基于物联网的河道采砂智能监管系统研发与应用

袁锦虎，肖勇荣，邓 虹，许小华

(1.江西省鄱阳湖水利枢纽建设办公室河湖处，江西 南昌 330009；2.江西滴石科技有限公司，江西 南昌 330029；3.江西经济管理干部学院电子与信息工程学院，江西 南昌 330088；4.江西省水利科学院智慧水利研究所，江西 南昌 330029)

河道采砂是社会关注的热点，也一直是政府管理的难点。受高额利润驱使，无证开采、超采滥挖等非法采砂问题仍突出存在，非法采砂严重影响河床稳定，给河段的防洪安全、通航安全和生态环境带来严重影响。虽然各地采取了大量管理措施，但由于监管技术手段不足、人力缺乏等问题致使采砂现场监管力度明显不够，采砂运砂活动难以有效管控[1]，非法采砂现象时有发生，迫切需要以“人防+技防”、“互联网+监管”模式，实现对非法采砂运砂的全天候监管。

另一方面，《江西省河道采砂管理条例》《水利部关于河道采砂管理工作的指导意见》先后出台，采砂规划的刚性约束进一步强化，对采砂船数量和砂石开采总量提出了严格控制的管理要求，新形势下粗放管理的采砂现状已不能满足当前河湖管理保护的要求。因此，开展河道采砂智能监管平台研究和建设，落实采砂总量控制制度和“五定”作业要求，实现河道采砂从规划、许可、开采、运输、执法及溯源和预警的全方位规范化管理非常必要。

基于上述要求，充分利用物联网、大数据、云平台、人工智能等信息技术，通过开展基于物联网的采砂智能监管关键技术研究，并在江西省采砂管理信息化平台实践应用，实现河道采砂全过程网络智能化监管。

1 采砂智能监管系统构成

1.1 采砂智能监管目标

基于物联网的河道采砂智能监管系统研究目标主要是规范河道采砂按“五定”(定船、定点、定时、定量、定功率)要求开采，实现对采砂从业者、采砂船(车)、砂场全要素的综合管理和从规划、许可、开采、运输和销售全链条的监管，提供看得见(采砂现场视频监控)、方便查(全过程实现电子采运单核查)、能预警(大数据分析智能预警)的监管技术手段。

1.2 采砂智能监管系统架构

将设备(船、车)、场所(采区、砂场)、人员作为业务点，将采砂规划、许可数据作为约束条件，以采运砂电子采运单为业务主线，通过数据融合和管理实现采、运、销活动的动态监管。具体通过卫星定位、射频识别(RFID)、视频监控和智能AI技术形成智能感知体系[2]，获得采砂、装砂、运砂、卸砂的视频监控、运行轨迹和位置感知识别等有效记录，通过现场多传感器的信息汇聚和业务流程再造，综合利用大数据分析、智能识别和追踪以及预警技术，实现采运砂现场全过程的动态监控和智能化监督管理。

2 采砂智能监管关键技术

通过引入位置拟合算法、图像识别等“智能+”技术，对采、运砂船进行图像识别和位置追踪[1]，同时采用带轨迹和照片的电子采运管理单，形成对非法采砂行为的多方位监控、预警和取证。

2.1 位置拟合算法

船舶间的相对位置、船与采区和砂场的相对位置是采砂智能监管的重要依据，由于民用卫星定位的精度和气象、场所等因素的影响，存在位置数据精度不足、部分时间点数据缺失等情况。为此，引入基于近场通讯的射频识别(RFID)技术[3]进行相对位置的判别补充。

位置拟合算法主要解决两方面的位置拟合判定，一是“五定”中的定点开采，判定采砂船是否在指定采区的多边形坐标范围内，采用坐标范围判定方法；二是智能分析采砂、运砂、卸砂的业务时间点，需判定采砂船与运砂船、运砂船与砂场的相对关系，进而判定采砂作业是否规范、运砂船是否照单运输等，采用相对位置时序判定方法。

1)坐标范围判定。需要判定采砂船是否在采区内采砂，如果不在要给出距离采区范围的最短距离，同时考虑坐标精度和坐标点数据瞬时漂移，需要进行数据有效性判定。通过目标设备的常态速度将一些产生瞬时漂移的数据过滤。根据判定需求，采用引射线法进行设计，能同时判定是否在采区内并计算最短距离。

2)相对位置时序判定。在进行采砂、运砂作业拟合判定时，一般通过采砂船和运砂船、运砂船和砂场的相对位置时序图进行AI判定。首先给出机器学习基础知识，采砂船采砂时间、运砂船运砂时间、砂场卸砂时间为主要时序图模型。然后AI算法根据运行的实际数据结合电子采运单数据进行线性回归算法计算，拟合出一次完整的采砂、运砂、卸砂过程。如图1所示。

图1 运砂船位置拟合时序图

采运过程拟合：以两靠(T1，T3)和两离(T2，T4)结合三时长(P1、P2和P3)进行线性回归(时长偏离线性参数m，n，c)计算。

计算满足即拟合一次采运过程：

P1×(1-m)≤(T2-T1)≤P1×(1+m)

P2×(1-n)≤(T3-T2)≤P2×(1+n)

P3×(1-c)≤(T4-T3)≤P3×(1+c)

停靠/驶离判定(T判定)：停靠/驶离(T)的判定主要是采用距离渐进(离)法，通过RFID进行进场捕获，通过卫星定位坐标进行距离计算。需要处理两类问题：一是运砂船途经采砂船或砂场，被RFID捕获，可以通过前面的线性拟合计算排除；二是卫星坐标的不确定漂移带来的距离反向变化，导致指定周期内无法数据收敛，一直处于跳动计算，可通过运砂船的停靠数据分析，计算停靠一个采样周期的典型位移，当采样周期获得的位移超出该典型位移时则判定为坐标漂移，丢弃该采样数据，从而保障数据的收敛性，快速确定停靠时间(T)。

下面以运砂船停靠采砂船为例的数据如图2。

图2 停靠数据拟合结果表

RFID进场捕获距离为500 m，当采砂船45捕获到运砂船141进入RFID区域后，开始进入停靠监测，监测距离分别为300、200、100 m和50 m，稳定循环次数采用3次。RFID捕获后首次监测距离为345 m，经过9次数据分析，距离符合渐进原则，稳定获得连续3次(cyc的值为3)posion为0的数据后，最终判定141停靠45。对于卫星坐标漂移问题，采砂船45从7:08:00到7:09:29秒中间是断了2个周期的数据，就是因坐标漂移的位移超出典型位移，从而被系统丢弃。

时长判定(P判定)：两个T之间会产生一个P，如何动态生成标准P是拟合的关键要素，采用的方式是通过历史数据进行方差计算获取，其中Pn是需要计算的期间的历史数据，M是历史数据的平均值。

当S2小于系统设置的参数时，即视为数据处于稳定状态，此时取历史数据中的中位数作为标准P(P1，P2，P3分别通过方差收敛和中位数计算得到)参与到运砂过程拟合计算。

2.2 图像智能识别

主要用于辅助判定是否开展了采砂、运砂作业。图像智能识别已发展到深度学习算法，主要是卷积神经网络模型。

1)卷积神经网络分层模型算法。基于卷积神经网络的深度学习模型就是通过将原始数据与具备权重的卷积核做加权，从原始数据中提取出想得到的信息。在图像处理中，经常用不同的卷积核对图像进行处理。

2)采砂运砂图像识别设计。采砂运砂图像识别设计采用基于卷积神经网络的深度学习模型，具体算法模型采用Fast R-CNN算法。

算法特性：卷积不再是对每个特征区域进行，而是直接对整张图像，这样减少了很多重复计算。用特征层进行特征的尺寸变换，因为全连接层的输入要求尺寸大小一样，因此不能直接把特征区域作为输入。

将回归量放进网络一起训练，每个类别对应一个回归量，同时用softmax激活函数代替SVM分类器。首先，输入一张需要检测的图像；然后，提取特征区域；接着，对卷积特征层上的每一个特征区域进行池操作；最后，将提取到的全部特征区域输入全连接层，用soffmax激活函数进行分类。

3)算法应用测试。在实际应用中，预训练模型使用的是VGG16，network参数就适用默认参数，学习率先默认为0.001进行实验，后期取0.01或0.0001进行多次实验，batch_size参数取128，训练时梯度下降的速率更快，也具有更高的方向准确度，其他参数均采用默认值。采用经过训练后生成的模型，按照0.8作为检出判别参数，对采集的200张监测图片进行测试，正确率为67.2%，漏检率为25.6%。

3 系统应用

技术成果通过江西省河道采砂管理信息化平台在赣江中下游开展试点应用，应用内容主要包括四个方面。

3.1 建立采砂监管基础信息子平台

建立省、市、县三级采砂管理基础资料体系，分级管理[4]，作为智能监管数据基础和控制依据，支撑用于采砂规划、许可、开采、运输、销售全过程行政信息查询统计和管理。基础信息：一是采砂规划许可信息，如采区坐标、年度控制开采量、作业时限、船只数量等；二是采(运)砂船(车)及砂场信息，如装载吨位、船检证书、砂场坐标等；三是采砂业主及监管单位和人员，如职务、联系方式等；四是开采日(月)报台账信息，如开采量、船数等。

3.2 建立采砂现场智能化监管子平台

通过物联网、视频监控、GPS、RFID和智能AI技术形成智能感知体系，获得采砂、装砂、卸砂的视频监控、运行轨迹和位置感知识别记录，通过智能算法辅助判定采砂船什么时候开采、多长时间装完一船以及运砂作业时长、卸砂作业时长等智能监管需要的数据，并上传云服务数据库，实现历史数据的回溯。

基于采砂规划、许可和管理要求，采砂船只、车辆统一登记，通过电子围栏[5]、时限设置、采运单记录等方式规范采砂船按照“五定”要求作业，对非指定船只采砂、超采区范围采砂、超时间规定采砂、超限定功率采砂、超总量采砂以及无票运砂、偏离正常线路运砂卸砂等违规情况即时智能识别并告警。具体如图3采砂船监控预警集成显示。

图3 采砂船监控预警集成显示图

3.3 建立采运销(用)闭环监管体系

电子采运单有效提高了对河道砂石“采、运、销”全过程监管的能力和效率。以电子采运单为主线，运砂作业一船一单，实时开单(可机打)上网，通过二维码(扫码填报或查验)实现采砂和运砂的闭环管理[6]。通过对采运单信息自动统计采砂、运砂、卸砂数据，对比规划、许可数据，实现对采砂、运砂行为的预判、告警和控制。通过对采运单信息实时、多条件查询分析，为有效管控和规范采砂运砂活动提供有力的技术支撑。如图4采运销综合展示。

图4 采运销综合展示图

3.4 建立采砂监管全景信息展示子平台

建立全省砂石采运监管动态地图，基于GIS地图通过视频、照片、轨迹、图表等可视化方式实时、全景展示全省采区、砂场作业以及运砂情况；对智能预警平台的预警信息进行地图标示。建立全省采砂量监管统计分析图，实时显示全省以及各流域、区域、采区开采信息以及砂石流向情况，实现一图展示和可视化分析[7]，结合报表选取区域、时间段等进行各类查询统计分析。

4 结 语

该应用平台填补了省级采砂管理综合信息化建设的空白，平台的研发和运行实现了全省采砂管理业务信息的规范化管理，基本形成河道砂石开采、运砂、销售的实时智能监控一体化，取得了较好的应用效果和管理效益。下一步，依托智慧水利框架和数字孪生建设，将河道采砂智能监管系统模型用于数字孪生流域平台，实现河道采砂管理和执法数据全面共享和协同应用，为形成全方位、高层次的流域智慧采砂监管打下坚实的基础。