#人工智能#AI是如何治水的？ |技术|水利工程|遥感|

本文插图
“水无形而有万形” ，治水与用水是维系民生的几千年难题。从共工、大禹、李冰到李仪祉，历史上的国人曾为治水付出了巨大的努力。如今，通过人工智能手段对水利水务进行管控已成现实，但在实际实施过程中也存在一些挑战。
感知是水利水务水环境领域最大的痛点，包括水量、水位、排口和断面监测。但是，很多物理生物化学现象很难被视觉所感知，而机器视觉也做不到人的视觉能轻易完成的很多任务。那么水行业中存在的感知问题，能否因为AI的出现迎刃而解？

本文插图
水量的角度看，水位和流速场是两个重要的维度。对水位而言，现在通用的做法是通过物理量来换算，比如气泡压力、电导率等，但水位本质上是个长度的概念，完全可以通过视觉测量，即通过AI摄像头测量水面线在水尺的位置来计算。除了要解决在黑夜、雨雾等特殊天气的精度问题，还要考虑水尺变脏、变模糊、被冲毁、绝对水位等场景，通过技术攻关和产品设计，利用水尺和摄像头的组合实现水位的时空相对连续的泛在监测，并在一些场景下通过水位流量曲线估计流量。水尺将在内涝积水测量、水文测量、取排水口获得广泛的应用，尤其是帮助解决城市内涝管理、中小河流、中小水库、水资源、水环境等现在面临的突出问题。流速场测量是水文工作的一个重要组成部分，任务艰巨，如何通过摄像头测量光影在水体表面的流速场，哪怕会碰到风速、光照等环境的影响，这种相对简单的非接触式的测量方法仍然受到水文工作者的高度期待，尤其是洪水和应急场景。
从水质的角度看，对入河排口和工业排口实现监测才能从源头上解决水环境污染问题，而排口众多分布广泛，排水行为复杂，包括排口流量有无、流量多少、颜色形态、化学指标、生物指标、人员入侵等，使用在线监测设备的话，建设和维护成本巨大。如何通过AI使得摄像头包括多光谱摄像头成为每个排口行为观测的眼睛，成为一个重要的潜在选择，并和自动采样装置联动，在告警时自动采样作为证据以供后续化验和执法。单单实现排口流量有无这一个功能就已经受到监管者的欢迎，减轻巡查工作量，及时发现偷排、雨污混接、溢流等问题。当然，无论工业排口还是入河排口形态多样问题复杂，需要通过技术攻关产品设计，真正发挥技术优势解决客户实际问题，此行任重道远。
监管的角度， AI更是能成为水资源管理的眼睛，分布广泛响应及时。与水相关的视觉技术是计算机视觉中最难的部分之一，光与水有丰富的交互，倒影、反光、透明、强光、弱光、雨雾、补光等等，很多场景下尤其是城市河道光污染非常严重，而水资源管理中需要识别的场景大多数是小概率事件，比如漂浮物、抛洒物、水体入侵等，从而导致信号弱噪音强也即信噪比低，识别难度很大。而且目前AI技术本身有其明显的局限，包括需要大量的标注数据，场景定义要非常明确等，要努力在技术可实现性、客户需求度、商业可行性中寻找交集。除此之外，闸站泵站水厂等基础设施有无人化和智能化的趋势，如何通过AI和5G等新技术分阶段赋能落地，也是个很有潜力的方向。

本文插图
空天地一体的感知网络是业界普遍看好的方向。卫星遥感数据上云是大势所趋，如何提高数据可用性，缩短模型开发周期，提高目标识别、变化检测、地物分类等的效率，服务于水土保持、河湖管理等领域具有重要意义。无人机无人船能够实现连续的长距离自主巡航，随着控制精度的不断提高、恶劣环境适应性的不断增强，将会成为河湖日常和应急管理的重要手段， AI技术不仅体现在视频分析，更体现在自主行动。这些和固定摄像头一起，从点、线、面不同视角互相补充增强。对这些非结构化数据包括遥感影像、视频流进行结构化处理后，和其它传感器获取的结构化信息融合起来，共同汇聚成数据湖，供各类水利水务水环境业务使用。数据就是情报，数据的可靠性是第一位的。