«Умная» система «слушает» шум трубы; если звук изменится, система тут же подаст сигнал и поможет локализовать проблему

Нет утечкам: нейросеть предупредит беду
09.11.2020

Технологии искусственного интеллекта помогают предотвратить выбросы вредных веществ в окружающую среду путем сокращения прорывов трубопроводов и тем самым сохранить жизнь и здоровье людей. Участников подобных проектов вдохновляет как возможность проявить себя в работе с самыми современными технологиями, так и их благородная миссия — защита природы и человека.

В мае 2020 года в районе Норильска случилась экологическая катастрофа — произошла крупнейшая утечка дизельного топлива, вызвавшая загрязнение почвы, рек и озер. Через несколько дней после аварии предельно допустимая концентрация вредных веществ в ближайшем водоеме была превышена в десятки тысяч раз. В каждом таком случае требуются огромные ресурсы для устранения последствий, работы могут продолжаться годами. Кроме того, загрязнения сказывается на здоровье, а иногда даже угрожают жизни людей и животных. И всякий раз, когда такое происходит, люди задаются вопросом: что нужно сделать, чтобы это не повторилось? Алексей Фролов рассказывает о «чуткой» системе на основе нейросети, которая автоматически обнаруживает в трудопроводах неконтролируемые утечки нефти, газа и воды.

Цель проекта, над которым под руководством Алексея Фролова работает команда «БиометрикЛабс», — предотвратить выбросы вредных веществ в окружающую среду путем сокращения прорывов трубопроводов и тем самым сохранить жизнь и здоровье людей.

- Как ваш проект может сделать мир лучше?

Мы то и дело слышим в новостях, что из-за прорыва трубы пострадали люди, погибли животные, что ухудшение экологической обстановки вызвало тяжелые заболевания у жителей пострадавшего региона.

Цель нашего проекта — предотвратить выбросы вредных веществ в окружающую среду путем сокращения прорывов трубопроводов и тем самым сохранить жизнь и здоровье людей.

- Как удается узнать о возможном инциденте вовремя?

Наша система предупреждает такие инциденты, обеспечивая возможность отслеживать состояние трубопровода. Если в трубе появляется утечка, коррозия, врезка либо возникают какие-то другие дефекты, система о них сигнализирует и помогает локализовать проблему.

Протекающие по трубам вода, нефть, концентрированный газ или дизельное топливо создают вибрации. На участке прорыва характер этих вибраций меняется. Мы используем систему корреляции в виброакустических датчиках. Через определенные отрезки времени датчики снимают сигнал: 20–30 секунд шума трубы — и по беспроводной связи отправляют на микроконтроллер, с которого аудиозаписи стекаются на сервер. В пилотных проектах — по Wi-Fi, в полевых условиях — будем использовать сим-карты и передачу данных через сотовую сеть. На сервере сигналы обрабатываются, нейросеть анализирует, все ли в порядке. Если сигнал изменился, cистема позволяет определить конкретное место происшествия и степень утечки, которую надо устранить в ближайшее время, чтобы не допустить прорывов трубы. Потому что прорыв очень часто означает раскопки, отключение коммуникаций, замену части трубопровода и прочие экстренные работы.

Специалисты аварийных служб получают сведения о месте утечки с точностью до двух метров и отправляются проверять ситуацию на местности — осматривать трубу и исправлять дефекты. Им необходимо сделать это до того, как утечка приобретет масштаб катастрофы.

- Какие данные обрабатывает нейросеть?

Нейросеть анализирует звуковые волны, их отклонение от нормы и может классифицировать разные типы вибраций по степени утечки: большая, средняя или маленькая. Определять вид дефекта нейросеть пока не научилась, но можно добиться и этого — надо только собрать достаточно большое количество данных.

- Как родилась идея этого проекта?

Совершенно случайно. Мы занимаемся голосовой биометрией, обработкой акустических сигналов. Эти технологии находят самое широкое применение. Мы, например, делали систему точной идентификации человека по голосу для банков, умные замки, узнающие владельца по лицу и голосу, систему распознавания эмоций по тону голоса. Затем от голоса перешли к распознаванию других сигналов и наткнулись на исследование применения технологии виброакустических датчиков, которая позволяет экономить миллионы долларов. Посмотрели, как это реализуется в России, и обнаружили, что пока никак. Протяженность труб у нас в стране огромна, в том числе в тепловых и водопроводных сетях Москвы. При этом культура мониторинга трубопроводов с помощью виброакустических датчиков не слишком высока.

Мы заинтересовались этой задачей, начали ей заниматься, выиграли несколько конкурсов, приняли участие в нескольких акселераторах и, таким образом, попали на «Северсталь», чтобы оснастить несколько километров их трубопроводов своими датчиками.

- В чем особенности вашего подхода?

Производителей виброакустических датчиков много, но в основном у их изделий недостаточная чувствительность акселерометра, а нам нужна высокая — чтобы собирать малейшие шумы. Пока беспроводные акустические датчики для всего мира производят только две страны: Англия и Швейцария. Мы хотим начать производство таких датчиков в России и делаем программно-аппаратный комплекс для обработки снимаемых ими сигналов на основе рекуррентных сетей глубинного обучения.

Исследования подтверждают высокую точность нашей «нейронки». Это единственное в России решение, способное показать настолько точный результат в определении как места утечки, так и ее степени. Другие решения базируются на принципе акустической эмиссии, и датчики ставятся на трубы, когда утечка уже произошла. А мы работаем на упреждение инцидентов.

Датчик стоит 200 тыс. руб. — это очень дорого, учитывая протяженность трубопроводов. Мы хотим сократить его стоимость до 5–20 тыс. руб., чтобы сделать датчик стационарным. Датчики можно расставить на трубе на расстоянии 500 м друг от друга, благо чувствительность позволяет, и забыть о них на год — пока хватит заряда батареи. Через год надо будет просто сменить аккумулятор.

- На каких трубопроводах систему можно применить? Есть ли разница между определением утечки воды и нефти?

Для системы нет абсолютно никакой разницы — разве что разные уровни вибраций, под которые система подстраивается благодаря набору данных, используемому для ее обучения. В перспективе мы хотим использовать датчики для измерения отклонений в разных шумах. Это может быть шум от станка на заводе, трансмиссии в автомобиле, рельсов на железной дороге.

- Расскажите немного о вашей команде.

Сейчас в команде 12 человек. В блок по программному обеспечению входят специалист по программным обвязкам, data scientist и менеджер проекта. Кроме того, у нас есть специалист по виброакустике, инженеры и разработчики, программирующие датчики и микроконтроллеры.

- Привлекаете ли вы в команду молодых специалистов?

Самому старшему члену команды 40 лет, мне — 31 год. Я постоянно беру студентов на практику, и лучшие из большого потока практикантов остаются с нами работать. Так у нас появился менеджер проекта. Девушке 21 год, она талантлива и открыта к знаниям. Ей пока не хватает опыта, но она погружается в проблему, много читает, изучает наработки. Я всегда обращаю внимание на любознательность кандидатов, их способность быстро разобраться в вопросе, научиться новому и хорошо сделать то, чего не умел раньше.

Студентов на стажировку предпочитаю брать из вузов, где не только дают профессиональные знания, но и учат быть гибкими, быстро учиться новому и делать работу без ошибок.

Молодых членов команды в нашем проекте вдохновляет как возможность работать с технологиями искусственного интеллекта, так и его благородная миссия — защита природы и человека.

Алексей Фролов: «Я всегда обращаю внимание на любознательность кандидатов, их способность быстро разобраться в вопросе, научиться новому и хорошо сделать то, чего не умел раньше»

- Где вашу систему уже испытали в деле?

Мы провели пилотный проект с одним из региональных водоканалов. Кроме того, сейчас завершается еще один пилотный проект в Череповце, в компании «Северсталь». Открывая вентили в трубах, мы моделируем утечки, определяем их наличие, место и степень. Система показывает неплохие результаты. Следующий этап — промышленное внедрение, которое, как мы надеемся, обеспечит нас ресурсами для новых исследований. Ведем переговоры с инвестиционными фондами, чтобы запустить производство датчиков.

- С какими проблемами вам пришлось столкнуться?

Увы, не все компании проявляют достаточный уровень социальной ответственности, многие не готовы платить за инновации в области экологии. Ярких примеров, когда корпорации реализуют фундаментальные проекты — например, вкладывают деньги в инициативы по сохранению природного биоразнообразия — не так много, как хотелось бы.

Компании зачастую не считают экологию своей зоной ответственности. Пока, когда представители промышленного предприятия видят размер ущерба от утечки в деньгах, они на это реагируют, а вот показатели в тоннах и квадратных километрах загрязнения их впечатляют не сильно.

- Какие финансовые аргументы можно использовать, для того чтобы компании занялись предотвращением аварий, ухудшающих экологическую обстановку?

Например, в Мосводоканале 15% труб — ветхие. Они требуют регулярного мониторинга и так часто прорываются, что их ремонт — довольно большая статья затрат.

Среднее предприятие теряет на неконтролируемых утечках более 50 млн руб. в год. Мы помогаем сократить потери примерно в 10 раз и сэкономить 30 млн руб. с учетом стоимости внедрения системы.

Проблема в том, что в таких компаниях, как водоканалы, путепроводы, ЖКХ, нет системы пилотирования инноваций: ни бюджета, ни подходов, ни регламентов работы с инновационными продуктами. Это просто не встроено в корпоративные процессы.

Поэтому важно, что Москва делает шаги в нужном направлении — вводит экспериментальный правовой режим для пилотирования технологий искусственного интеллекта. И Московский инновационный кластер помогает нам продвинуться в решении наших задач.

- Какие планы на будущее?

Сейчас мы в Ассоциации лабораторий по развитию искусственного интеллекта активно ищем партнеров, чтобы провести исследование российских трендов, проектов и технологий искусственного интеллекта в области защиты окружающей среды, которые можно было бы применить в России.

Чтобы лучше тебя слышать

Команда «БиометрикЛабс» помимо основного проекта параллельно пробует обрабатывать и другие акустические сигналы. В частности, развивается «антиковидный» проект, реализация которого позволит ставить пациенту предварительный диагноз, анализируя сигналы со стетофонендоскопа с помощью нейронной сети. Человек с помощью смартфона сможет дома записать сигнал с сердца или легких и определить симптом заболевания. Уже создана база 3D-моделей специальных чехлов для телефона в форме стетофонендоскопа. Эту модель можно скачать и переслать в ближайший сервис 3D-печати, где необходимый аксессуар распечатают и пришлют домой. Чехол нужно надеть на смартфон, и, используя бесплатное мобильное приложение, скачанное из Google Play или App Store, можно записывать шумы сердца и легких, чтобы определить наличие признаков заболеваний.

Чтобы учесть все индивидуальные особенности людей при постановке диагноза, для обучения нейросети требуется собрать и разметить большой объем данных

Пока это только тестовый сценарий, но разработчики рассчитывают, что в перспективе такой чехол можно будет приобрести в любом салоне сотовой связи — партнер, занимающийся аддитивными технологиями, у них уже есть. Реализовывать подобный проект в партнерстве с одним из крупных телемедицинских сервисов наподобие «Доктор рядом», «Яндекс.Здоровье» или SmartMed.

В настоящее время идет разметка данных: 20–30 кардиологов и терапевтов ежедневно собирают и размечают аудиосигналы со стетофонендоскопов. Сложность в том, что у людей очень много индивидуальных особенностей: рост, масса тела, жировая прослойка, хронические заболевания и пр. Чтобы учесть все эти особенности при постановке диагноза, дата-сет для обучения нейросети нужен достаточно большой. Поэтому на его сбор потребуется, по-видимому, достаточно продолжительное время.

 

Больше информации об интересных событиях, тенденциях и фактах в сфере цифровой экономики, мнений экспертов, а главное — ярких рассказов о решениях на основе данных в социальной сфере, здравоохранении, культуре, образовании, благотворительной и волонтерской деятельности, читайте в новом проекте «DobroData. Данные на службе добра». Пусть тех, кто умеет делать мир лучше, станет больше! Возрастная маркировка: 12+