随着石油管道里程的不断扩大,管道的安全问题成为重中之重。根据管道事故不完全统计,社会危险已成为石油管道泄漏的主要原因之一,如:打孔漏油、第三方施工损伤、管道占压等。为了保证石油管道安全正常运作,必须对它进行定期巡检。传统的石油管道巡检方法以人工巡检为主,人工巡检存在巡检效率较低、安全风险高且难以对山区等环境比较恶劣的地区的石油管道进行巡检等较多弊端,不能满足现代化石油管道管理的需求。基于此,从中石油实际项目出发,针对距离油气管道100m宽度范围内是否对石油管道存在危害的目标进行检测,设计并实现了基于航拍的石油管道周边目标检测识别系统。本文的主要内容如下:1、为了解决航拍过程中会产生噪声以及拍摄角度和大小的问题,需要将视频进行预处理。首先,先将视频进行灰度化处理,减少数据的处理量;然后使用几何变换进行角度调整和缩放;最后运用中值滤波对视频进行去噪,得到较为清晰的视频图像,为后续的检测识别打好基础。2、提出了基于SSD模型的目标检测算法。首先,采用传统目标检测算法(Ada Boost+haar-like特征)进行检测,通过实验验证,由于航拍视频会受到天气、光照的影响以及航拍可能会导致图像特征的弱化,故该传统算法检测效果较差,不能满足现代化检测的要求。基于此,提出了基于深度学习的目标检测算法。采用应用广泛的Faster R-CNN、YOLO、SSD目标检测模型进行比较,最后得出采用SSD目标检测模型对石油管道周边目标进行检测。3、通过分析SSD模型以及实验验证,提出了基于改进型MobileNet-SSD算法对石油管道周边目标进行检测。首先,通过调研,得出对石油管道存在危害的周边目标包括:偷油人员、施工车辆、管道占压(房屋、车辆)、地质灾害(地面洼陷、裂缝)。然后制作石油管道周边目标的数据集,用Label Img进行标注,采用SSD目标检测模型对石油管道周边目标进行检测。实验验证,由于SSD算法原有的VGG-16基础网络是个很大的网络,总共包含约1.38亿个参数,需要训练的特征数量非常巨大,降低检测的速度。基于此,本文做出了一些改进:用轻量级MobileNet网络替换SSD原有的VGG-16基础网络即MobileNetSSD,该网络采用深度可分离卷积代替普通卷积层,从而减少计算量、加快目标检测速度。实验表明,平均每张测试图片检测耗时160ms,充分验证了该方法的有效性。但是,MobileNet浅层网络的感受野较低,降低目标检测精度。针对此问题,提出改进型MobileNet-SSD算法即基于膨胀卷积的方式来扩大浅层网络的感受野。实验表明,该方法提高了石油管道周边目标检测精度。4、综合上述研究,设计了基于Qt的PC端石油管道检测识别系统和基于Spring Boot的Web端石油管道信息管理系统,并将预处理算法和目标检测算法嵌入到系统中。经过测试,该系统有效的实现了石油管道的实时监测和管理。