基于边缘图像采集的抽蓄电站重大风险图像实时监测

2024-05-12朱海峰彭绪意章志平吴中华李桂林

水电站机电技术 2024年4期

朱海峰，聂赛，彭绪意，刘泽，章志平，吴中华，李桂林，郑源

（1.江西洪屏抽水蓄能有限公司，江西宜春 330603；2.河海大学能源与电气学院，江苏南京 211100）

0 引言

随着社会工业化和信息化的相互融合，以及5G、物联网和大数据等技术突飞猛进，万物互联的时代已经到来。由此产生了大量的网络边缘设备，并且产生了大量的边缘数据，已经达到了泽字节（ZB）的水平。而当前的处理模式大多还是以云计算模型为核心，对众多数据进行集中式处理，然而面对海量的边缘设备产生的数据，云计算模式显然已经有些乏力，主要表现在：

（1）云端算力不足。边缘设备数据爆炸式增长，而云计算的算力增长速度无法满足。

（2）能量消耗大。网络边缘设备传输数据到云端会消耗较多电能，经济性差。

（3）带宽限制。海量边缘设备产生的数据传到计算中心需占用大量带宽，造成网络拥堵，增加网络延迟，还存在丢包的风险。

（4）数据安全性不能保障。由于网络边缘数据涉及个人隐私,数据在传回云端时容易泄露。

因此,以边缘计算为核心的数据处理模式产生了，其计算模式就是在产生边缘数据的设备附近进行计算，并与以云计算模型为核心的数据处理模式互相配合，从而应对信息时代数据处理中的各种问题。

目前，关于图像采集和识别技术在电厂的安全生产管理上已经有了相关的研究和应用。马进、郑卫东等人对基于图像识别的电站控制方法和巡检方法做了指导[1，2]。对于云计算，浙江省丽水市水利局已经开始应用以图像智能识别技术为基础的监管平台[3]。对于边缘计算，施巍松等人详细介绍总结了边缘计算的基本理念与规律，促进了边缘计算技术的发展[4]；李子姝和谢人超等学者团队对边缘计算进行了详细的分类规划[5-8]；项弘禹等将网络切片和边缘计算融合，能够满足5G 中广泛的用例和商业模型[9]；齐彦丽团队提出了融合MEC 的5G 网络架构，并解决了多项关键技术，为边缘计算实际应用打下基础[10]。

本文将依托洪屏抽水蓄能电站，以云编排平台为支撑，进行边缘图像采集在抽水蓄能电站的标准化现场应用探讨，并进行了基于边缘计算的图像实时监测系统的实际应用。

1 边缘图像采集理论

1.1 理论依据

所谓边缘计算，即在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供本地化智能服务。边缘计算是对云计算的补充和延伸，可以为物联网中的终端设备提供更便捷、丰富的弹性资源，是连接信息和通信技术与操作技术的重要一环。运算任务在网络边缘侧完成，一方面对云端的算力要求极低，能够节省带宽，节约电能和网络资源，有利于在低延时下完成网络服务响应，另一方面，能满足客户在安全性、隐私性、实时性、智能化等方面的需求。

图像视频作为一种流媒体数据，其特征主要有：

（1）内容主要是时间上连续的媒体数据；

（2）内容可以不经过转换就采用流式传输技术传输；

（3）具有较强的实时性，交互性；

（4）启动延时大幅度减少，缩短了用户的等待时间；

（5）对系统缓存容量的要求大大降低。

然而在实际生产过程中，现场作业面多数不能被工业电视精准覆盖，因此需在靠近设备侧采用移动式图像采集终端进行现场画面采集，依靠边缘计算让移动终端实现图像的智能分析，从而减轻管理人员的工作量。

抽水蓄能电站作业现场环境复杂，不同的厂房有不同的设备和环境，对应的也有不同的操作规范。需高效自动识别人员行为风险和作业环境风险。边缘端采用移动图像采集终端，需要满足多类风险画面的采集，而且对硬件包容性和现场覆盖度有较高的要求。

1.2 工作原理

边缘图像采集依托于图像识别，首先是图像采集设备将现场信息转化为电子信息，形成视频信息流，之后对图像进行预处理，使用降噪、去雾、处理清晰度等过程，提高图像质量，从而更容易提取出图像中的信息和特征，通过特定的识别规则利用图像特征进行图像分类，最后反馈识别结果，对图像进行评价。而在处理视频数据时由于帧数较多，需要一定的算力，如果采用云计算方式，则要占用较多资源，视频质量也不能保证。而基于边缘计算的图像采集则基于云编排平台，统一调度各个边缘设备的资源和负载，可以充分利用每台边缘设备的算力，一方面，在边缘设备中完成实时检测和处理，减少传输到服务器的网络节点，避免因网络问题导致视频图像质量下降，视频延迟过高等情况；另一方面，减少了服务器的资源占用，因而提高响应速度，降低响应时间，做到更快速地识别图像和发出预警。

2 重大风险图像实时监测关键技术

本技术在靠近设备侧采用移动式图像采集终端进行现场画面采集，依靠边缘采集终端实现图像的可视化。视频图像信息可实时传输至移动终端和PC 端图像可视化模块，供人员查看。并可与移动应用矩阵的任务子项对接，实现风险报警的精准时间定位。以下是重大风险图像实时监测系统关键技术。

2.1 图像采集终端选型

根据现场作业环境以及用户使用需求，以硬件成本为基础，对多种类型移动摄像头进行对比，结果见表1。

表1 摄像头选型表

考虑现场作业环境复杂，存在低光照环境，因此对摄像头夜视拍摄功能做较高要求；摄像头要求支持第三方开发，接入云编排平台。根据现场网络环境、电源配置等因素，选定的摄像头型号为：海康威视400 万3Q140IY-T/W-4MM。

2.2 图像可视化

将摄像头接入云编排平台之后，配置和部署开发环境，从而通过平台分配资源，编排设备的工作负载。所有的设备图像在可视化平台PC 端进行管理和查看，其功能有设备列表、设备新增、分屏展示和报警记录等模块。

（1）设备列表

设备列表指的是摄像头列表，系统需要录入激活的摄像头信息，该列表用于展示录入的摄像头相关信息。

（2）设备新增

摄像头激活后，会有相关信息返回，把相关的信息录入到该处，用于调通摄像头返回的图像信息，展示在系统上。

（3）分屏展示

分屏展示能自定义在页面同时展示1 个、4 个、以及9 个摄像头播放，以便同时对多个设备进行管理；点击图像可选择状态为在线的摄像头，查看其画面。

（4）报警记录

此模块主要记录摄像机捕捉到违反规则的录像，比如工人违规操作等；可查看报警的时间地点，具体到任务，任务负责人等；便于发现问题，及时处理问题。由于采用边缘计算，此系统的报警响应速度较快，报警灵敏度和准确性也较高。

2.3 移动端图像可视化

为方便管理人员对图像采集设备进行管理，开发了移动端APP，使得管理人员能随时随地进行设备管理，接收报警信息。该模块包括设备列表，查看设备录像等，可对摄像机进行录入、删除、修改等操作。操作界面简洁明了，APP 学习成本较低，极大方便了管理人员的工作。

2.4 边缘图像采集的应用

在电厂的精细化安全管理中，需要系统地、全面地对所有设备和人员进行监管，避免人员的误操作，减少电站事故发生。在智慧电厂中利用边缘计算也可以大幅提高管理水平和管理效率[11]。

上文中介绍的边缘图像采集系统依靠各个移动设备，完成了在边缘设备中进行智能图像分析任务。目前可完成的图像报警分析有人员服装检测、安全帽佩戴检测、电子围栏检测、危险动作检测、人脸识别等方面。并且在各个移动终端可以很方便地接收到图像信息和报警信息，操作界面简洁，操作逻辑合理。其技术性、经济性的显著水平体现在以下几点：提高安全监管效率；提升现场作业安全；作业现场远程可视；减少软硬件研发成本。