通过硬件和算法对图像质量进行增强。

根据现有排水管道规格，生活小区排水管主要采用直径 300 mm、400 mm、500 mm及 600 mm的PVC塑料管，市政区域排水主要采用直径 500 mm、600 mm、1 000 mm及 2 000 mm PVC塑料管或混凝土管。管径的多样性给系统的照明硬件设计增加了复杂度，灯光过强，在小直径管道会出现曝光，灯光过弱，看不到大直径管道管壁。为了解决此问题，管道胶囊针对不同管径定制了多档可调光源，通过手机App软件可根据管径配置不同的亮度光源，以保证录像的清晰度。同时，为了保证亮度均匀，采用了多达6颗高亮灯珠照明，为了避免多灯珠在中心处形成过曝光斑，对LED灯的光路进行定制仿真，以实现最佳的灯珠安装角度，保证最好的照明效果。

管道检测胶囊在管道中漂流时，会受到不确定的湍流影响，产生绕重力轴向的旋转和水平方向的摇摆等不规则运动。这些不规则运动最终会造成采集到的检测视频视场晃动严重，质量下降，并使用户感兴趣的管道壁待检测区域不能稳定地存在于图像的一个固定区域。为了消除这些负面影响，系统采用了水平视场角为360°，垂直视场角为220°的超广角鱼眼镜头，采集的视频图像为一个半球形，同时为了得到稳定视角的检测视频，采用了一种虚拟稳定视场检测视频生成方法，可以获取稳定视场的检测视频，并改善视频的质量。

3.2 管道病害定位技术

目前，管道检测设备的主流定位方式是采用里程计，但是基于里程计定位方式的爬行类检测机器人除了效率低下之外，也无法在半水状态下的地下供排水管网中进行破损检测与定位。另一方面，借助惯性导航定位方式，其误差也会随着时间和距离的累积，精度逐渐降低，而采用高精度的惯性单元将导致成本极高。

排水管道胶囊中含有摄像头和IMU单元，采用视觉惯性里程计(VIO)定位。由于排水管道环境复杂，且胶囊在漂流过程中存在剧烈晃动，若运用传统的VIO，图像特征点难以提取与跟踪，也无法避开传感器时间同步与外部参数标定的问题，算法很难正常工作。为了解决这一问题，系统将视觉惯性里程计设为序列回归问题，采用了基于学习的方法来进行特征提取与跟踪，没有从几何角度建立复杂的数学模型，而是采用了基于CNN-RNN神经网络的视觉惯性里程计定位算法进行位置推算，其模型如图5所示。通过对定位样本训练数据的采集和学习，CNN-RNN视觉惯性里程计模型能够精确地定位管道检测胶囊，其定位精度与样本的训练效果和胶囊所采用的IMU单元精度紧密相关。

图5 视觉里程计定位算法

3.3 管道病害识别技术

常规的管道病害检测设备主要依赖于人工判读，准确度高，但效率低。为了满足快速、大范围排水管网病害普查的需求，排水管道检测胶囊系统采用了基于深度卷积网络模型对排水管道的病害进行自动识别和分类。该方法利用大量的管网检测数据，使用残差网络作为骨干网络的深度卷积网络，利用图像级标签区分不同病害和正常图像，并引入了层次分类的方法分层对不同管材的病害进行分类(目前主要区分PVC和混凝土材质)，以解决由于不同管材的各种病害类型的发生频率不同而导致的病害训练样本数量不平衡的问题。

如图6所示，首先，使用胶囊设备获取不同材质管线的病害图片，并按照病害类型对其分类；然后，使用基于深度神经网络模型，针对不同管材的病害做层次分类训练；最后，使用训练得到的模型对地下管线病害进行自动识别和分类。

图6 地下管网病害检测深度卷积网络模型

4 应用案例

2019年，排水管道检测胶囊系统应用到了合肥市老旧小区雨污管网检测项目中。根据《合肥市人民政府办公厅关于印发合肥市分流制排水系统雨污混接调查和整治工作方案的通知》(合政秘办[2017]150号)及《城镇排水管道检测与评估技术规程》(CJJ181-2012)有关规定要求，合肥市开展了市政排水设施及河道综合性养护管理工作，其中包含了90多个小区的管网检测工作。排水管道检测胶囊系统承接了其中巴黎春天、利浩财智广场、瑶海社区等多个小区的雨污管网普查工作，图7展示了利用胶囊采集的部分管道病害效果。

图7 胶囊检测地下管网典型病害

5 结 语

根据2016年城乡建设统计公报，我国城市排水管道总长度为57.7万千米。其中仅深圳全市污水管网的存量就约 6 000 km，雨水管网总量约 7 000 km。数量庞大的排水管网，如果采用常规手段，日常巡检维护任务将十分艰巨。

基于排水管道胶囊的管网病害检测方案，相对于CCTV检测机器人、管道潜望镜等检测技术，具有检测速度快、单次检测范围大的突出特点，可以大大节约管线病害普查的数据采集和数据处理的工作时间。管道胶囊系统集成了多种传感器和先进的位置推算和图像处理算法，可以快速、精确、经济地定位和识别管道病害，是对现有排水管道检测技术的有力补充。同时，系统检测成果易于与现有的管网信息化系统集成，服务于综合管廊、海绵城市与智慧城市等领域。