远程监控系统在渤海某油田的应用

2021-12-31任宏伟徐鸿苟青清

科学与信息化 2021年31期

任宏伟徐鸿苟青清

1. 中海石油（中国）有限公司秦皇岛32-6/渤中作业公司天津 300452

2. 中海油能源发展有限公司工程技术分公司天津 300452

引言

为了进一步提升油田管理质量和管理效率，突破传统管理瓶颈，打造“智能、安全、高效”的新型海上油气生产运行模式。渤海某油田积极探索，应用了基于大数据、图像识别、远程控制等技术，集成视频监控、流媒体平台、DCS系统、巡检机器人、智能终端等系统，实现现场视频全方位、多角度实时监控和报警，生产流程全过程实时监测和报警，摄像头、机器人、无人机远程操控，为远程决策指挥提供信息化手段支撑，辅助提升海上生产管理水平。

1 技术实践

1.1 视频识别技术

借助于视频摄像头采集的视频信息，应用AI图像识别技术，通过边缘一体机将视频信息以及视频报警信息通过海陆间光纤网络回传陆地操控中心，实现作业现场实时检测人的不安全行为、物的不安全状态、环境风险及管理上的漏洞，提前预警风险，防范事故发生。

以未戴安全帽识别的开发流程描述如下：

1.1.1 海上生产平台采集数据：采集视频流、图片数据（通过对实际应用场景进行摄录和拍照的方式进行数据采集；采集时间段分白天和夜晚，对照光线清晰和光线阴暗的情景；应用场景分为佩戴安全帽，未佩戴安全帽，手持安全帽，独立安全帽等全方位场景）[1]。

1.1.2 数据分析标注：图片数据的截取、图片数据的清洗、对各种标的图片进行标注（首先对标的数据进行截取，形成图片模式再进行处理，例如增加白平衡、曝光、去噪等方式；对处理后的图片进行人工标注和导入软件进行标注）。

1.1.3 算法模型建设：算法模型设计、算法模型底层代码和深层代码的开发，比对引擎的开发（对各类安全帽应用场景进行背景建模，编制各类场景的安全帽代码，和人体检测代码，最后开发比对引擎软件）

1.1.4 导入比对引擎进行训练，进行内测调试，再进行补充不同的标的图像数据进行优化学习训练。开发过程中对项目标的物进行模拟实际场景应用，进行内测调测（通过开发的代码导入比对引擎来分析各类场景安全帽的识别度，经过不同标注的代码进行大量训练，提高识别度和准确率；模拟实际应用场景进行内测，调试代码，清洗不合理代码，尽可能还原实际场景，使算法功能达到最优化）。

图1 安全帽识别算法实现流程整体架构图

1.2 远程控制技术

在云端远程监控服务发出远程控制指令，控制指令经过检查并加密后传输到边缘端远程控制服务，远程控制服务解密指令并执行，控制对象包括CCTV、巡检机器人、智能分注等设备。同时，也会将控制结果进行日志记录，并将执行结果同步到云端。

图2 远程控制指令控制流程

2 实施成果

本远程监控系统将视频、PCS、机器人等系统功能进行整合，形成了海上平台多维度、立体化、智能化的远程监测和协同操控的闭环管理模式。提升监测、分析与控制的精准度，降低现场问题排查落实的工作量，缩短管控时间，是海上平台安全平稳运行的强力保障。

2.1 视频监控

通过本地视频接入和功能集成，基于视频监控、DCS等系统，结合巡检机器人、智能终端，通过大数据、图像识别技术，实现生产流程实时监测、生产异常实时报警、报警处置闭环管理等功能，支撑远程决策指挥[2]。主要功能包括：

2.1.1 视频监控：整合现有和新建的视频监控资源，在全区域视频覆盖的基础上，实现海上各类视频的集中管理、授权调用，满足生产操控中心视频监控的需要。

2.1.2 视频报警：对烟火、逃生通道占用、为穿戴PPE等事故进行报警及定位。支持报警联动分析功能，显示报警区域附近的摄像头视频监控画面及相关流程监控画面[3]。图像识别报警时，报警区域调出报警区域各设备及工艺流程节点的实时运行参数，实现对报警区域的联动监控，辅助生产操控中心进行报警分析。支持视频报警记录查询服务，调取相关报警详细信息。

2.1.3 摄像头信息管理：配置摄像头与AI预警模型的绑定关系，推送AI视频智能识别模块进行自动视频报警检测。

2.1.4 AI报警模型：展示当前所有的预制AI预警模型信息，提供对模型外部参数的配置功能，与视频智能识别相关联，通过绑定摄像头进行事件图形资料的智能分析，产生对应视频报警信息。