本站点使用cookies,继续浏览表示您同意我们使用cookies。Cookies和隐私政策

数据驱动下的蓝藻治理组合拳

AI、大数据技术使能、5G加持的无人机、无人船,能够实现蓝藻巡查和打捞的全程自动化,变经验驱动为数据驱动,实现了对水体污染源的综合治理。

文/华为企业BG解决方案架构与设计 潘伟
2021年09月
潘伟

我国江南地区一些水网密集的城市,中心有湖景,河道连社区,沿岸餐饮娱乐及旅游业十分发达。然而,水路的热闹繁华也暗藏着一个巨大的隐患——春夏秋三季都会爆发的蓝藻污染,不仅气味难闻,有碍观瞻,更严重影响了相关地区的水域生态及经济发展。

由于蓝藻会随风漂浮,因此用网格员肉眼观察、人工操作无人机巡查,然后派遣捕捞船四处打捞等基于人工经验简单的治理方式已无法满足城市治理智能化的要求。

针对这一现状,华为将智慧城市数字底座融入本地生态,不仅可以利用AI为无人机赋能,同时具备调用和编排无人机机队管理和路线规划的能力,可实现例行及任务性蓝藻巡查,灵活机动,打通流程,大大提升了现场处置的执行效率。

AI深度学习蓝藻可见光图像

如果我们研究蓝藻水华与正常水体光学特性的区别,就可以发现,蓝藻在红外、近红外波段的反射率明显提高,而在绿色波段的反射率较高(蓝藻含叶绿素a)。当前普遍的识别方法主要是基于图像不同波段的数据(多光谱图像),构造简单特征量(如波段差值),然后利用经典图像分割方法或机器学习中的SVM等分类方法来区分蓝藻水华和正常水体。

AI,大数据,蓝藻

但该方法出现的问题是在当前城市治理的大多数机器视觉场景中,无人机携带的相机均基于可见光图像。其与多光谱图像相比,可见光图像未包括红外波段,且绿色波段区分度相对不明显,因此很难准确识别出蓝藻。同时,由于无人机在室外空中飞行,识别效果受拍摄角度、距离、光照条件等因素影响较大,导致部分蓝藻水华与远离相机的强反光区域颜色几乎相同。所以,对城市水体提供的普通样本图像中的蓝藻水华,如果采用颜色分量差异性指标方式显然无法正确识别。为了达到更好的识别效果,城市治理部门大多采用频繁更换无人机机载摄像头,或挂载多部摄像头的方式来识别蓝藻,虽然识别率有所提升,但却牺牲了执行效率及无人机航程。

基于上述现象,需要针对当前普遍采用的可见光视觉识别模式寻求一种全优的技术路径,而华为城市运营中心(Intelligence Operation Center,以下简称IOC)的数据底座恰恰具备大数据及AI中台的能力。其采用基于深度网络的算法,利用多尺度特征融合的网络设计机制,可以对复杂地面环境的蓝藻现象抽取更多元化的数据集,例如从比较纯粹的湖面蓝藻过渡到岸线蓝藻发现,以及到有河流贯穿并具备马路绿化带和岸线绿化带的社区等等,通过增加模型的复杂度并持续进行学习训练,最终实现更精准高效的识别。

AI,大数据,蓝藻

图2 湖面漂浮的蓝藻(识别模式相对单一)

AI,大数据,蓝藻

图3 狭小水体漂浮蓝藻(识别模式相对复杂)

AI,大数据,蓝藻

图4 沿水体岸线分布的蓝藻

AI,大数据,蓝藻

图5 无人机+AI发现社区河道的蓝藻现象

IOC打造蓝藻立体防控治理体系

IOC是一个城市可用来构建大规模智能服务的基础设施,其包含的AI中台,可以统一组建包括蓝藻识别在内的识别算法模型,并提供全生命周期管理服务。IOC将不同场景的机器视觉识别能力不断下沉为一个个应用接口,中间可以编排、联动,以达到复用、组合创新、规模化构建用户应用的目的,同时可最小化人工干涉和运维成本,并支撑集约化运营。其中的关键技术包括:

视频数据采集:视频云支持H.264、H.265视频编码格式,可以接收、存储从互联网传输过来的无人机拍摄的实时视频流,并通过API接口向AI中台开放视频的抓取和调阅服务。

5G网络:赋予了无人机低延迟、大带宽的数据传输能力,可支持4K的超高清影像传输及实时AI识别,实现了蓝藻一经无人机视野就可立即报警。

AI算法调度:AI中台可调用无人机传回的视频流信息,结合视频时间点及飞行数据信息,计算出蓝藻的经纬度坐标及分布,判断出蓝藻水华的严重程度,计算飞行途中发现的累计蓝藻面积,截取蓝藻图片和短视频,将不同级别的报警信息发送给工单预处理及分拨系统。

应用集成和消息集成:由API网关扮演业务中台的角色,接收AI中台推送过来的蓝藻识别数据,并组装其他业务逻辑,如无人机的实时位置信息等,再通过消息中间件服务,将数据排成消息队列,发送到已订阅消息服务的可视化界面或其他业务系统。

大数据分析处理:负责蓝藻识别的深度学习,并根据不同业务用途,通过数据治理将蓝藻数据包装成不同的专题,定义数据维度结构,支撑针对不同用户投放个性化的专题内容。

调度无人机机队的管理能力:华为合作伙伴的机库和管理软件,能够实现无人机的全自动调度、自动驾驶,且机库可自动放飞、回收和充电,同时支持将飞行报文实时回传给IOC,以实现调度能力的开放。

经过优化后的巡航模式为:IOC控制无人机库按重点区域、时间、任务等因素制订无人机队的飞行路线和任务规划,无人机自动放飞巡航,AI算法自动计算蓝藻的面积、位置及藻蛋白浓度,自动生成事件上报并生成工单,实现及时、精准、高效的打捞。蓝藻事件报警、工单闭环统计等信息,IOC将以短信或打印生成报告的形式,推送给不同用户,实现常态运营。

AI,大数据,蓝藻

IOC的立体防控治理措施在实际应用中成效显著。江苏省某城区在2020年建设IOC并投入运营,其在19平方公里的城市水域中部署了两架无人机,平均每天飞行12架次,实现了蓝藻聚集能第一时间发现,打捞作业在第一时间启动,在无新增船只及人手的前提下,累计打捞藻水3.6万吨,分离藻泥15.1吨,效率提升了45%以上。在改善水质的同时,也实现了GDP的增长,打造了具有当地特色的城市治理新模式。

水污染源综合防治打组合拳

当前,政府在社会治理上重视问题导向,如水体治理需要将专项治理与系统治理、综合治理、依法治理、源头治理等结合起来。例如,蓝藻的爆发除了季节及天气因素之外,工业及民生的废水、污水排放也是一个重大根因。废水、污水会导致氮磷等营养物质过多,如果光照及温度适宜,水中的蓝藻等藻类就会大量繁殖并聚集。实践中,从无人机工单巡视的蓝藻工单运营统计来看,沿线分布着大量企业、餐饮业的河道流域,常年有大范围、高浓度的蓝藻聚集,即使每天都有工单下发给打捞队去打捞,但第二天照样出现。

治标又治本的方法是控制污染源。只有控制工业及生活污水的排放,并对污水进行有效处理,去除水体中蓝藻的氮、磷等基本营养源,恢复水体生物的食物链与湖水的生态修复功能,让湖水自净,才能让技术发挥的效用最大化。因此,未来IOC可利用大数据平台,结合国土、环保部门的污水排放标准、排污管道的监测数据,及市监局的企业经营、行政处罚数据,对经年累月积累的蓝藻报警和工单进行纵向和横向的数据挖掘,在对河道沿线企业进行画像的基础上实现污水的源头治理。

为高效精准地完成数据的量化和建模,可借助无人船只在河道巡航过程中,通过物联网探测仪器测试的水体藻蛋白密度、PH值、电解质、叶绿素及浑浊度等数据,构建专业的水污染模型,并通过海量数据训练优化AI蓝藻的视觉识别模型,发现不同位置、使用不同原料不同工艺、排放不同成分污水的企业,及它们与季节性蓝藻的分布、面积、浓度、打捞次数间的关系,包括是否存在暗管偷排、漏排等违法线索。这个过程需要对各种可能性组合进行遍历、模拟推理和决策。

同时,无人船也可通过5G网络,把对水体进行零距离监控的数据回传给IOC。无人机可自动呼应无人船请求,在天空中跟随无人船行驶轨迹,配合无人船视角,通过深度探测与广域监控的结合运用,增强水域管理的时效性与智能化。

另外,在水体范围很大的区域,还可借助高空卫星遥感热力图服务,周期性地透析蓝藻的水面分布,并结合天气数据,使蓝藻趋势分析,设备巡航飞行的任务规划、路线设计及打捞作业更有针对性,最大限度地节约人力和工时。这种空天地一体化的协同关系,不仅适用于蓝藻识别,还能够推广到城市的水资源管理、水生态修复、水环境保护及水灾害防御等领域。