张学冬

（大庆油田信息技术公司，黑龙江 大庆 163453）

我国石油资源分布相对分散，且大多集中在自然环境恶劣的沙漠、山地、高原、沼泽等地区，这为石油开采工作的开展带来了诸多困难。其中，油田电力线路损坏、输油管道泄漏及抽油机故障是目前制约石油开采工作正常开展的重要问题。油田传统生产方式需要消耗大量人力物力对输电线路、输油管道和抽油机进行定时巡检，但由于其范围大、跨度广、地形复杂、数量众多等特点导致人力巡检方法成本高、效率低、安全性差。近年来，随着无人机与人工智能技术的快速发展，无人机已广泛应用于侦察、巡逻、救援、测绘等领域。为了提升故障巡检效率，降低安全监测成本，保障石油开采安全，如何基于无人机技术开发一套高效、安全、实时的全自动智能巡检系统成为目前亟待解决的问题。

随着电子科技领域的飞速发展，以往只能在地面上应用部署的设备做到微型化、集成化、轻便化后，各类型“高精尖”传感器改造“上天”与无人机平台相结合，使整个飞行平台应用面更加灵活、多元，其不仅可以搭配可见光镜头执行常规日间巡检巡查任务，还可以装配激光雷达、激光气体探测器、多光谱、热成像等各类挂载执行三维测绘、地表工业品、农作物勘察、夜间安全防卫等特种任务，但对于大庆油田这种生产设施密集且幅员辽阔的特殊情景，无人机的技术优势仍然难以完全发挥，大规模应用反而受到无人机操控人员数量、技术水平、培训成本制约，管理难度随之加大，与引入无人机降本增效的初衷相悖。

1 系统组成与功能分析

系统由无人机自主飞行、集群调度、任务管控、智能分析、远程实时测控、数据成果处理、通信数据链网络、地基增强、风险监测等分系统组成。各分系统运行方式如下：

1.1 小队级区域自动化巡检

操作人员摆脱传统手持遥控器手控无人机执行巡检任务，而在小队级前线控制室内，通过电脑终端对无人机进行指令操作，根据生产情景与环境线上预设飞行计划任务，任务类型可覆盖集输管道巡检、采油设施巡检、电力线路设备巡检等应用场景。指令下达后，在小队级简易起降场、固定式自动机场、移动式自动机场等各类场地条件下同时起飞至少2架无人机自动执行巡检任务，无人机升空利用高点专用数据链网络信号将图像及高度、速度、经纬度、云台角度、镜头倍数等动态数据实时回传控制室服务器，服务器将数据二次回传云计算中心，检测数据完整性后进行存储，同时高性能计算节点对图像视频流进行分析识别，当计算机深度学习算法匹配到电力系统、采油设施等隐患疑似问题后，数据返回前端控制室，并提示监控人员无人机所在位置、巡检目标信息以及疑似问题，系统根据当前无人机状态，给出处理意见，例如提示切换手动模式，执行热点环绕、降高、镜头变倍、附近无人机支援等选项，对疑似问题点进行详细复查，或继续执行自动巡检任务，或返航等。任务执行完成，无人机自动返航。无人机落地后，后台输出本次飞行日志与缺陷报告，并在大屏中进行二次提醒，巡检文件自动存储至当次任务目录中，供随时调取查看和管理。

1.2 移动式作业小队巡检

移动式巡检方式可填补小队级巡查无人机航程不可达的巡检区域，作业流程为无人机到达预定区域内，利用手持控制端同步任务数据，执行安全操作规程后起飞无人机对所在区域生产设施进行例行或临时巡检，通过移动联网络或专用数据链将实时数据回传至云端服务器，获取数据存储、分析等服务。

1.3 厂部级指挥调度

通过企业网或互联网实时同步获取生产地域内所有无人机运行动态，通过大数据可视化交互界面掌握无人机可在指挥中心实时查看任意作业中的无人机空中图像，调取掌控全局实现一体化管理、一体化运行、一体化调控的油田生产指挥体系，为生产动态、产能运行、生产管理、生产保障、运行监控、报警预警、调度运行、应急管理提供决策依据。

2 系统实现

系统以部署方式划分为无人机端数据采集系统和云端系统两大部分，正在巡检的各无人机平台数据采集系统用于采集油田设备实时数据，并发送给云端系统。云端系统包括数据接收层、数据处理层、数据存储层和数据展现层等几部分，在对无人机端数据采集系统传输来的数据进行一系列的转换、计算、存储等操作后，将分析处理后的结果呈现给运维管理者。

云资源包含运行底层服务的各类虚拟应用服务器，负责后台实时监测获取动态数据，感知无人机运行态势，分析潜在风险，为操控人员及决策者提供突发情况预警提示，运维和管控系统所有服务运行；高性能集群计算节点负责运行海量数据影像处理、AI识别分析、标准库模型训练等对计算能力要求较高的进程。前端边缘服务器负责与无人机的双向数据链通信、运行指令以及实时数据的采集与云端服务器的数据同步、核心服务热备份以及系统支撑服务的获取等职能。详细功能要求如下：

（1）支持多种多旋翼、垂直起降固定翼无人机飞行平台接入系统，可根据需要重新匹配原有遥控器。多旋翼图数一体数据链通信距离至少达到15公里，垂直起降固定翼至少20公里。

（2）部分无人机不具备数据及图像与无人机平台互联互通的条件，这时需要开发一套飞行数据获取的补充手段，用来对无人机运转全过程进行有效监测，包含一套基于4G互联网的外置定位装置（固定于无人机机体上）及4G单兵模块分别获取无人机位置及图像，利用移动互联网或专网将数据回传指挥中心。

（3）机载AI利用边缘计算能力实现自主避障、实时通信、安全风险自主判断与处置保障飞行安全。

（4）监控中心在实景地图中实时记录正在执飞无人机的运行轨迹与空中图像，实景地图需要显示所对应的巡检目标名称类型等信息，支持在地图中标记疑似问题点并以文本形式录入信息。

（5）地图引擎，要求可以导入CC、PIX4D、大疆制图输出的倾斜摄影模型和正射影像图像成果，以地图瓦片的形式在地图引擎中进行360度展示，格式包括OBJ、OSGB、TIFF格式。

（6）大数据中心图形化、实时、动态显示历史任务相关信息，支持任务检索与详情查看，数据汇总与统计分析。

（7）航线自动规划。①对于移动式巡检，根据不同机型，智能规划航线，智能分割无人机单架次航线，并规划起降位置。②精准定位巡检对象,根据杆塔类型、电压智能生成准确化、细节化、安全化的巡检航线，航线中每一航点包括坐标位置、高度、云台角度、停留时长等信息，支持航线个性化编辑、调整。自动完成输配电线路的精细化巡视（配合RTK实现厘米级定位），包括手动模式、学习模式、巡视模式，自动返航。③支持后台二次编辑航线，包括修正起降位置、调整航高航点。④智能分配随行车辆行进路线，匹配飞机起降位置。⑤三维/二维GIS中可视化预演飞行路线和车辆行进路线。

（8）图像处理分系统。该系统可自动分拣、命名照片，通过窗口界面批量更改文件路径、名称、增删等，减少图像整理工作量。

（9）图像识别告警系统。①电力巡检隐患识别：可见光拍摄的照片/视频，需实时识别鸟窝、线下房屋、大型施工机械、外破施工等隐患问题，智能识别绝缘子串、防振锤、挂点等部件缺陷。对于热成像图像，需自动判别电力线温度，监测到超预设值温度的情况提醒监控人员处理。管道巡检隐患识别：对可见光照片/视频中出现的车辆、施工人员、房屋、漏油进行识别告警，自动抽帧并锁定隐患地理坐标，提醒监控人员处理。②采油巡检设施识别：对可见光照片/视频中抽油机进行工况判断，自动判别抽油机是否停机，对出现的车辆、人员、动物、漏油进行识别告警，自动抽帧并锁定隐患地理坐标，提醒监控人员处理。

（10）天气预警与实时监测，预测2小时内天气情况，有风力过大、下雨等天气突变风险，无人机自动返航。

（11）后台实时监测无人机数据链信号质量，参数包含实时流量、历史数据、日志、数据延迟、丢包数。

（12）处在同一局域网络的多套天线为大疆无人机同时提供图数一体信号中继。

3 结语

无人机技术发展已步入信息化、自动化、智能化阶段，行业内技术实力领先的厂家已经推出了许多成熟的解决方案，并在众多领域进行试验性应用，取得了令人满意的效果，现有条件足以支撑油田开展无人机自动巡检平台的规划建设，来突破业务发展中所面临的瓶颈。那么，无人机自动巡检平台建设应超前规划、提前布局，依托大庆油田产业规模优势，先于市场资本有目的地建设实验性试点，突出系统的先进性与适用性，形成顶端优势，制定相关标准，迅速占据油田市场。整套无人机智能巡检系统的开发建设将是赢得这场没有硝烟战争的核心竞争力，更是能否推动全油田部署无人机进行巡检巡查、打造亿元项目产值的关键。