基于人工智能技术的城镇排水管网系统研究

代毅，陈增兵

(深圳市博铭维智能科技有限公司，广东 深圳 518010)

1 引 言

城镇排水管网管理信息系统[1]是利用相关技术与给排水专业技术相结合，集采集、管理、更新、综合分析与处理城镇排水管网系统信息等功能于一身的应用系统。由于信息化建设较为滞后，导致目前排水基础设施信息化建设水平较低，信息采集量不足、覆盖内容不全、时效性差、精度低。此外，由于排水管网数据挖掘程度较浅，对于信息的利用仍停留在表面。城镇排水管理是一项复杂工程，牵扯管理部门多。目前许多部门已经投入了相关信息化建设，也掌握一定的数据，但由于业务复杂，导致仅仅依靠自身收集的数据，仍然难以满足自身业务需求。

1956年，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”[2]这一术语，它标志着“人工智能”这门新兴学科的正式诞生。目前人工智能技术发展迅速，已经在机器视觉、指纹识别、人脸识别、专家系统、图像理解等多个领域进行广泛应用，推动了相关产业的快速发展。尤其以基于深度学习[3]技术的海量数据分析，能够对大样本数据进快速分析，在机器视觉、语音识别领域具有重要应用价值。将深度学习技术应用于管网检测数据(视频/图像)的分析处理，对于提升内业人员数据分析效率具有重要意义。

将人工智能技术应用于城镇排水管网系统研究中，能够进一步提升系统的智能化、信息化水平，逐步提升水生态环境综合指标，为我国水生态环境建设以及海绵城市建设提供强有力的技术支撑。

2 人工智能排水管网系统

2.1 基于深度学习的管网检测数据分析

传统的机器学习[4]技术往往使用原始形式来处理自然数据，模型的学习能力受到很大的局限，构成一个模式识别或机器学习系统往往需要相当的专业知识来从原始数据中(如图像的像素值)提取特征，并转换成一个适当的内部表示。而深度学习则具有自动提取特征的能力，它是一种针对表示的学习。深度学习允许多个处理层组成复杂计算模型，从而自动获取数据的表示与多个抽象级别。这些方法大大推动了语音识别、视觉识别物体、物体检测、药物发现和基因组学等领域的发展。通过使用深度学习算法，有能力发现在大的数据集隐含的复杂结构。

由于管网检测数据存在数据量大、需要分类种类多以及对数据分析人员专业水平要求较高等特点，目前对于海量的管网检测数据需要大量的专业人员进行数据分析，存在分析效率低、容易出现误检以及分析成本高等情况。通过基于深度学习的图像智能分析技术，能够解决目前管网检测数据分析存在的难点，通过双任务+双输入流的模型(two-task+two-stream)训练方式实现了更加准确的数据分析判读，具体算法实现过程分为以下几个步骤：

(1)视频分割：通过将采集的管网检测视频，根据视频的长度大小，将视频按照预先设置的长度阈值T进行等间距分割成N个片段Vi i=[1.2...N]，这样可以对视频进行并行多任务处理，提升处理速度，如图1所示。

图1 视频分割

(2)特征提出：对分割完后的每个视频片段，按照固定采样间隔进行图像采样，获得采样后K帧图像序列Fi i=[1.2...k]，同时对这K帧图像序列与其下一帧的图像进行差分，得到K帧的差分图像序列Fj j=[1.2...k]，并通过归一化的方式将等到的差分图像序列Fj j=[1.2...k]进行归一化，将这两组图像序列作为特征输入进入深度学习网络进行参数训练。基于深度学习的管网数据分析判读如图2所示。

图2 基于深度学习的管网数据分析判读

(3)特征融合：融合分为两个步骤，第一步：融合采样得到图像序列Fi i=[1.2...k]和经过差分得到的图像序列Fj j=[1.2...k]得到一个特征矩阵；第二步：在时间维度上通过最大池化的方式融合K帧采样图像Fi i=[1.2...k]和K帧差分图像序列Fj j=[1.2...k]的特征得到这个视频片段的特征Fvideo。

(4)分类器分类：分为两个步骤，第一步：通过对视频片段的特征判断，经过激活函数，输出维度为2的分类结果，判断该视频片段是正常/异常的概率；第二步：通过激活函数，输出维度为17(按照《城镇排水管道检测与评估技术规程》(CJJ_181-2012)[5]中规定的16中管道缺陷类型加上正常类型)的分类结果，判断出该类型是否异常，以及异常情况下是属于何种管道缺陷。

图3 三种模型的PR曲线图

通过将采用的双任务双流(two-task+two-stream)模型与只分类正常/异常类型缺陷的单任务模型(one-task)以及只通过采样图像序列作为单一输入数据的双任务模型(two-task)进行比较，得出PR(Precision-Recall)曲线如图3所示：

从PR曲线可以清晰看出，采用双任务双流模型的识别准确率更高，三种模型的识别准确率统计表格如表1所示：

3种模型识别准确率统计结果 表1

2.2 基于人工智能的管网管理系统

(1)管网云平台管理系统功能概述

通过将基于深度学习的管网缺陷识别技术、云计算技术[6]、GIS技术与管网管理系统进行有机结合，实现管网智能管理信息系统，全面提升管网管理的智能化、信息化。管网管理系统包含以下几个功能：管网检测在线、管网信息、健康评估、管网监测、缺陷识别、三维重建等功能。通过管网云平台首页能够清晰地了解关注区域内的管网整体统计数据，包括管网缺陷统计数据、管网检测工程量数据、管网运行状态趋势数据等多种数据，如图4所示。

图4 基于人工智能技术的管网云平台

管网云平台包含设备在线管理系统、管网数据管理系统、健康评估管理系统、管网监测管理系统以及管理数据智能分析系统(图5)，其中①设备在线系统能够对管网检测设备进行在线管理，包括现场检测视频实时回传显示，设备运行轨迹远程查看等功能；②管网数据管理系统能够在基于管网GIS技术的基础上关联相应的管网检测数据，包括管网检测视频、管网缺陷图片、管网检测报告、管段信息以及井口信息，实现管网数据综合在线管理；③健康评估管理系统能够对管网检测数据进行图像化、统计表格形式进行展示，同时也可以对管网缺陷区域进行热力图展示，可以更加直观地了解所关注区域管网的整体运行状况，以便制定相应的解决方案；④管网监测管理系统通过在线监测设备能够对重点区域进行不间断监测，对相关紧急事件能够及时预警，提升管网运营管理响应效率。

图5 管网云平台各个子模块

(2)管网缺陷在线识别系统

通过结合深度学习技术，将基于双任务+双流输入的管网缺陷深度学习分类模型应用于管网缺陷在线识别(图6)，通过对上传的管网检测视频，自动调用模型进行数据解读，自动判读是否存在缺陷，以及缺陷的具体类型，并依据国家相关标准，自动生成管网检测报告，实现管网数据分析全流程自动化、智能化，提升管网检测数据分析效率。

图6 管网缺陷在线识别系统

3 结 论

通过基于深度学习的管网海量检测数据智能分析技术，可以自动对管网检测设备获取的管网检测数据进行快速、智能分析，判读出其中存在的管网缺陷，并结合管网GIS技术自动关联到对应的管段信息，快速生成区域内管网整体的运行状况，并根据专家诊断系统，科学提供专业的管网修复方案，为管网的智能化、信息化管理提供科学有效的解决方案。