★ 大连西太平洋石油化工有限公司 杨清宇，王晓宁

关键词：无人巡检影像；变化检测；双分支卷积网络；图像配准；边缘计算

石化厂区管道装置对巡检作业提出了更高要求，无人机航测可将高风险、长链路的人工盯防转化为数字化比对，但跨视角与跨时相导致的几何扰动、光照波动及复杂地物背景，使同域影像在纹理与结构上显著不一致，传统人工比对局限较多。深度学习可融合编码表观差异与语义上下文，但需与高精度配准、尺度统一及边缘侧时效性协同设计。基于此，本文面向石化厂区无人巡检影像构建了一套高效智能变化检测方法，实现了同域时相对照与分级处置的小时级智能化处理，提升了树障侵入、异物上道与构件损伤等风险的检出质量与告警可用性。

1   无人巡检影像变化检测研究背景与问题分析

在石化厂区管道装置密集分布、高危介质输送的场景下，无人巡检正逐步替代人工开展高频航测与近距取证，将管道腐蚀、焊缝隐患、泄漏风险等高强度、长距离的盯防工作数字化。结合管道本体缺陷、附属设施异常及周边环境风险等管控对象，管理者需在小时级完成同域不同时相影像的变化检测与分级处置，以实现隐患早发现、早干预。变化检测在此语境中指对管道结构形变、表面纹理异变、几何特征偏移的自动识别与定位，需与地理配准精度和无人机姿态扰动校正协同处理。传统人工比对依赖经验且难以规模化复制，阈值分割、差分等方法对厂区光照波动、设备运行引发的背景微动、金属表面强反光与夜间低照度的鲁棒性有限，以及林区类似的强风干扰在厂区表现为设备震动传导的影像模糊，均会放大噪声导致漏检误判。深度学习能够将表观差异与语义上下文联合编码，借助多尺度卷积捕捉微小裂纹与大面积腐蚀等不同尺度的缺陷特征，通过时相对齐机制消除航拍姿态变化影响，显著提升算法对光照、反光及低照度扰动的适应性。基于此，本文以面向石化厂区无人巡检影像的高效智能变化检测算法为核心研究内容，在理论上刻画了从管道表观损伤到语义化隐患的层级表征，在应用上提高了告警精准度与处置响应效率，为高危管道装置的智能化运维提供了技术支撑。

2   基于深度学习的无人巡检影像变化检测算法设计

2.1   无人巡检影像预处理模块设计

结合大连西太石化巡检的业务要求与技术指标，算法整体分为双时相影像预处理模块、双分支卷积网络变化特征提取模块、变化区域分割与后处理模块、异常元素类别识别模块四大核心部分。全程遵循信创生态适配要求，控制计算开销以满足边缘侧与昇腾硬件的推理效率，同时实现与地理坐标、厂区工单系统的对接。

在去噪环节，选用高斯滤波对传感器散粒噪声与高频振动纹理进行抑制，核大小设为3或5以维持边缘过渡的可辨性，并把灰度梯度的尖峰响应平滑化。该处理可显著消除风致抖动产生的伪高频信号，使卷积网络在低层通道中获得更加稳定的边缘与纹理先验，从而降低后续特征匹配与分割阶段的误触发。

在配准环节，运用SIFT尺度不变特征开展跨尺度关键点检测与128维描述子编码。该方法对尺度与旋转扰动具备稳健性，并以比值检验筛除误匹配，随后借助RANSAC估计单应或仿射模型，把两时相影像统一到同一参考平面。该过程针对机载姿态扰动与小范围视差进行鲁棒校正，同时输出有效视域掩膜以屏蔽重采样边缘，从语义层面限制虚假变化的来源。

在裁剪环节，基于滑窗策略把配准后的大幅面影像分割为256×256的子块，步长设置为128以形成重叠区域并覆盖跨块目标，窗口索引与地理坐标建立一一映射，保证分块推理与全图拼接的一致性。这样一来，网络能够在可接受显存内完成批量学习 ，同时把跨尺度背景差异折返为局部上下文，直接提升后续检测的精度与稳定性。

2.2   基于双分支卷积神经网络的变化特征提取模块

鉴于石化厂区管道装置对小时级缺陷变化观测的刚性需求，本研究构建了双分支卷积神经网络（Convolutiona  Neural Network， CNN），将双时相预处理后的管道影像子块分别送入对称分支， 并在参数层面实施完全共享，以获取可比较的语义嵌入。每个分支包含3个卷积块，卷积核取3×3，步长设为1，配套批归一化与ReLU激活以稳定特征分布并提升非线性表征能力，保持空间分辨率不被削弱，确保管道焊缝边缘、微裂纹纹理及小尺度螺栓锈蚀等细节不被淹没。共享权重的设置从表示学习角度抑制域间偏移，将同一管道结构在两时相中的响应约束到一致坐标系，从而将差异显式投向通道方向。

鉴于管道变化检测强调结构与语义的精准对照，融合阶段将两路深度特征在通道维度拼接，并在后续分割头前形成单一变化特征图。与差分或门限策略相比，拼接式融合不丢弃任一时相的上下文，便于后续卷积在局部缺陷关联与长程管道走向依赖间权衡，同时避免光照漂移导致的符号翻转，将光照扰动影响从数值差域转移到可学习的通道重加权空间。结合前期高精度配准与噪声抑制，这一模块将变化响应集中到管道焊缝开裂、腐蚀斑扩张、螺栓松动等缺陷区域的边界与纹理断裂位置，并将参数量控制在单分支规模，便于算法在无人机搭载的边缘计算单元完成批量推理而不引入显著延迟，满足现场实时告警需求。

其中， F_change为拼接后的变化特征图， F_t1为前时相分支的深度特征图， F_t2为后时相分支的深度特征图。

图1 基于双分支CNN的变化检测算法框架流程图

2.3   变化区域分割与后处理模块

针对双分支网络融合得到的变化特征图，本研究把像素响应视作变化可能性的密度量化结果，并在分割阶段选用Otsu自适应阈值完成直方图驱动的切分，以适配石化厂区核心管道装置因设备遮挡导致的阴影动态变化、金属表面油污与水汽引发的反射强度波动、高温区域热辐射造成的亮度偏移等复杂工况下的分布偏移，进而生成初步二值掩码[1]。考虑到航迹抖动与纹理高频噪声会在裂缝末端与树梢边界产生孔洞与毛刺，后处理以形态学闭操作为核心，把3×3结构元素的膨胀与腐蚀顺序耦合，促使细小断裂被桥接并把孤立亮点压制回背景，同时按面积约束剔除小于10像素的碎片区域，使局部连贯性得到恢复。连通域分析环节在8连通性准则下提取候选斑块，并依据面积占比与边界曲率的稳定性进行筛选与合并，保留空间连贯且尺度与目标先验相契合的主体变化区域，输出与地理坐标对齐的最终结果。结合2.1节裁剪与拼接策略，对重叠带内的掩码进行一致性约束与边缘平滑，把跨块拼接处的马赛克效应降至可忽略水平，并且与配准产生的有效视域掩膜协同，把重采样边界与高反光水面导致的伪阳性压缩到有限范围。由此，阈值分割提供全局可迁移的决策基线，闭操作与连通域筛选承担结构修复与噪声抑制职责，三者耦合把变化响应从像素级扰动抽象为区域级实体，既提高了告警的工程可用性，又把计算开销控制在车载边缘GPU可承受的范畴内[2]。

3   无人巡检影像变化检测算法实验与效果评估

3.1   实验数据与评价指标

基于大连西太石化巡检的实际场景，实验数据选取2024～2025年石化厂区核心管道装置集群的2000张双时相无人机影像。影像单像素地面分辨率为0.1m，经预处理后生成成对子块，由石化设备巡检专业工程师双人交叉核验，标注500组管道缺陷变化区域样本，覆盖焊缝开裂、腐蚀斑扩张、螺栓松动、阀门泄漏、保温层破损等高风险事件，同时纳入设备阴影、金属反光、热辐射干扰等复杂背景扰动。

实验环境严格遵循大连西太信创要求：操作系统为银河麒麟V10，算力硬件为昇腾Ascend 910B，数据库为达梦DM8/人大金仓KingbaseES V8， 模型训练与推理均基于国产化AI中台，无任何非信创闭源商业组件。

标注环节由两名具有石化设备巡检专业经验（或“管道装置检测专业资质”）的工程师完成双人交叉核验，最终沉淀管道缺陷变化区域样本500组，标注粒度采用多边形区域并与管道地理坐标（如桩号、相对坐标）对齐。场景类型覆盖管道焊缝开裂、腐蚀斑扩张、螺栓松动、阀门密封泄漏、保温层破损、支架变形等高风险事件，同时囊括复杂背景条件下的非目标扰动，包含设备阴影遮挡、金属罐体反光、相邻装置热辐射干扰、管道表面油污反光，从而把模型在真实石化巡检环境中的复杂工况适应性纳入评测边界。数据要素汇总见表1，整体规模在保证样本多样性（涵盖不同管径、材质、介质管道）的同时兼顾边缘计算单元推理的工程时效性，避免训练与评测阶段出现显著的尺度失衡[3]。

评价指标围绕像素级二值分割质量展开： 精确率定义为被模型判定为变化的像素中真阳性的比例，反映告警结果的纯度；召回率定义为真实变化像素中被模型正确检出的比例，体现缺陷检出完整性；F1- score定义为精确率与召回率的调和平均，用于在漏检与误报两类错误间建立平衡刻画；交并比（IoU）定义为真阳性面积与预测变化区域和真实变化区域之并集面积之比，用于度量空间重叠质量。为避免配准重采样边缘、设备遮挡无效视域对评估的扰动，所有指标均在有效视域掩膜内统计，并将重叠裁剪子块的重复像素按地理坐标去重后汇总计算，使指标对跨块拼接误差不敏感，与实际管道缺陷处置需求（如定位修复优先级）保持一致。

表1 实验数据集基本信息

3.2   对比实验设计与结果分析

鉴于无人巡检在跨时相一致性上的工程诉求，本节把差值法与主成分分析法当作传统基线，把UNet与FCN当作代表性深度模型，构建统一协议下的对比实验。所有方法共用2.1与2.3所述预处理与有效视域掩膜，训练与评估阶段采用256×256子块与步长128，随机旋转与亮度扰动作为增强， 优化器选用Adam并在指标停滞后施加余弦退火策略。传统方法在直方图匹配后生成差异图并执行全局阈值或主成分差异阈值分割，深度模型使用交叉熵与Dice混合损失进行监督，精确率、召回率、F1与IoU四项指标统一在有效视域内统计，以把跨块拼接与重采样边界的干扰压低到可忽略水平[4]。

从评估结果来看，本文算法在四项指标上整体领先，尤其在林带风摆叠加桥面强反射的混合场景中仍能保持较高的空间重叠质量，如表2所示。相较UNet，本文算法通过双分支共享权重把两时相的语义响应约束到一致特征坐标，通过通道拼接把光照漂移转化为可学习的通道重加权，同时叠加Otsu与形态学闭操作，把裂缝末端的孔洞与树梢毛刺有效收敛。  FCN在低照度时出现过检与边界锯齿，主要源于浅层跳连对光照噪声的放大；主成分分析法在纹理复杂区域产生较多虚假响应，但在阴影漂移条件下较差值法更为稳定。结合对高频噪声与姿态扰动的抑制，优势可归因于跨时相语义一致性约束与端到端融合策略的协同作用。

表2 各方法性能对比表

3.3   算法鲁棒性与实际应用验证

鲁棒性是石化厂区复杂工况下算法的核心性能要求，本文从气象条件、场景干扰、硬件与环境、小样本场景四维度展开验证。基于昇腾信创环境，实验选取阴天/雾天/强光3类气象与管道密集区/高反光罐体区/林带周边区3类场景，各测试100组双时相样本。结果表明，算法在复杂条件下检测性能稳定，各项指标均满足项目要求，尤其在低对比度、强干扰等极端场景中仍保持高可靠性，为厂区管道巡检提供了全天候、全场景的技术保障。

（1）气象条件鲁棒性

石化厂区巡检受气象影响显著，算法通过多环节协同适配不同天气。阴天光照弱、对比度低时，算法通过共享权重双分支网络对齐双时相语义响应，依托通道拼接压缩亮度漂移，结合Otsu自适应阈值分割自动适配低对比度特征，保障了检测准确率/召回率保持在90%以上；雾天低纹理导致配准难，算法通过尺度金字塔与视域掩膜约束RANSAC模型，结合形态学闭运算修复裂缝，将误报率控制在8.2%（低于≤10%要求）； 强光下金属反光/硬阴影易生伪变化， 算法在预处理阶段引入直方图匹配抑制高光、拼接阶段通过重叠带约束抑制边界伪影，结合连通域筛选区分伪变化，使关键元素识别准确率达91.5%。

（2）场景干扰鲁棒性

针对厂区密集设备、强反光、微动扰动等干扰，算法全链路抑制误检。金属反光场景中，算法通过高斯去噪平滑高频噪声，采用SIFT优先提取非反光关键点，结合双分支聚焦管道结构语义，大幅减少了伪告警；针对设备微动与植被风摆导致的微小位移，算法采用高精度SIFT+RANSAC配准校正毫米级扰动（偏差＜1像素），同时在后处理阶段设置动态阈值滤除<10%的微小面积变化；针对密集管廊区，算法通过滑窗裁剪拆分子块，采用共享权重网络局部对齐语义，实现单设备变化的精准捕捉，使密集区IoU保持在0.85以上。

（3）硬件与环境鲁棒性

算法适配信创环境与边缘部署需求，实现了跨平台稳定运行。信创生态上，算法基于国产框架开发（无闭源依赖），兼容银河麒麟V10及达梦DM8数据库，同时针对昇腾Ascend 910B进行算力优化，可7×24小时无故障运行；在边缘侧，算法通过参数共享、轻量后处理控制参数量，支持无人机/巡检机器人秒级推理，满足实时告警；数据输入上，算法兼容0.05～0.2m分辨率、JPG/PNG/TIFF格式及±30°拍摄角，内置配准模块自动校正无需人工预处理，适配实际巡检采集特点。

（4）小样本场景鲁棒性

针对厂区异常样本稀少的问题，算法通过数据增强与特征泛化提升了小样本性能。对现有焊缝开裂、腐蚀斑等异常样本，算法采用随机旋转、亮度/对比度扰动、高斯模糊、裁剪拼接等增强操作，在不改变语义的前提下将样本扩充3-5倍，丰富了特征学习空间；同时，算法结合双分支网络共享权重机制，强化了对罕见缺陷的共性特征提取，降低了过拟合风险。实测结果表明， 在仅50组异常样本场景下， 模型仍能保持82%召回率，较基线提升15%，有效解决了低概率事件检测难题[5]。

4   工程应用与项目落地适配

本文算法深度贴合大连西太视觉差异智能分析在石化企业深化应用项目中的落地要求，实现了从算法输出到工程处置的全闭环对接。在告警与工单系统对接中，算法以地理坐标标定的矢量掩膜输出变化区域，通过标准RESTful API接入企业现有设备数字化平台、智能巡检系统与工单系统，支撑异常区域精准定位、风险分级与小时级告警派单，完成了检测告警处置的闭环管理。在可视化与人工复核环节，算法自动生成高亮异常区域、叠加关键元素类别及变化说明的可视化报告，配套Web端审核界面支持人工确认异常、忽略误报或修正标签，将审核工作量降低九成以上，显著提升了巡检效率。

算法在项目成果转化与服务保障上亦全面适配需求。知识产权方面，依托项目可形成一项发明专利、一项软件著作权及不少于两篇中文科技核心期刊论文，成果归属大连西太所有；交付层面，承诺合同签订后三个月内完成系统开发部署测试上线，并提供完整源代码、部署包、操作手册及API接口文档，满足周期与成果要求。售后服务方面，算法采用模块化设计，异常检测、元素识别、告警输出等模块独立，便于后续升级优化，同时适配七乘二十四小时技术支持，重大故障两小时内响应、二十四小时内解决，为厂区长期安全生产筑牢了技术后盾。

5   结语

针对大连西太石化无人巡检的需求，本文提出了一套智能变化检测算法，经预处理、特征提取等全链路优化，实现了复杂工况下高精度、高鲁棒性检测，满足了信创与工程要求，解决了人工审核效率低、易漏检痛点，推动了巡检向智能化判别升级。鲁棒性测试结果表明，算法在多样气象、场景干扰、信创环境及小样本场景下均性能稳定，工程适配性强。未来将拓展极端气象应对、多时序建模降样本依赖、不确定性估计提可信度、自适应学习优性能等方向，持续赋能石化智能化安全生产。

作者简介：

杨清宇（1982-），男，辽宁庄河人，高级工程师，学士，现就职于大连西太平洋石油化工有限公司，研究方向为信息工程。

王晓宁（1975-），男，辽宁大连人，高级工程师，硕士，现就职于大连西太平洋石油化工有限公司，研究方向为软件工程。

参考文献：

[1] 刘剑锋. 人工智能在石化行业场景应用创新研究[J]. 天津化工, 2023, 37 (S1) : 1 - 7.

[2] 两款化工巡检机器人新品亮相国际石油石化装备展[J]. 化工时刊, 2023, 37 (03) : 92.

[3] 徐家新. 无人机系统在石油石化企业中的巡检应用研究[J]. 中国新通信, 2023, 25 (08) : 65 - 67.

[4] 杜锐君. 中韩石化智能化改造深化应用研究-智能机器人巡检技术在炼油公用工程总变电站的应用[J]. 中国信息化, 2023, (01) : 77 - 78.

[5] 李鸿鹏, 王迪, 康清辉, 等. 无人机巡检技术在油气管道系统中的应用探索[J]. 石化技术, 2025, 32 (03) : 81 - 83.

摘自《自动化博览》2026年6月刊