管道高后果区第三方破坏智能识别方法 |
| |
引用本文: | 彭东华,徐鲁帅,信权宇,韩嵩,齐迎峰,王东营,董绍华,刘洪艳.管道高后果区第三方破坏智能识别方法[J].油气储运,2023(7):793-798. |
| |
作者姓名: | 彭东华 徐鲁帅 信权宇 韩嵩 齐迎峰 王东营 董绍华 刘洪艳 |
| |
作者单位: | 1. 国家管网集团北京管道有限公司;2. 中国石油大学(北京)人工智能学院;3. 中国石油吉林油田分公司新木采油厂 |
| |
摘 要: | 油气长输管道高后果区通常采用视频监控形式开展技术布防,识别高后果区管道周围人工挖掘、机械挖掘及重车碾压等第三方破坏事件,但视频监控往往依靠值守人员监屏,存在效力不足的问题。为此,提出一种基于深度学习的管道高后果区第三方破坏智能识别方法,对采集到的沿线图像视频进行分析,提取特征目标,建立基于YOLO v5的图像智能识别模型。该模型提升了寻优速度和目标检测精度,模型训练在226次迭代后训练过程损失函数值和验证过程损失函数值分别趋近于0和0.01,达到最优态。利用新建立的识别方法在天津地区某高后果区开展管段视频监控测试,识别精确率高达99.33%,验证了该方法的有效性,可为后续开展高后果区视频监控系统智能识别和实时预警提供工程应用参考。(图6,表2,参19)
|
关 键 词: | 油气管道 高后果区 第三方破坏 风险识别 深度学习 神经网络 |
|
|