AI 应用 · 能源与设施巡检

管线走廊变化识别

管线走廊上有价值的问题不是「那里有什么」，而是「相比上次变了什么」。几何一致的重复航测，能把数千张影像压缩成一张变化位置短清单。

5 / 10方法笔记

本页介绍

变化检测缩小的是复核工作量。某项变化是否构成威胁由运营方判定。

管线运营方本来就大致知道走廊里有什么。他们需要的是本月与上月的差异——周二开工的那处开挖、雨后塌掉的边坡、出现在作业带范围内的构筑物。覆盖不是问题，及时的例外上报才是。

这个定位很重要，因为它改变了飞行器要做的事。它执行的不是通常意义上的检查，而是在产出一种可重复的观测——同样的航线、同样的高度、同样的成像参数——使两次通行之间的差异指向物理变化，而不是几何差异。

变化检测比较的是两批栅格数据。如果航线相差几米，或者一次在柔和光线下飞、另一次在硬光下飞，比较结果会处处是差异——错位的边缘、偏移的阴影、整幅图块的像素值变化。这些都不是真实变化，而且会把真正为数不多的那几条埋掉。

所以飞行计划是规范，不是建议：航线位置、高度、重叠率、相机设置，最好连时段与太阳位置也接近。季节同样重要。在有林带的走廊上把带叶影像与落叶影像相比，会得到一堵表观变化的墙，再怎么调阈值也清理不干净。

配准与正射纠正必须在检出之前完成，而不是事后修补。数千帧之间亚像素级的错位单张看不出来，聚合起来是压倒性的。

差异是候选，不是威胁。第三方施工、地面沉降、未经许可的搭建、植被侵占、洪水，以及完全合法的维护作业，在分析的第一遍都会产出外观相似的图斑。区分它们依赖影像自身未必携带的上下文——作业许可、事先通知、季节性作业规律。

所以产出必须连同上下文一起交付：变化图斑、前后影像对、走廊上的位置，以及运营方已有的辅助数据。复核这样一个信息包很快；复核一份裸图斑清单很慢。

接入既有系统的做法见影像与资产台账关联——同样的纪律决定了这条发现是到达值班人员手上，还是留在分析师的文件夹里。

极缓慢的变化不适合用差分方法。逐年累积的缓慢位移可能每个月都低于检出阈值，然后以一次大事件的形式出现。对这类机理，专用监测手段比周期性差分更合适。

变化检测也不能告诉你某个东西的用途。它能说两次巡航之间一块矩形区域变成了裸土。这究竟是获批的堆料场还是侵占，是运营方借助台账作出的判断。