基于“5G+AI+大数据”的原水管线智慧化巡检研究

摘要：为满足社会发展的需求，开展各类生产，须引进科学技术，建立智慧化系统。基于此，为了提高原水管线巡检效率和质量，提升巡检质量和效率，对利旧枪机摄像头、利旧球机摄像头定点巡航等开展数据采集，并在后台进行AI分析，对需要报警的行为或者信息在前端和后台都发出预警，做到事前预防、事中预警、事后回溯，达到7×24"h自动对管道环境进行“体检扫描”效果。

关键词：5G+AI+大数据""原水管线""智慧化巡检""管道环境

中图分类号：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

随着经济社会的飞速发展，给科学技术的进步提供了强有力的支持，科学技术被应用于不同领域与行业之中，为提升生产效率与生产质量奠定了坚实的基础。城市化发展建设的过程中，原水管线在其中发挥着重要的作用和价值，但是其与普通管线之间具有一定的差异性，原水管线巡检存在一定难度，传统巡检方式存在漏检情况，针对此情况，技术人员与研究人员提出应用“5G+AI+大数据”技术，以此为基础针对原水管线开展智慧化巡检，进一步提升巡检质量以及巡检效率[1-2]。

1工程概况

本文将杭州原水管线巡检作为案例进行研究。杭州原水管道埋平均深度为地下25"m，管道总长度为28.6"km，其中20.2"km为输水钢管，包括14个伸缩节、22个阀门、9个配电间、数十个插座箱、数百个焊缝。现阶段，为保证原水管线满足社会发展需求，巡检采用人工巡检方式，但是原水管线运行环境较为特殊，建设于地下封闭环境内，且空间有限，此种环境很容易导致巡检人员出现惰性、疲劳感的情绪，降低巡检质量，无法第一时间获取异常情况，无法及时对故障缺陷进行处理。虽然为满足巡检需求，装有液位传感器等设备，但是巡检较为单一，无法对巡检进行验证，缺乏自主学习能力，也并未预留升级空间[3]。

2“5G+AI+大数据”的原水管线智慧化巡检建设

2.1确定监控点位

首先需要明确监控摄像头安装位置。工作人员须按照实际情况以及巡检要求布置安装监控摄像头。本次地下管道监控点位部署算法如表1所示。

2.2硬件设计

2.2.1服务器选型与部署

（1）服务器选型。服务器是系统重要组成部分，其是保证系统正常运行的关键，为计算机视觉算法运行提供保障，因此需要明确服务器类型，根据系统与选件要求，确定服务器选型。对于本次建设来说，采用机架式服务器，其型号为：CPU"20核*2/64G内存/480G固态硬盘+8TB机械硬盘/RTX"3090"24G显存/DVDRW/机架式。

（2）服务器部署安装。安装之前，需对整体系统进行探索，将服务器部署安装在G3井配电室机柜中，并做好线路连接，允许监控网络访问，部署安装位置如图1所示。在进行安装的过程中，第一步，取下滑轨，根据服务器安装高度明确具体位置，并安装滑轨；第二步，在对应位置安装与之相匹配的螺帽；第三步，利用螺丝固定滑轨，保证安装稳固性，保证固定不动；第四步，将服务器放入滑轨内，并保证不对服务器造成损伤；最后，将服务器划入机柜内，并进行规定处理[2]。此外，需要注意的一点是，要做好网络配置，Ubuntu"18.04采用netplan来管理网络配置计划，在/etc/netplan/目录下有一个以yaml结尾的文件。

2.2.2监控摄像头选型与部署

（1）监控摄像头选型。摄像头是获取图像信息的关键，须保证图像信息的精准性，选择400"W及以上像素的摄像头，且需满足云台运行需求（可设置预置点巡航，做变焦和云台动），对于本次工程项目来说，选择DS-2DF82CBXMH-A型号的摄像头。

（2）摄像头部署与安装。首先，须根据巡检需求明确摄像头部署点位，并明确走线方向；其次，在进行安装的过程中，须完全按照施工方案进行，并强化安装过程中的监督控制，保证安装质量；最后，进行验收工作，保证摄像头正常运行，满足监控需求。

2.3智慧化巡检平台部署

2.3.1平台部署

部署采用基于docker容器或者K8S的主流方式，保证可以整合到大的系统和平台上，也容易保证兼容性和部署的统一性。架构采用多种接口和服务化部署，以Serving方式提供接口，Web方式访问和管理，以此保证整体平台运行质量与效率[3]。本工程决定采用基于docker容器，以此为基础进行平台部署。

首先，须按照需求安装GPU服务器（“sudo"apt"install"nvidia-driver-470"nvidia-dkms-470"sudo"ubuntu-drivers"devices”）；其次，构建视频流服务，此时采用Install"GStreamer，并按照实际要求安装依赖包、更新依赖包，以此保证编译的精准性与可靠性，为巡检工作的开展提供支持；再次，安装容器与docker容器；最后，开展验收工作，显示英伟达信息则说明容器安装正常，可正常运转。此外，还需将其与AI平台容器进行连接，并将文件导入其中，完成全部部署安装[4-5]。

2.3.2视频采集

视频采集可获取具体运行信息，包括设备机械、工作人员等情况。在开展工作之前，工作人员需明确算法部署，根据不同区域的需求设计算法部署，包括人员分布、吸烟识别、人员跌倒识别以及配电异常单元识别、配电柜温度异常识别、仪表识别。根据视频采集需求，部署监控摄像头，并设置IP地址以及账号密码等信息。须重点部署设计配电柜异常检测单元，将配电柜分为ABCD"4个单元，并根据不同单元需求设置报警装置，如故障指示灯、旋转开关，通过判断其状态，明确是否存在故障缺陷。同时，工作人员还需采样方法，摄像头放置在某一个预置点，对目标配电单元进行正常状态和异常状态的模拟，记录下模拟时间，在所有预置点及采样目标均完成模拟后将对应时间的视频录像从监控平台中拷贝出来。

此外，还需进行测温纸颜色检测、人员分布检测、人员跌倒识别、抽烟检测等，将其监控系统、AI平台进行管理，对图像信息进行分析，在“5G+AI+大数据”技术的支持下，平台具有自主学习的能力，利用算法可明确当前运行存在的故障问题。在此过程中，需根据配电柜实际情况，部署监测点位，并利用算法进行识别，随后在AI平台的支持下，对数据进行分析，判断故障类型、程度以及影响。

2.4算法开发

算法开发是智慧化巡检中重要项目之一，是保证检测与识别精准性的关键，对于人员识别以及配电柜识别等算法来说，技术较为成熟，但是对于“抽烟识别算法”来说研究较少，而此项内容是本次建设的重点内容之一，因此需要做好抽烟识别算法开发。

根据本次建设项目实际需求，将MobileNetV2的深度学习模型作为抽烟识别算法模型，以此为基础开展项目训练，此种模型应用具有较强的优势，精准度高、识别速度快，且安装便捷。在开展项目训练的过程中，实现了现场采集图像信息的目的，并及时开展训练，为后续工作部署提供支持，根据实际情况建设真实模型，提升了模型适应性，以此保证后续工作的顺利进行实现智慧化巡检的目的[4]。本次采用MobileNetV2的深度学习模型，其体积较小，因此在进行部署时，可将其安装到嵌入式设备内，并将其与整体系统平台进行连接，通过并发运算的方式开展后续工作，其可以与其他识别等流程共同进行，降低了的时间资源的消耗。同时，在进行模型安装的过程中，在高适应性的支持下，可与云平台以及AI入云有效融合，且其运行只需应用1个普通网络摄像头即可，降低了成本支出。

2.5系统试运行

完成上述工作之后，需将各个系统进行有效连接，并进行相应的调试，最后针对整体系统开展试运行，对试运行过程中产生的数据与异常行为进行记录，对数据参数进行分析与讨论，判断系统是否存在问题。在开展试运行的过程中，需重点针对图像识别系统与数据分析系统进行观察，保证系统运行稳定性，同时还需针对监控摄像头进行重点检查，尤其是图像信息以及影像信息的重要来源，需保存在表面不存在磨损等情况，并对采集的图像信息进行检查，保证其清晰性，满足巡检要求。

3结语

综上所述，在开展城市化建设的过程中，原水管线是其中最为重要的基础设施，为居民提供充足的水源，但是由于其长期处于运行状态，且受到环境的影响，巡检难度以及巡检强度较大，人工巡检的方式无法满足当前发展建设的需求，针对此情况技术人员提出智慧化巡检方式。在建设智慧化巡检的过程中，须引进“5G+AI+大数据”技术，确定监控点位，并做好硬件设计、智慧化巡检平台部署以及算法开发工作，完成建设之后，须进行试运行，以此保证系统运行的稳定性，满足巡检需求。

参考文献

[1]郭容昱.基于CIM+AI机器人的大型城市综合体智慧化运维框架研究[J].住宅与房地产，2023（23）：60-64.

[2]徐旺，张磊，胡金勇.基于用户大数据的5G天线权值优化方法研究[J].佛山科学技术学院学报（自然科学版），2022，40（6）：11-20

[3]范敏，刘春阳，陈宇恒，等.基于5G，物联网技术和微服务架构的智慧园区平台设计与实现[J].长江信息通信，2023，36（11）：35-37.

[4]胡巍，杨强.基于5G+AI的智慧工地安全监督平台创新实践[J].电力大数据，"2023，26（9）：79-85.

[5]李都望，黄有文，邓慧萍，等.中长距离输水管线压力管控智慧化改造实践与分析[J].给水排水，2023，59（3）：116-120.