نشت خاموش – چگونه هوش مصنوعی از فاجعه خط لوله جلوگیری میکند
پهپادهای مجهز به دوربین حرارتی و هوش مصنوعی سالانه هزاران کیلومتر خطوط لوله را بازرسی میکنند و نشتهای کوچک را هفتهها زودتر شناسایی میکنند.
خطوط لوله نفت، گاز، آب و فاضلاب که هزاران کیلومتر در زیر زمین یا روی زمین امتداد دارند، در معرض خوردگی، نشست زمین، و نشتی هستند. یک نشت کوچک در خط لوله گاز میتواند به انفجار منجر شود یا نشت فاضلاب میتواند سفرههای آب زیرزمینی را آلوده کند. سیستمهای پایش بصری مبتنی بر هوش مصنوعی با دوربینهای نصب شده روی پهپاد، خودروهای بازرسی، یا برجهای مخابراتی، علائم اولیه مشکل را از روی تصاویر تشخیص میدهند: لکه مرطوب اطراف لوله (نشت مایعات)، تغییر رنگ فلز (خوردگی) یا ترکهای زمین (نشست) [۱].
برای خطوط لوله زیرزمینی، از تصاویر ماهوارهای و پهپاد با دوربین مادون قرمز استفاده میشود – گاز یا مایعی که نشت میکند دمای متفاوتی با محیط دارد. برای خطوط روی زمین (مثل خطوط لوله نفت در مناطق کویری)، دوربینهای مرئی با زوم بالا ترکهای سطحی و زنگزدگی را تشخیص میدهند. شبکه هوش مصنوعی طبقهبندی میکند که آیا یک لکه تیره روی زمین ناشی از نشت است یا فقط سایه یا لکه باران [۲].
جدول تشخیص عیوب خط لوله (نرخ کشف در پایش دورهای):
| نوع عیب | بازرسی میدانی (محدودیت دسترسی) | هوش مصنوعی (پایش هوایی) |
|---|---|---|
| خوردگی سطحی (قابل مشاهده) | ۸۵-۹۰٪ (در مناطق قابل دسترس) | ۹۲٪ (کل مسیر) |
| نشت زیرزمینی (لکه مرطوب سطح زمین) | محدود (فقط مناطق در دسترس) | ۸۷٪ (پوشش کامل) |
| نشست زمین (ترک اطراف لوله) | محدود | ۹۴٪ |
| پوشش گیاهی غیرعادی (نشانه نشت گاز) | بسیار محدود | ۸۹٪ |
شرکت نفت و گاز پارس جنوبی، با استفاده از پهپادهای مجهز به دوربین حرارتی و هوش مصنوعی، سالانه صدها کیلومتر از خطوط لوله در منطقه عسلویه را بازرسی میکند. در دورههای اخیر بازرسی، دهها مورد نشت کوچک شناسایی و قبل از تبدیل به بحرانهای بزرگ، تعمیر شد که از هدررفت حجم قابلتوجهی نفت و گاز جلوگیری کرد [۳]. همچنین شرکتهای آب و فاضلاب در ایران با بهرهگیری از تصاویر ماهوارهای و تحلیلهای مبتنی بر هوش مصنوعی، مناطق دارای رطوبت غیرعادی ناشی از نشت را در شبکههای گسترده زیرساختی شناسایی میکنند [۴].
ارزش بازار جهانی پایش خطوط لوله با AI تا ۲۰۳۰ به ۶.۲ میلیارد دلار میرسد [۵]. فناوری جدید «تشخیص نشت با ترکیب صوت و تصویر» (Acoustic-Optical) که صدای ناشی از نشت را به اسپکتروگرام بصری تبدیل کرده و همزمان با تصویر دوربین آنالیز میکند [۶]. همچنین «یادگیری بدون نظارت» (Unsupervised Learning) امکان تشخیص نشتهای جدیدی که در دادههای آموزشی وجود نداشتهاند را فراهم میکند.
منابع:
[۱] Shukla, A. & Karki, H. (2016). "Application of UAVs for Pipeline Monitoring and Inspection." Journal of Pipeline Engineering, 15(3).
[۲] Ramalli, E. et al. (2020). "Deep Learning for Automatic Pipeline Leak Detection Using Aerial and Satellite Imagery." Remote Sensing, 12(17).
[۳] شرکت نفت و گاز پارس (۱۴۰۱). «گزارش بهکارگیری فناوریهای نوین در بازرسی خطوط لوله منطقه پارس جنوبی».
[۴] وزارت نیرو – شرکت مهندسی آب و فاضلاب کشور (۱۴۰۱). «نقش تصاویر ماهوارهای در مدیریت شبکههای آب و فاضلاب شهری».
[۵] Grand View Research (2023). "AI in Pipeline Monitoring Market Size Report, 2023–2030."
[۶] Li, S. et al. (2021). "Multimodal Leak Detection Using Acoustic and Optical Sensors with AI." IEEE Sensors Journal, 21(14).
[۷] PRCI – Pipeline Research Council International (2020). "Cost-Benefit Analysis of Unmanned Aerial Systems for Pipeline Surveillance."
تصاویر مرتبط
برچسبها
همین قابلیتها را روی دوربین خودتان داشته باشید
دوربینهای امنیتی هوشمند ویونکس با همین تحلیلهای هوش مصنوعی، هشدار لحظهای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه میشوند.
برای ثبت نظر لطفاً وارد شوید
هنوز نظری ثبت نشده است