执行概要
人工智能 (AI) 的运用，让公用事业企业既能提升下水管道检测视频分析速度，又能确保检测的准确性。从而让他们的员工能够将精力重点放在及时制定维护决策而非实施常规检测上。其他益处还包括降低成本和错误率，以及减少服务中断的情况。
为减少部署人工智能的障碍，公用事业企业可以与那些有应对这一方面挑战经验的服务解决方案提供商开展合作。DC Water 获得了 Wipro 的帮助。Wipro 是一家 IT 服务提供商，同时也是英特尔® AI Builders 计划的成员，在公用事业领域以及计算机视觉、机器学习和相关技术方面有着丰富的专业技能和经验。
下水系统：挑战重重
下水管道维护就像是为应对未来服务中断而采取的一种保险形式。为实施成本效益分析，公用事业企业不断寻找各种办法在减少下水管道故障的同时降低检测成本。
鉴于下水管道隐匿于城市地下，绵延无数英里，这样做至关重要。举例来说，华盛顿特区地下的下水管道纵横交错，长达 1,800 多英里1。超过 701,000 的本地居民和每年近 2000 万游客产生的污水就靠华盛顿哥伦比亚特区水务局 (District of Columbia Water and Sewer Authority, DC Water) 来收集和处理2。
DC Water 的下水系统始建于 1810 年，管道采用的材料多种多样，有砖和水泥、陶土、 混凝土和铸铁。
像这样的基础设施在整个美国乃至其他国家/地区非常典型。因此，公用事业企业不得不全天满负荷运转，确保下水系统平稳畅通、运转良好，因为及时排污在客户看来是理所当然的事。
标准检测流程冗长繁琐
若能定期检测地下排污管道，公用事业企业就可以对维护任务进行优先排序，有效防止管道泄漏、破损和堵塞。标准检测中涉及不少费时费力的人工作业。常见的一种办法是运营商远程引导安有摄像头的探测仪录制地下污水管道的视频；然后利用所录视频生成检测日志，写出总结报告，标记出异常情况或问题及其所处的位置。
随后由质检人员审核所录的各段视频及报告，确保准确无误。实时观看绵延数千英里的管道和长达数小时的视频，这实在是个无休无止的过程。疲劳、分神以及对哪些维护项目或维修任务应该优先进行的分歧，都可能导致错误的出现。
而且，采用这种方法的公用事业企业等到周五下班前才评估一周的报告，然后发布下一周的工作顺序，这种现象并不少见。这有可能导致任务积压。任务积压又可能导致处理延迟。处理延迟有可能导致出现紧急维修情况。
这一切都促使公用事业企业纷纷寻找各种办法来提高管道检测流程的效率。
利用人工智能实现下水管道检测自动化
DC Water 寻求的是一种会实现自动化，且既能提升管道视频检测速度又能保持准确性的解决方案。
DC Water 管理团队与 Wipro 管理团队进行了沟通交流。Wipro 在自动化、人工智能、数据分析及其他技术方面富有经验。两家企业集各自之所长，共同开发有可能减少对下水管道视频扫描进行人工审核及分类的解决方案。
他们的目标是优化基础设施维护，从而节省时间、提高效率、降低成本。而下水管道检测视频分析和报告的自动化有助于实现这一目标。
DC Water 与 Wipro 合力开发 Pipe Sleuth
DC Water 运用其深厚的专业知识来判定异常情况严重程度并生成全面报告，无缝融入其现有工作流程。
Wipro 则将其在数字信号处理 (DSP) 领域（即，图片视频处理和计算机视觉领域）的出色技能与人工智能和机器学习技术结合起来，用于解决业务问题。
该公司在助力广泛公私实体实现 IT 系统融合方面也有着丰富的经验。其中不乏美国及世界各地政府所有的水务服务供应商及天然气和能源企业。Wipro 通过同时提供技术和领域专业知识，协助指导 DC Water 实施数字化转型，将 DC Water 的诸多实力和远见卓识变成实用的解决方案。
将计算机视觉技术用于下水管道检测
Pipe Sleuth 解决方案运用符合管道评估认证方案 (Pipeline Assessment Certification Program, PACP) 的各种标准实现了管道状况识别、标注、打分/评级以及管道缺陷报告整个流程的自动化。这些基准是污水服务公司全国联合会 (National Association of Sewer Service Companies, NASSCO) 制定的。
“我们现在使用 Pipe Sleuth 对下水管道网络进行检测。Pipe Sleuth 是一项创新解决方案。它能够显著提高检测效率，大幅降低成本，同时还能提升缺陷总检测率。能够在我们现有基于英特尔® 技术的平台上运行 Pipe Sleuth 更是令我们受益匪浅。” —— Tom Kuczynski，DC Water 信息技术部副总裁
该解决方案包含从记录在案的管道检测视频中提取的 26,600 张加注图片组成的数据库。以这些图片为基础构建的机器学习模型已使用 TensorFlow 进行训练，并已针对推理性能采用英特尔® OpenVINO™ 工具套件分发版进行优化。
通过这种训练，Pipe Sleuth 可以将新的管道检测视频与已确定的异常情况进行比较。该解决方案能够迅速检测出质量问题，并减少地下污水管道视频扫描片人工审核及编码的需求（见图 1）。
图 1. 采用 Pipe Sleuth 解决方案识别的异常情况图片及已完成标注的图片的样本
随后，Pipe Sleuth 会生成一份全面的检测报告。该报告可与常用的资产管理系统整合，实现维护工作自动排序。另外，Pipe Sleuth 还能接入地理信息软件系统。这样，后者就能够绘制出必须执行维护/维修任务之处的精确位置。借助这款软件，公用事业企业还可以轻松地从管道检测视频中检索和查看特定场景。
除了优化 Pipe Sleuth 解决方案，使其能够与英特尔® OpenVINO™ 工具套件分发版配合使用外，Wipro 还针对英特尔® 酷睿™ i5 处理器、英特尔® 酷睿™ i7 处理器及英特尔® 至强® 可扩展处理器对该解决方案进行了优化，因此，使该解决方案在这三种处理器上能够分别获得 32%、55%、77% 的性能提升。3
采用英特尔® OpenVINO™ 工具套件分发版和英特尔® 至强® 处理器后，推理时间也大大优化（缩短了高达 80%），同时又不会显著影响模型精度或准确性。4 这一优化结果给已投资购买基于英特尔® 处理器的服务器的 DC Water 带来了极大的益处。
成果：该解决方案能够实时执行图片推理，使管道检测的效率、一致性和准确性得到提高。
除此之外，Pipe Sleuth 还能够通过存储管道数据及元数据来增强长效监控能力。这样一来，公用事业企业就可以较为轻松地回看某些具体问题的过往记录及其位置，确定何时以及哪些维护工作或维修任务已得到执行，并且将以前的状况与当前状态进行比较。
Pipe Sleuth 的优势
如今，Pipe Sleuth 一次支持 50 起针对污废水处理公用基础设施的异常情况的识别。作为产品路线图的一部分，Wipro 计划支持更多异常情况的识别，从而提升其业务价值。
节省时间
分析 60 分钟的检测视频并生成报告，人工需 1 小时 15 分钟完成，利用 Pipe Sleuth 仅需 10 分钟。3
减少扫描成本
异常情况检测成本节省高达 50%，公用事业企业因此能够将支出从维护转移到资本优化。5
实现较高准确性
在减少因疲劳和分神导致的人为错误的同时，实现高达 90% 的准确率，并将检测可靠率提升高达 20%。5
提高专家的可及性
通过利用人工智能执行常规检测，让员工能够将精力放在解决复杂问题上。
优化维护决策
改进流程，让维护人员能够在最需要他们的地方工作。
减少服务中断
加速分析和优化排序，因此可以先行维护，然后只在必要的时候进行维修。
提升客户服务品质和安全性
通过降低维修及暂时封闭和破坏道路、公私财产及环境的频率，展现为客户提供优质服务的承诺。
实现投资回报率
公用事业企业在三年的时间内能够获得高达 350% 的回报率。5
马上开始吧
如需了解更多信息，请下载白皮书 Pipe Sleuth with Optimized Inference on Intel® Processors（基于英特尔® 处理器优化推理的 Pipe Sleuth）
聆听 Wipro 高级业务经理 Deepak Dinkar 及英特尔公司人工智能产品事业部高级产品营销经理 Emily Hutson 参与的有关 Pipe Sleuth 的研讨播客
有关 Pipe Sleuth 的问题，请发送电子邮件到 sales.pipesleuth@wipro.com 和 Thomas.Kuczynski@dcwater.com
如需了解 Wipro 的其他人工智能解决方案，请联系 Deepak Dinkar，电子邮件地址：deepak.dinkar@wipro.com
如需了解更多有关 Wipro 的业务信息，请访问 wipro.com
点击此处，详细了解英特尔® OpenVINO™ 工具套件分发版